Skills

Paperclip: Die Open-Source-Orchestrierung, die AI-Agenten wie eine Firma führt

Für Teams, die selbst bereitgestellte Agenten wie Codex, Claude, Cursor und OpenClaw unter einem gemeinsamen Ziel bündeln, Aufgaben einheitlich verteilen, den Fortschritt verfolgen und die Kosten im Griff behalten wollen – vorausgesetzt, Sie bringen eigene Agent-Konten und Modellkontingent mit und starten den Node.js-Dienst lokal gemäß Quickstart.

Official source · paperclipai/paperclip

Install

https://github.com/paperclipai/paperclip#quickstart

Für wen ist das gedacht

Paperclip ist ein Open-Source-Werkzeug zur Orchestrierung von KI-Agenten, und die Metapher ist unverblümt: Agenten sind eingestellte Mitarbeiter, Paperclip ist das Unternehmen. Es besteht aus einem Node.js-Dienst und einer React-Oberfläche; die Agenten bringen Sie selbst mit. Es eignet sich daher für technische Verantwortliche oder kleine Teams, die bereits Coding-Agenten einsetzen und deren Aufgaben, Berechtigungen und Historie an einem Ort bündeln wollen.

Drei typische Profile: rund zwanzig Claude-Code-Terminals gleichzeitig offen, ohne sagen zu können, was jeder gerade tut; Agenten, die 7×24 selbstständig laufen sollen, während Sie jederzeit den Fortschritt einsehen und bei Bedarf eingreifen können; Verantwortliche, die für jeden Agenten ein Budgetlimit setzen und die Kosten im Blick behalten wollen.

Eine harte Voraussetzung gibt es außerdem: Die Agenten bringen Sie selbst mit. Die Startseite des Repositories sagt ausdrücklich: „bring your own agents“. Modelle und Ausführungs-Frameworks wählen Sie einzeln aus; die Plattform übernimmt Scheduling, Buchführung und das Durchsetzen des Budgets.

Nicht gut geeignet ist das, wenn ein einzelner Agent eine Aufgabe einmal erledigen und wieder einstellen soll – der Ablauf „Ziel festlegen, Team anheuern, genehmigen und starten“ ist in dem Fall zusätzlicher Ballast. Und fangen Sie nicht an, wenn Sie weder über nutzbare Agent-Konten noch über Modellkontingent verfügen, denn Agenten und Modelle stellen Sie selbst bereit.

In 3 Minuten zum ersten Versuch

Gehen Sie nur einen offiziellen Weg: den Quickstart-Abschnitt auf der Startseite des GitHub-Repositories.

  • https://github.com/paperclipai/paperclip
  • https://docs.paperclip.ing/

Verifiziert ist nur so viel: „Der offizielle Einstiegspunkt ist der Quickstart-Abschnitt im Repository.“ Die konkreten Befehle entnehmen Sie bitte dem Quickstart und der Dokumentationsseite; hier werden nicht verifizierte Befehle nicht wiederholt.

  1. Voraussetzungen bereitstellen: eine Node.js-Laufzeit und mindestens einen eigenen Agenten (Codex oder Claude).
  2. Installationsort: Richten Sie sich nach dem Quickstart und starten Sie Dienst und Oberfläche lokal. Die Quellen nennen weder ein globales Installationsverzeichnis noch einen Paketnamen – übernehmen Sie die Installationsweise also nicht ungeprüft von anderswo.
  3. Eine risikoarme Aufgabe auslösen: Legen Sie ein schreibgeschütztes Analyseziel an (zum Beispiel „die Struktur eines Repositories analysieren und eine Verbesserungsliste erstellen“), hängen Sie zunächst nur einen Agenten an, prüfen Sie die vorgeschlagene Strategie, setzen Sie das Budgetlimit auf eine kleine Zahl und klicken Sie dann auf Start. In dieser Phase darf er keine Dateien schreiben, keine Befehle ausführen und keine externen Aufrufe tätigen.
  4. Zuerst die Nebenwirkungsgrenzen klären: Nach dem Start läuft der Agent dauerhaft selbstständig weiter und erzeugt echte Kosten. Budgetlimit und schreibgeschützte Aufgabe sind in dieser Runde die einzigen Leitplanken – setzen Sie das Budget also niedrig an.
  5. Erfolgssignal beobachten: Das Ziel und seine Aufgabeneinträge erscheinen im Dashboard, Sie sehen Fortschritt und Kostenbuchung je Agent, und die Gesamtkosten bleiben unter dem Budgetlimit.

Was Sie in der ersten Runde unterlassen sollten: Hängen Sie nicht auf einen Schlag ein Dutzend Agenten an und klicken Sie vor allem nicht ohne gesetztes Budget auf Start.

Anwendungsfälle

Fall eins: Mehrere Agenten arbeiten parallel am selben Ziel, und der Fortschritt hängt nicht mehr am Gedächtnis eines Menschen. Das Repository nennt „20 Claude-Code-Terminals gleichzeitig offen und den Überblick verlieren, was jeder tut“ ausdrücklich als geeignetes Szenario. Der Ansatz: verschiedene Agenten wie OpenClaw, Codex, Claude oder Cursor unter ein gemeinsames Ziel hängen, jedem eine eigene Modell- und Frameworksauswahl überlassen und Aufgaben, Skills, Berechtigungen und Historie an einem Ort halten. Danach lesen Sie nur noch im Dashboard, wer was tut und was es gekostet hat, statt Terminal für Terminal durchzugehen; ein Panel zeigt, wer vorankommt und wie weit.

Fall zwei: „Ziel setzen, Team anheuern, genehmigen und starten“ als Betriebskreislauf steuern. Die drei Schritte des Repositories lauten: erst das Ziel definieren (etwa eine KI-Notiz-App auf $1M MRR bringen), dann ein Team von Agenten mit Rollen wie CEO, CTO, Ingenieur, Designer und Marketing aufbauen (beliebige Bots, beliebige Anbieter), schließlich genehmigen und starten – Strategie prüfen, Budget setzen, Start drücken und dauerhaft vom Dashboard aus überwachen. Das ist der im Original gezeigte Beispielablauf, keine erschlossene Verwendung; wie Rollen gesetzt und Agenten angebunden werden, steht im Quickstart und auf der Dokumentationsseite.

Grenzen der Nutzung

  • Der verifizierte Umfang beschränkt sich auf die Startseite des Repositories: die Positionierung (Open-Source-Orchestrierung, um KI-Agenten für Arbeit einzusetzen), die technische Form, der Kernablauf in drei Schritten sowie die Anforderungsgruppe „Agenten laufen 24/7 autonom, Menschen müssen nachsehen und jederzeit eingreifen können, Kosten müssen überwacht und Budgets durchgesetzt werden“. Installationsbefehle, Verzeichnisstruktur und Art der Kontobindung sind nicht verifiziert.
  • Agenten laufen dauerhaft selbstständig weiter und erzeugen echte Kosten; Kostenmonitoring und Budgeterzwingung sind sowohl Plattformfunktion als auch Betriebsvoraussetzung.
  • Agenten, Modelle und Ausführungsframeworks stellen Sie selbst; Paperclip verwaltet keine Agent-Konten für Sie.
  • Wählen Sie in der ersten Runde eine schreibgeschützte, umkehrbare Analyseaufgabe; bei Dateischreibvorgängen, Befehlsausführung oder externen Aufrufen klären Sie vorab Reichweite und Budget.
  • Wenn Sie nur eine einzige Aufgabe laufen lassen wollen, ist dieser Ablauf zu aufwendig; sein Nutzen zeigt sich bei mehreren Agenten, langlaufenden Prozessen und Budgetrestriktionen.
  • Wie tief die Unterstützung je Agent reicht, welche Parallelität möglich ist und wie Fehler behoben werden, steht nicht auf der Startseite – maßgeblich ist die offizielle Dokumentationsseite.