OpenSage: Self-programming Agent Generation Engine

Das Paper stellt OpenSage vor, ein neues Agenten-Entwicklungstoolkit, das es Sprachmodellen ermöglicht, autonome Agenten mit selbstgenerierten Topologien, Werkzeugen und einer hierarchischen Graphen-Memory-Struktur zu erstellen, wodurch sich der Fokus von menschlich-zentrierten zu KI-zentrierten Paradigmen verschiebt.

Das Wesentliche

Stell dir vor, du möchtest ein riesiges, komplexes Bauvorhaben starten – vielleicht den Bau einer ganzen Stadt oder die Reparatur eines riesigen Schiffes.

Das alte Problem (Die bisherigen Werkzeuge):
Bisher gab es für solche Aufgaben nur sehr starre Werkzeugkoffer (die sogenannten "Agent Development Kits" oder ADKs). Wenn du einen Helfer (einen KI-Agenten) einsetzen wolltest, musstest du als Mensch vorher alles selbst planen:

• Wer macht was? (Die Struktur)
• Welche Werkzeuge darf er benutzen? (Der Werkzeugkasten)
• Was darf er sich merken? (Das Gedächtnis)

Das war wie ein Handwerker, der für jede neue Aufgabe erst stundenlang neue Werkzeuge schmieden und einen neuen Bauplan zeichnen musste. Das war langsam, teuer und oft nicht flexibel genug. Wenn die Aufgabe sich änderte, war der Helfer oft hilflos, weil sein Werkzeugkasten zu klein oder sein Gedächtnis zu verwirrt war.

Die Lösung: OpenSage (Der selbstschaffende Bauleiter)
Die Forscher haben OpenSage entwickelt. Das ist kein einfaches Werkzeug mehr, sondern ein intelligenter Bauleiter, der es der KI erlaubt, sich selbst zu organisieren.

Stell dir OpenSage wie einen magischen, sich selbst erweiternden Bauhof vor:

1. Selbstständige Teams (Agenten-Topologie):
   Früher musstest du dem KI-Helfer sagen: "Du bist der Elektriker, du bist der Klempner." Mit OpenSage sagt der Chef-KI-Agent einfach: "Okay, diese Aufgabe ist zu groß für mich allein. Ich rufe mir jetzt drei Spezialisten!"

   • Er kann vertikal arbeiten: Er teilt eine große Aufgabe in kleine Schritte auf und gibt jedem Schritt einen eigenen Helfer.
   • Er kann horizontal arbeiten: Er schickt mehrere Helfer gleichzeitig an dieselbe Aufgabe, damit sie verschiedene Lösungswege ausprobieren und dann die beste Idee zusammenführen.
   • Vergleich: Statt einen einzelnen Handwerker zu haben, der alles wissen muss, bildet OpenSage dynamisch ein Team aus Spezialisten, genau für das, was gerade gebraucht wird.

2. Sich selbst schreibende Werkzeuge (Dynamische Tools):
   Normalerweise hat ein KI-Helfer nur die Werkzeuge, die ihm jemand vorher gegeben hat. Wenn er ein spezielles Werkzeug braucht, das nicht im Koffer ist, bleibt er stecken.
   Mit OpenSage kann der Agent neue Werkzeuge programmieren, wenn er sie braucht.

   • Vergleich: Stell dir vor, du bist auf einer einsamen Insel und brauchst einen Schraubenschlüssel. Ein normaler Helfer wartet, bis jemand einen bringt. Ein OpenSage-Helfer nimmt einen Stein, formt ihn um und sagt: "Das ist jetzt mein neuer Schraubenschlüssel." Er kann sogar ganze Werkbänke (Sandboxen) bauen, damit seine neuen Werkzeuge nicht mit den alten kollidieren.

3. Ein intelligentes, vernetztes Gedächtnis (Hierarchisches Gedächtnis):
   KI-Helfer vergessen oft Dinge, wenn sie zu lange arbeiten, oder sie merken sich alles durcheinander.
   OpenSage gibt dem Agenten ein Gedächtnis in Form eines riesigen, organisierten Netzwerks (ein Graph).

   • Es unterscheidet zwischen dem, was gerade passiert (Kurzzeitgedächtnis), und wichtigen Fakten, die man immer wieder braucht (Langzeitgedächtnis).
   • Ein spezieller "Gedächtnis-Agent" sortiert diese Informationen. Er weiß genau, wo welcher Bauplan liegt und welche Idee zu welchem Problem passt.
   • Vergleich: Statt alles in einen großen Haufen Papier zu werfen, wo man nichts findet, hat OpenSage einen Bibliothekar, der jedes Blatt in das richtige Regal legt und sofort weiß, wo die Verbindung zwischen zwei Ideen ist.

Was bringt das?
In Tests hat sich gezeigt, dass KI-Agenten mit OpenSage viel besser sind als alle bisherigen Systeme. Sie lösen komplexe Probleme (wie das Finden von Sicherheitslücken in Software oder das Reparieren von Code) viel häufiger erfolgreich.

• Das Ergebnis: OpenSage verschiebt den Fokus vom "Mensch muss alles planen" hin zu "KI plant und baut sich selbst". Es ist der Schritt von einem starren Werkzeugkasten hin zu einem lebendigen, lernenden Organismus, der sich an jede neue Herausforderung anpasst.

Zusammenfassend:
OpenSage ist wie der Übergang von einem Handwerker, der nur einen Hammer hat und alles damit versuchen muss, zu einem genialen Architekten, der sich sein eigenes Team, seine eigenen Werkzeuge und sein eigenes Archiv genau für das Projekt zusammenstellt, das er gerade baut.

Technische Zusammenfassung

1. Problemstellung

Die Entwicklung von KI-Agenten stützt sich derzeit stark auf Agent Development Kits (ADKs) wie LangChain, OpenHands oder Google ADK. Diese Frameworks bieten zwar Infrastruktur, leiden jedoch unter fundamentalen Einschränkungen:

• Menschzentrierte Design-Paradigmen: Die drei Kernkomponenten eines Agenten – Topologie (Struktur und Interaktion von Sub-Agenten), Werkzeuge (Tools) und Gedächtnis (Memory) – müssen von Menschen manuell entworfen und konfiguriert werden.
• Mangelnde Skalierbarkeit und Generalisierbarkeit: Starre Strukturen und vordefinierte Tool-Sets verhindern, dass Agenten sich dynamisch an komplexe oder neue Aufgaben anpassen.
• Fehlende Selbstprogrammierung: Bestehende Systeme unterstützen nicht die automatische Generierung von Sub-Agenten, das Schreiben neuer Tools durch die KI selbst oder ein adaptives, KI-gesteuertes Gedächtnismanagement.

Das Paper argumentiert, dass der Übergang von einem menschzentrierten zu einem KI-zentrierten Paradigma notwendig ist, bei dem die KI die Architektur, die Werkzeuge und das Gedächtnis autonom gestaltet.

2. Methodik: OpenSage

OpenSage ist das erste ADK, das KI-Agenten ermöglicht, sich selbst zu programmieren. Es bietet eine Infrastruktur für die automatische Erstellung von Agenten-Topologien, die Generierung von Tools und ein hierarchisches Gedächtnissystem.

A. Selbstgenerierende Agenten-Topologie

OpenSage erlaubt einem übergeordneten Agenten (Parent Agent), während der Laufzeit dynamisch Sub-Agenten zu erstellen und zu verwalten.

• Vertikale Topologie: Komplexe Aufgaben werden in sequenzielle Teilaufgaben zerlegt, die von spezialisierten Sub-Agenten bearbeitet werden (z. B. ein Debugging-Agent).
• Horizontale Topologie (Ensemble): Mehrere Sub-Agenten bearbeiten dieselbe Aufgabe parallel mit unterschiedlichen Plänen; ihre Ergebnisse werden durch einen Ensemble-Mechanismus integriert.
• Verwaltung: Ein einheitlicher „Sub-Agent Pool" verwaltet die Lebenszyklen. Sub-Agenten können ihre eigenen Sub-Agenten erstellen, was eine tiefe Hierarchie ermöglicht.

B. Dynamische Tool-Synthese

Ein zentrales Merkmal ist die Fähigkeit der KI, eigene Tools zu schreiben und zu verwalten.

• Meta-Tools: OpenSage stellt Meta-Tools bereit, mit denen Agenten neue Tools (z. B. in Python oder Bash) generieren können.
• Hierarchische Struktur: Tools werden in einem dateisystembasierten, hierarchischen Format organisiert, was die Entdeckung und Registrierung erleichtert.
• Isolierte Ausführung: Um Konflikte bei Abhängigkeiten zu vermeiden, führt OpenSage Tools in isolierten Docker-Containern aus. Es unterstützt asynchrone Ausführung für lange Prozesse und speichert Container-Snapshots (Images), um Startzeiten zu verkürzen.
• Domänenspezifische Toolkits: Es gibt vordefinierte Tool-Sets für Software-Engineering (statische und dynamische Code-Analyse), die in bestehenden ADKs oft nicht unterstützt werden.

C. Hierarchisches Gedächtnis-Management

OpenSage implementiert ein mehrstufiges Gedächtnissystem, das von einem dedizierten Memory-Agent verwaltet wird.

• Kurzzeitgedächtnis: Ein graphenbasiertes System (Neo4j), das die Historie von Tool-Aufrufen, Antworten und Sub-Agenten-Interaktionen speichert. Es ermöglicht das Abrufen von Rohdaten oder Zusammenfassungen.
• Langzeitgedächtnis: Ein separates Graph-Datenbank-System, das übertragbares Wissen (z. B. Code-Strukturen, Lösungen für ähnliche Probleme) speichert. Die Knoten und Kanten werden von der KI basierend auf der Aufgabe definiert.
• Memory-Agent: Dieser Agent fungiert als Schnittstelle. Er entscheidet, ob auf Kurz- oder Langzeitgedächtnis zugegriffen werden muss, führt Suchen durch, aktualisiert Einträge und verhindert Redundanzen.

3. Wichtige Beiträge

1. Paradigmenwechsel: OpenSage ist das erste Framework, das den Übergang von manuell konfigurierten zu KI-generierten Agenten-Architekturen vollzieht.
2. Autonome Tool-Erstellung: Die Fähigkeit, Tools zur Laufzeit zu synthetisieren und in isolierten Umgebungen auszuführen, löst das Problem der statischen Tool-Limits.
3. Adaptives Gedächtnis: Die Kombination aus graphenbasiertem Kurz- und Langzeitgedächtnis mit einem spezialisierten Memory-Agent ermöglicht effizientes Kontextmanagement bei langen Aufgaben.
4. Flexibilität: Unterstützung sowohl für vertikale (zerlegende) als auch horizontale (parallele) Agenten-Topologien.

4. Ergebnisse

Die Autoren evaluierten OpenSage auf drei State-of-the-Art-Benchmarks mit verschiedenen Backbone-Modellen (z. B. GPT-5, Gemini 3, Claude Opus):

• CyberGym (Sicherheitslücken-Analyse): OpenSage (SageAgent) erreichte eine Auflösungsrate von 60,2 % und übertraf damit OpenHands (39,4 %) und Anthropic Agent (50,6 %).
• Terminal-Bench 2.0 (Allgemeine Terminal-Aufgaben): Mit 78,4 % löste OpenSage die meisten Aufgaben, gefolgt von Droid (77,3 %) und Simple Codex (75,1 %).
• SWE-Bench Pro (Software-Engineering): OpenSage erreichte 59,0 %, deutlich besser als SWE-agent (40,2 %) und Agentless (9,4 %).
• DevOps-Gym: OpenSage war der einzige Agent, der End-to-End-Pipeline-Aufgaben löste (17,7 %), während alle Baselines 0 % erreichten.

Ablationsstudien zeigten, dass das Entfernen der Topologie-Funktionen (keine Sub-Agenten) oder des Tool-Systems zu massiven Leistungseinbußen führt. Besonders die dynamische Generierung von Sub-Agenten und spezialisierten Tools war entscheidend für den Erfolg.

5. Bedeutung und Ausblick

OpenSage markiert einen Meilenstein in der Entwicklung autonomer Agenten.

• Skalierbarkeit: Durch die Automatisierung des Agenten-Designs wird die Notwendigkeit menschlicher Experten für die Architekturierung von Agenten-Systemen reduziert.
• Generalisierung: KI-Agenten können sich nun an völlig neue Domänen anpassen, indem sie neue Tools schreiben und ihre Struktur ändern, anstatt auf starre, menschlich definierte Regeln angewiesen zu sein.
• Zukunft: Die Autoren planen, OpenSage um die Generierung von Workflows durch KI zu erweitern und die Plattform für das Training von Modellen auf realen Aufgaben (via Kubernetes-Sandboxes) nutzbar zu machen.

Zusammenfassend beweist OpenSage, dass KI-Agenten, die ihre eigene Architektur, Werkzeuge und ihr Gedächtnis selbst programmieren, signifikant leistungsfähiger sind als herkömmliche, menschlich gestaltete Systeme.