- Mountet verschiedene Backends wie S3/Google Drive/Slack/Gmail/Redis als einzelnen Dateisystembaum, sodass AI-Agenten über dieselbe Schnittstelle darauf zugreifen können
- Agenten müssen keine service-spezifischen SDKs/MCPs neu erlernen; stattdessen lassen sich mit Unix-artigen bash-Tools alle Backends bedienen, und serviceübergreifende Pipelines können so natürlich wie auf einer lokalen Festplatte aufgebaut werden
- Läuft als Simulationsumgebung, sodass der Agent nur ein einziges Dateisystem sieht; ein LLM, das bash bereits gelernt hat, kann es ohne zusätzliches Vokabellernen sofort nutzen
- Mounts für mehrere Ressourcen: RAM, Disk, Redis, S3 / R2 / OCI / Supabase / GCS, Gmail / GDrive / GDocs / GSheets / GSlides, GitHub / Linear / Notion / Trello, Slack / Discord / Telegram / Email, MongoDB, SSH usw. werden nebeneinander unter einer einzigen Root platziert
- Portabler Workspace: Umgebungen lassen sich clonen, snapshotten und versionieren; beim Verschieben einer Agent-Ausführung auf eine andere Maschine sind kein Neustart und keine Neukonfiguration nötig
- App-Embedding: Mit Python- und TypeScript-SDKs kann FastAPI, Express, Browser-Apps und allen anderen Async-Runtimes direkt ein virtuelles Dateisystem zugewiesen werden, ohne separaten Prozess
- Kompatibel mit Agent-Frameworks: Unterstützung für OpenAI Agents SDK, Vercel AI SDK (TypeScript), LangChain, Pydantic AI, CAMEL, OpenHands
- Leichtgewichtiges CLI + Daemon: Verbindet sich mit Coding-Agenten wie Claude Code oder Codex und ermöglicht Zugriff auf gemountete Ressourcen über vertrautes bash
-
Befehls-Erweiterung
- Mit
ws.command('summarize', ...) können neue Befehle registriert werden, die auf allen Mounts verfügbar sind
- Unterstützt Command-Overrides für bestimmte Ressourcen und Dateitypen wie in
ws.command('cat', { resource: 's3', filetype: 'parquet' }, ...); Beispiel: Wenn cat auf eine Parquet-Datei in S3 ausgeführt wird, werden statt roher Bytes JSON-Zeilen ausgegeben
-
Zweistufiger Cache
- Index Cache: Cacht Verzeichnisauflistungen und Metadaten; beim ersten Zugriff wird die API aufgerufen, danach wird bis zum Ablauf der TTL aus dem Index geantwortet
- File Cache: Cacht Objekt-Bytes; der erste Lesezugriff streamt vom Ursprung, nachfolgende Pipelines lesen aus dem Cache
- Pluggable Backends: Wahlweise RAM (Standard, File-Cache 512 MB, Index-TTL 10 Minuten) oder Redis (geteilt zwischen Workern, Prozessen und Maschinen, Cache bleibt nach Neustarts erhalten)
- Apache-2.0-Lizenz
1 Kommentare
Oh! Das ist interessant.