Live Git: Remote-Development-CLI-Tool, mit dem lokales Claude Code (AI-Agent) entfernte GPU-Server direkt steuern kann

Ich veröffentliche Live Git (lg) als Open Source, ein Go-basiertes Remote-Development-CLI-Tool als Single Binary, das entwickelt wurde, um die chronischen Schmerzen bei der Arbeit auf entfernten GPU-Servern oder Laborrechnern zu lösen.
Live Git hilft dabei, die Ressourcen großer GPU-Server so zu nutzen, als wären sie direkt an mein MacBook angeschlossen.

Die Grenzen von VS Code Remote (IDE-abhängig und ohne Zugriff für lokale AI-Agenten), rsync-Loops (langsam bei großen Repositories und mit manuellem Verwaltungsaufwand) oder einfachem SSH-Multiplexing werden durch die Kombination aus FUSE-basiertem Lazy-Loading-Mount und gecachtem SSH-Tunneling überwunden.

Kernfunktionen und Merkmale

• Command Remoting (lg <cmd>): Gibt man lokal einen Befehl ein, wird er über eine gecachte SSH-Session sofort auf der entfernten GPU ausgeführt; Farbausgabe, Progress Bars, Ctrl+C und Exit Codes werden in Echtzeit an das lokale Terminal gestreamt. (Duo-/2FA-Authentifizierung ist über lg connect nur einmal pro Tag nötig, danach bleibt das Tunneling 10 Stunden erhalten.)

• File Browsing (lg shell): Mountet entfernte Repositories FUSE-basiert lokal (Installation von macFuse erforderlich). Selbst große Repositories mit über 100 GB laden Metadaten sofort, sodass sie direkt im lokalen Editor (nativer Dateiexplorer, VS Code, Vim usw.) geöffnet werden können; Dateien werden erst beim Öffnen per Lazy Loading geladen, und Änderungen werden über ein Journaling-System in Echtzeit synchronisiert.

• Detached Jobs (lg run -d): Unabhängig von Notebook-Ruhezustand oder Netzwerkunterbrechungen kann auf dem entfernten Server sicher ein dreitägiges Modelltraining im Hintergrund laufen, und mit lg logs -f <id> lässt sich die Ausgabe später jederzeit weiterverfolgen.

• AI-Agent-Native: Der eigentliche Grund, warum dieses Tool gebaut wurde
  In letzter Zeit nutzen immer mehr Entwickler AI-Coding-Agenten wie Claude Code oder Codex, aber mit bestehenden Tools konnten diese Agenten die entfernte GPU-Infrastruktur nur schwer direkt steuern.

Beim ersten Ausführen über lg init werden im Projekt-Root automatisch AGENTS.md als Leitfaden für Agenten (einschließlich CLAUDE.md und GUIDE.md für Menschen) erzeugt. Der Agent liest diese Anleitungen und versteht dadurch die „Trennung der Umgebungen zwischen Notebook und Remote-Server“ vollständig, sodass er Dateien auf dem Remote-Server sicher ändern, Test-/Training-Kommandos direkt in der GPU-Umgebung ausführen und selbstständig iterieren kann. Die tatsächliche Nutzungserfahrung ist erstaunlich: AI-Agenten kommen mit lg sehr gut zurecht. Über lg nutzen die Agenten Server-Ressourcen ganz natürlich, als würden sie serverseitig laufen. Codeänderungen erfolgen direkt in den gemounteten lokalen Dateien, bei großen Dateien per Kommando direkt auf dem Server, und manche kleineren Python-Codes werden je nach Entscheidung auf dem lokalen Gerät ausgeführt — die Agenten gehen dabei sehr flexibel mit lg um.

Installation und Einstieg
Es läuft als einzelnes statisches Binary, ohne dass Abhängigkeiten oder Compiler installiert werden müssen.
Nach der Installation per Homebrew Tap wie im GitHub-Repository beschrieben kann es im Terminal mit dem lg-Kommando ausgeführt werden.
Für das initiale Setup einfach in einem leeren Verzeichnis den Befehl lg init eingeben und anschließend im Terminal wie aufgefordert Serveradresse usw. eintragen; danach ist es sofort einsatzbereit.