Agentix Dokumentation

Vollständige Referenz für die Agentix Desktop-App – KI-Agenten, LLM-Provider, Architektur und Konfiguration.

Überblick

Agentix ist eine Flutter Desktop-App (primär macOS) für agentenbasierte Softwareentwicklung. Vier spezialisierte KI-Agenten – Product Management, UX Design, Entwicklung und Quality Assurance – arbeiten gemeinsam an Projekten, kommunizieren in strukturierten Meetings und teilen eine gemeinsame Knowledge Base.

Die App verbindet sich wahlweise mit einem Agentix App-Server (Cloud oder On-Premise) für Team-Features oder läuft vollständig lokal ohne Server.

System-Architektur

Agentix besteht aus drei unabhängigen Ebenen:

Kommunikationsfluss

Die 6 Agenten

Jeder Agent hat eine fest definierte Rolle, eine Farbe (für die UI) und ein eigenes Systempromptsystem (lib/core/constants/agent_prompts.dart). Die LLM-Konfiguration ist pro Agent und pro Projekt individuell einstellbar.

Agent-Konfiguration pro Projekt

In den Projekteinstellungen (Projekt-Hub → Einstellungen) lässt sich für jeden Agenten separat konfigurieren:

• Provider – Claude, Ollama, Claude Code CLI, LiteLLM, DeepSeek
• Modell – z.B. claude-sonnet-4-6, gemma4:12b, deepseek-v4-pro
• Systemprompt-Überschreibung – eigener Prompt statt Standard
• Workflow-Prompt – zusätzliche Arbeitsanweisungen

LLM-Provider

Agentix unterstützt fünf verschiedene LLM-Provider. Die Auswahl erfolgt pro Agent in den Projekteinstellungen. In den globalen App-Einstellungen werden API-Keys und Verbindungsdaten konfiguriert.

Claude (Anthropic)

Direkter HTTP-Aufruf der Anthropic Messages API (api.anthropic.com/v1/messages). Implementiert in lib/services/llm/claude_service.dart.

Konfiguration

1. Settings → Claude API → API Key eintragen
2. Pro Agent Modell wählen: claude-opus-4-7, claude-sonnet-4-6, claude-haiku-4-5-20251001

Ollama (Lokal)

Nutzt die Ollama REST API (/api/chat), die lokal auf Port 11434 läuft. Implementiert in lib/services/llm/ollama_service.dart.

Empfohlene Modelle (macOS, Apple Silicon)

Konfiguration

1. Ollama installieren (Settings → System-Tools → Installieren)
2. Modell herunterladen: Settings → Ollama → Modell auswählen
3. Basis-URL prüfen (Standard: http://localhost:11434)
4. Pro Agent Provider = Ollama (Lokal), Modellname eintragen

Claude Code CLI

Startet die claude CLI als Subprocess (Process.start) und übergibt den Prompt via -p <prompt>. Implementiert in lib/services/llm/claude_code_service.dart.

Ausgabeformat

Agentix nutzt --output-format stream-json --verbose für strukturierten Output, der live in der Terminal-Ansicht angezeigt wird:

• Textblöcke → Agenten-Antwort
• Tool-Use-Blöcke → ⚙ Tool-Name Argument (sichtbar in Terminal-Panel)
• Tool-Results → → Ergebnis (gekürzt)

Konfiguration

1. Settings → System-Tools → Claude Code CLI installieren
2. claude muss im PATH sein (/opt/homebrew/bin, /usr/local/bin)
3. Pro Agent Provider = Claude Code (CLI)
4. Optionales Modell: leer lassen = Standard-Modell von Claude Code

LiteLLM-Bridge (Ollama + Claude Code)

LiteLLM ist ein Python-Proxy, der die Anthropic-API nach außen simuliert und intern Anfragen zu Ollama (oder anderen Backends) übersetzt. Agentix startet LiteLLM als lokalen Subprocess und setzt dann ANTHROPIC_BASE_URL=http://localhost:8000 für die Claude Code CLI.

Setup

1. Settings → LiteLLM → LiteLLM installieren (einmalig, via pipx)
2. Ollama-Modell eintragen (Format: ollama/gemma4:12b)
3. Port anpassen falls nötig (Standard: 8000)
4. LiteLLM starten → grüner Status
5. Pro Agent Provider = LiteLLM (Ollama-Bridge)

DeepSeek (Cloud)

DeepSeek bietet einen Anthropic-kompatiblen API-Endpunkt unter https://api.deepseek.com/anthropic. Claude Code CLI spricht diesen direkt an – kein LiteLLM-Proxy nötig.

Agentix setzt automatisch folgende Umgebungsvariablen bevor claude gestartet wird:

ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
ANTHROPIC_AUTH_TOKEN=<dein DeepSeek API Key>
ANTHROPIC_MODEL=deepseek-v4-pro
ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro
ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro
ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash

Setup

1. API Key unter platform.deepseek.com erstellen
2. Settings → DeepSeek (Cloud) → API Key eintragen
3. Modell setzen (z.B. deepseek-v4-pro)
4. Speichern
5. Pro Agent Provider = DeepSeek (Cloud)

Modelle

App-Konfiguration

Globale Settings

Erreichbar über Sidebar → Einstellungen (⚙).

Datenspeicherung

• SharedPreferences – App-Einstellungen (nicht-sensibel)
• FlutterSecureStorage – API Keys (Keychain auf macOS)
• Log-Datei – ~/Documents/agentix.log

Projekte

Agentix unterstützt verschiedene Projekttypen, die sich in den verfügbaren Metadaten-Feldern und dem Standard-Workflow unterscheiden:

• Softwareentwicklung – Vollständiger Dev-Workflow mit Board, QA, Deployment
• Research – Fokus auf Analyse, Reports, Knowledge Base
• Weitere Typen konfigurierbarer über Projekteinstellungen

Projekt-Hub

Zentraler Einstiegspunkt eines Projekts mit:

• Projektbeschreibung und Metadaten
• Agenten-Konfiguration (Provider + Modell pro Agent)
• Systempromt-Anpassung pro Agent
• Memory-Agent-Konfiguration

Board & Aufgaben

Agentix nutzt ein Kanban-Board mit konfigurierbaren Spalten (Standard: Backlog, In Progress, Review, Done). Aufgaben (Tasks) können manuell erstellt oder vom PM-Agenten automatisch aus Feedback und Ideas angelegt werden.

Aufgaben-Lebenszyklus

1. Erstellt (Backlog) → Dem Agenten zugewiesen
2. Agent wird gestartet (Provider-Auswahl greift) → In Progress
3. Agent beendet Arbeit → wechselt Spalte via update_task-Tool
4. Review durch anderen Agenten (z.B. QA reviewt Dev-Arbeit)
5. Done

Task-Detail

Jeder Task besitzt:

• Brief (Aufgabenbeschreibung), Priorität, Typ (Feature, Bug, Task…)
• Zugewiesener Agent + LLM-Konfiguration
• Kommentare (Human und Agenten)
• Artefakte (Dateien, Code, Dokumente)
• Terminal-Output (bei Claude Code Ausführung)

Meetings

Meetings sind strukturierte Konversationen zwischen mehreren Agenten. Ein Moderator (frei wählbar) leitet das Meeting, alle Teilnehmer reagieren auf die Beiträge der anderen.

Meetings laufen sequenziell: Agent A spricht, dann B, dann C etc., bis zum konfigurierten Ende oder bis alle ihre Kernpunkte gemacht haben.

Meeting-Typen

• Sprint Planning – PM + Dev planen den nächsten Sprint
• Retrospektive – Alle Agenten reflektieren vergangene Arbeit
• Design Review – UX + Dev + PM reviewen Designs
• Freiformat – Eigenes Thema, eigene Teilnehmer

Knowledge Base

Die Knowledge Base ist eine gemeinsame Dokumentensammlung, auf die alle Agenten zugreifen können. Dokumente können manuell erstellt oder von Agenten via save_document-Tool angelegt werden.

Bei jedem Agenten-Aufruf werden relevante Dokumente als Kontext mitgegeben – die Auswahl erfolgt über Schlüsselwort-Matching im Brief und den Tags der Dokumente.

Gedächtnis-System

Agentix besitzt ein projektbezogenes Langzeitgedächtnis. Ein spezieller Memory-Agent (konfigurierbarer Provider) analysiert abgeschlossene Aufgaben und extrahiert Erkenntnisse, die zukünftigen Agenten als Kontext mitgegeben werden.

Memory-Formate in Agent-Outputs

• MEMORY_SAVE: [{...}] – Agent speichert neues Wissen
• MEMORY_USED: [...] – Agent zeigt an, welche Erinnerungen genutzt wurden

Memory Rebuild

Via Memory → Gedächtnis neu aufbauen kann das komplette Projekt-Gedächtnis neu generiert werden – der Memory-Agent analysiert alle Tasks und Knowledge-Dokumente von Grund auf.

Agenten-Tools

Agenten können Tools aufrufen – je nach Provider werden diese unterschiedlich implementiert:

Für Ollama- und LiteLLM-Provider, die kein natives Tool-Calling unterstützen, parst Agentix JSON-Objekte aus dem Freitext ({"name": "tool_name", "arguments": {...}}).

Client-Server-Architektur

Lokaler Modus (kein Server)

Ohne konfigurierte Server-URL arbeitet Agentix vollständig lokal. Daten werden im Arbeitsspeicher gehalten und gehen beim App-Neustart verloren. Für Einzelnutzer und Tests geeignet.

Server-Modus

Mit konfigurierter Server-URL (Settings → Server-URL) verbindet sich Agentix mit dem Go-Backend:

• Authentifizierung via JWT (Login-Bildschirm beim ersten Start)
• Projekte, Tasks, Knowledge Base und Meetings werden persistent gespeichert
• Mehrere Nutzer können auf dieselben Projekte zugreifen
• WebSocket-Verbindung für Echtzeit-Updates

App-Server selbst hosten

# Via Docker
docker compose up -d

# Oder direkt
cd server/app
go build ./cmd/server/
./server -port 8080 -db-url postgres://...

Server-URL in Agentix: http://<IP>:8080

Cloud-Betrieb (Platform-Server)

Im Cloud-Modus (Agentix-Lizenz) stellt der Platform-Server für jede Organisation automatisch einen eigenen App-Server-Container bereit. Die Verbindung läuft über einen Reverse Proxy (/c/{slug}/).

Troubleshooting