Ravenclaw – Open-Source-System zur Verwaltung des Arbeitskontexts von AI-Coding-Agenten

Überblick

Bei der Nutzung von AI-Coding-Agenten (Claude Code, Gemini CLI, Codex usw.) über mehrere Projekte hinweg bin ich auf zwei Probleme gestoßen.

1. Wenn man den Agenten wechselt, geht der Kontext verloren

Wenn ich mit Claude Code arbeite und dann zu Gemini CLI wechsle, muss ich von vorn erklären, was zuvor gemacht wurde. Dasselbe gilt auch beim gleichen Agenten, sobald die Sitzung endet. Man durchsucht dann für jedes Projekt wieder Terminal-Gesprächsprotokolle und wiederholt ständig: „Bis hierhin sind wir gekommen, als Nächstes kommt das.“

2. Wenn mehrere Projekte parallel laufen, platzt einem der Kopf

Wenn 3–4 Projekte gleichzeitig laufen, wird schon das Nachverfolgen selbst zur Arbeit: Wo steht welches Projekt gerade? Zwischen Terminal-Tabs zu wechseln und Gesprächsverläufe zu scrollen, hat klare Grenzen.

Ravenclaw wurde gebaut, um dieses Problem zu lösen.

Kernidee

Der Arbeitskontext der Agenten wird zentral verwaltet.

Egal welchen Agenten man verwendet (Claude Code, Gemini CLI, Codex), der Arbeitskontext sammelt sich in Ravenclaw. Auch wenn man den Agenten wechselt oder eine Sitzung abbricht, kann man in einer neuen Sitzung über MCP-Tools den bisherigen Stand unverändert laden. Das System ist nicht an einen bestimmten Agenten gebunden.

In der Web-UI lassen sich die Epic-/Issue-Struktur pro Projekt, eine Graph-Ansicht und der Fortschritt auf einen Blick erfassen, sodass man „Wie weit ist dieses Projekt gerade?“ sofort ohne Terminal-Protokolle beantworten kann.

Ein System für Agenten, nicht für Menschen

Die Tickets (Issues/Epics) und das Wiki von Ravenclaw sehen Jira oder Linear ähnlich, aber die Hauptnutzer sind andere.

• Agenten erstellen Issues, ändern Status und schreiben Wiki-Inhalte
• Menschen prüfen in der Web-UI die Gesamtsituation und ergänzen bei Bedarf Erklärungen oder geben per Kommentar die Richtung vor
• Wenn der Agent in einer Situation ist, in der eine Entscheidung nötig ist, sendet er eine Human Input Request, die im Web beantwortet wird

Damit Agenten programmatisch darauf zugreifen können, werden über das MCP-Protokoll mehr als 40 Tools bereitgestellt, und auch über CLI und REST API sind alle Funktionen nutzbar.

Wichtige Funktionen

• Web-Chat: Dem Agenten direkt im Browser Anweisungen geben, mit Echtzeit-Streaming-Antworten
• Durchgängige Konversationen: Nutzung von claude --resume, Speicherung der Gesprächshistorie in einer DB
• Projektvisualisierung: In der Graph-Ansicht Epic-/Issue-Struktur und Fortschritt auf einen Blick erfassen
• Kontext-Snapshots: Der Agent speichert den Arbeitsfortschritt und setzt ihn in der nächsten Sitzung fort
• Berechtigungssteuerung: Beim Ausführen des Agenten zwischen auto-approve / bypass / accept-edits wählen
• Multi-Agent: Claude Code, Gemini CLI oder Codex auswählen und im selben Projekt verwenden

Tech-Stack

TypeScript-Monorepo (pnpm workspaces)

• API: Hono + PostgreSQL (Drizzle ORM)
• Web: React + Tailwind + ReactFlow
• Agent-Integration: MCP Protocol (40+ Tools)
• CLI: Commander.js
• Tests: Playwright E2E (14)

Installation

git clone https://github.com/chainofdive/ravenclaw.git  
cd ravenclaw && pnpm install && pnpm build  
docker-compose up -d && pnpm db:push  

Self-hosted, es wird nur PostgreSQL benötigt. Apache-2.0-Lizenz.

Tatsächlich verwalte ich mit diesem System mehrere Side Projects parallel zusammen mit AI-Agenten. Feedback oder Fragen sind willkommen.

GitHub: https://github.com/chainofdive/ravenclaw