InsForge: Open-Source-Backend-Plattform für KI-Codierungsagenten

InsForge (YC P26) ist eine Open-Source-Backend-Plattform, die speziell für KI-Coding-Agenten entwickelt wurde. Anstatt dass Agenten Dashboards und manuelle Konfiguration jonglieren, bietet InsForge ihnen eine CLI und Skills, um alle Backend-/Infrastrukturaufgaben Ende-zu-Ende zu erledigen. Das Projekt ist auf GitHub unter Apache 2.0 verfügbar.
So funktioniert es
Coding-Agenten interagieren mit InsForge über zwei Schnittstellen:
- MCP-Server (selbst gehostet und in der Cloud): stellt InsForge-Operationen als Werkzeuge für jeden MCP-kompatiblen Agenten bereit.
- CLI + Skills (nur Cloud): eine Befehlszeilenschnittstelle, die mit Skills kombiniert wird, die Agenten direkt vom Terminal aus aufrufen.
Beide ermöglichen es Agenten, Backend-Kontext (Dokumentationen, Schemata, Logs) zu lesen und Grundelemente zu konfigurieren (Edge-Funktionen bereitstellen, Migrationen durchführen, Buckets erstellen, Authentifizierungsanbieter einrichten).
Kernprodukte
- Authentifizierung – Benutzerverwaltung, Anmeldung, Sitzungen
- Datenbank – Postgres-Relationaldatenbank
- Speicher – S3-kompatibler Dateispeicher
- Model Gateway – OpenAI-kompatible API über mehrere LLM-Anbieter
- Edge-Funktionen – serverloser Code am Edge
- Compute (private Vorschau) – langlebige Containerdienste
- Site-Deployment – Erstellen und Bereitstellen von Websites
Agentenspezifische Funktionen
- Backend-Branching: gesamtes Backend (DB, Auth, Speicher, Funktionen, Zeitpläne) verzweigen. Agenten arbeiten in einem Branch, Sie überprüfen die Unterschiede, führen zusammen oder verwerfen. Inspiriert von Neon.
- Server-Telemetrie: Agenten lesen Logs, CPU, Arbeitsspeicher, Festplatte, um Spitzen und Ursachen zu finden.
- Debug-Agent: Jedes Projekt erhält einen dedizierten Debug-Agenten. Ihr Coding-Agent stellt Fragen wie „Warum schlägt die Bereitstellung fehl?“, der Debug-Agent führt Diagnosen durch und schlägt Korrekturen vor.
- Backend-Berater: scannt täglich Ihr Backend auf Sicherheits- und Leistungsprobleme, schlägt Abhilfemaßnahmen vor und sendet diese an Ihren Coding-Agenten.
Schnellstart (selbst gehostet)
git clone https://github.com/InsForge/InsForge.git
cd insforge
cp .env.example .env
docker compose -f docker-compose.prod.yml upÖffnen Sie dann http://localhost:7130, um den MCP-Server zu verbinden. Nach der Einrichtung sagen Sie Ihrem Agenten: „Ich verwende InsForge als meine Backend-Plattform.“
Die Cloud-Version ist verfügbar unter insforge.dev.
Das Team merkt an, dass sie InsForge gestartet haben, weil manuelle MCP-Setups Probleme hatten: Tools, die in den Kontext vorgeladen wurden, große Nutzlasten (>10k Tokens) und fehlende Fähigkeiten wie Telemetrie und Konfigurationen. Indem sie alles in eine CLI packten und Agenten über Skills unterrichteten, vermieden sie diese Probleme.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

LM Studio-Erweiterungen ermöglichen Web-Bildanalyse für vision-fähige LLMs.
Ein Entwickler hat Plugins für LM Studio erstellt, die visionfähigen LLMs ermöglichen, Bilder aus dem Web abzurufen und zu analysieren, mit automatischer Bildverarbeitung und Tool-Verkettung. Die Plugins funktionieren mit Modellen wie Qwen 3.5 9b/27b und umfassen aktualisierte Duck-Duck-Go- und Website-Besuch-Funktionalität.

Reddit-Benutzer misst MCP-Token-Overhead: 67.000 Token verbraucht, bevor überhaupt eine Frage gestellt wird
Ein Entwickler maß den Token-Overhead seines MCP-Servers mit 67.000 verbrauchten Token, bevor auch nur eine Frage gestellt wurde, wobei Playwright MCP 13.600 Token und GitHub MCP 18.000 Token im Leerlauf verbrauchte. Er ersetzte MCP durch Skills und CLI-Tools, um die Kontextkosten zu senken.

Open-Source-CLI nutzt Claude Haiku zur Automatisierung der Xero-Ausgabenprüfung
Ein Entwickler hat ein Open-Source-Python-CLI-Tool veröffentlicht, das Claude Haiku 4.5 zur Automatisierung der Xero-Ausgabenprüfung nutzt. Das Tool folgt einem 'deterministischen Code-zuerst, dann KI zur Lückenfüllung'-Ansatz und hält die Kosten auf wenige Cent pro Prüflauf.

Selfware: Rust-basiertes lokales KI-Agenten-Framework mit PDVR-Architektur
Selfware ist ein Open-Source-Framework für KI-Agenten, das in Rust für lokale Inferenz entwickelt wurde. Es implementiert einen PDVR-Kognitionszyklus mit 54 integrierten Werkzeugen und ist für langlaufende Aufgaben auf Consumer-Hardware konzipiert.