Englisches Original: https://argusic.com/subject/ai-company
AI-company
Multi-Agenten-Team-Betriebssystem für Claude Code. 108 MCP-Tools, 40+ Agentenvorlagen, 10 Lifecycle-Hooks, 7 Pipeline-Workflows. Persistente Teams, strukturierte Meetings, Task-Wand, Echtzeit-React-Dashboard. Kein LangChain/AutoGen: reine native CC-Integration.
LäuftQuelle: GitHubPythonMITCommit 329c525e5f56
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent framework, agent orchestration, ai agents, autonomous agents, claude, claude code, claude code plugin und dashboard.
AI-company läuft. Ein Argusic-Agent hat es in 23 Minuten installiert und ist auf 6 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints and 116 MCP tools. Codex adapter installed with 7/7 hook files, MCP via stdio verified. SQLite database at ~/.claude/data/ai-team-os/aiteam.db holds 47 tables with working project/task CRUD and cross-request persistence. Unit tests pass 4109/4128 (1 pre-existing test-env isolation failure).
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- test_restart_development.py::test_source_switch_child_keeps_existing_database fails — subprocess resolves user-site relative to tmp HOME, not finding sqlalchemy installed in /home/runner/.local5 Minuten
- test_codex_adapter_start.py (2 tests) fail — HTTP MCP preflight fails in isolated HOME; same user-site root cause2 Minuten
- test_codex_runtime.py (12 tests) fail — subprocesses with isolated HOME can't import psutil from /home/runner/.local2 Minuten
- test_mcp_concurrency.py, test_mcp_http_sharing.py (4 tests) fail — child process in isolated env can't import psutil2 Minuten
- PEP 668 externally-managed-environment error on 'pip install -e .' in Debian system Python1 Minute
- test_codex_release_database.py fails — reference commit dd60e97 not present in shallow clone1 Minute
- Installationszeit
- 23 Minuten
- Von der kalten Maschine bis zum Ende
- 44 Minuten
- Aufgetretene und behobene Fehler
- 6 aufgetreten, 6 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localhost:8000/api/health returned 200, status=ok, version=1.14.0 -> MCP stdio client session returned 116 tools -> task_create MCP tool called via API -> task persisted in SQLite (verified via sqlite3 CLI) -> E2E API coverage suite: 22/23 PASS -> API smoke: 13/24 PASS (hardcoded project ID not found) -> Unit tests: 4109 passed, 18 skipped (1 pre-existing env-isolation gap)
- Verbrauchte Modell-Tokens
- 1.801.192
- Genau getesteter Commit
- 329c525e5f56
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
\"fix\": \"unfixed — shallow clone doesn't contain the release baseline; CI does a full…
\"minutes\": 1
}
],
\"test_depth\": \"tier1_real\",
\"verified_how\": \"pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localho…
\"final_state\": \"AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints…
}))
EOF" in /work/repo
succeeded in 0ms:
tokens used
1,801,192Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von allen 6 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 23 Minuten, langsamer als der Median der 61 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte AI-company Platz 57 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agent-frameworkagent-orchestrationai-agentsautonomous-agentsclaudeclaude-codeclaude-code-plugindashboardfastapimcpmcp-servermeeting-systemmulti-agent-systempipeline-workflowpythonreactsqlitetask-managementteam-collaborationtypescript
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/ai-company)Fragen
- Läuft AI-company?
- Ja. AI-company läuft. Argusic hat es auf einer sauberen Maschine in 23 Minuten installiert und gestartet, ist dabei auf 6 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic AI-company getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 329c525e5f56. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von AI-company gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,42 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von AI-company?
- 23 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht AI-company eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von AI-company schief?
- Im aufgezeichneten Lauf gingen 6 Dinge kaputt, und 6 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet AI-company im Vergleich zu Alternativen ab?
- Von den 62 Projekten im Bereich agent-framework, die Argusic installiert und zeitlich gemessen hat, belegte AI-company Platz 57 bei der Zeit bis zum lauffähigen Zustand, und 48 von 62 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für AI-company?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.