VT-Code: Open-Source-Rust-TUI-Codierungs-Agent mit Multi-Provider-Unterstützung und Agentenfähigkeiten

VT Code ist ein quelloffener, terminalbasierter KI-Coding-Agent, der in Rust entwickelt wurde (mit Ratatui für die TUI). Er unterstützt mehrere LLM-Anbieter wie Anthropic, OpenAI, Gemini und Codex sowie beliebige Open-Source-Modelle über lokale Inferenz mittels LM Studio und Ollama (experimentell). Der Agent ist bereit für Agent Skills, Model Context Protocol (MCP) und Agent Client Protocol (ACP).
Hauptfunktionen
- Multi-Provider-LLM-Unterstützung mit automatischem Failover und effizientem Kontextmanagement.
- Semantisches Codeverständnis unterstützt durch ast-grep für strukturierte Codesuche und ripgrep für schnelle grep-Operationen.
- Agent Skills gemäß dem offenen Agent Skills Standard, die eine externe Erweiterung der Fähigkeiten über ein standardisiertes Skill-System ermöglichen.
- Shell-Sicherheit durch Prozesshärtung (vtcode-process-hardening) und Bash-Runner (vtcode-bash-runner).
- Terminal-Erkennung und PTY-Integration (vtcode-terminal-detection, vtcode-ghostty-vt-sys) für detailliertere Bildschirm-Snapshots.
- Extensions für VSCode und Zed sind im Repository enthalten.
Installation
Native Installation (macOS/Linux):
curl -fsSL https://raw.githubusercontent.com/vinhnx/vtcode/main/scripts/install.sh | bash
# Ohne ripgrep + ast-grep Bundle:
curl -fsSL https://raw.githubusercontent.com/vinhnx/vtcode/main/scripts/install.sh | bash -s -- --without-search-toolsWindows (PowerShell):
irm https://raw.githubusercontent.com/vinhnx/vtcode/main/scripts/install.ps1 | iexÜber Cargo:
cargo install vtcodeÜber Homebrew:
brew install vtcode # von homebrew/core
# oder von vinhnx/tap (Entwicklung):
brew tap vinhnx/tap
brew install vtcodeVerwendung
API-Schlüssel setzen und starten:
export OPENAI_API_KEY="sk-..."
vtcodeUm die optionalen Suchtools (ripgrep + ast-grep) nach der Installation zu installieren:
vtcode dependencies install search-toolsArchitektur
Das Projekt ist in viele Rust-Crates organisiert (z.B. vtcode-core, vtcode-llm, vtcode-tui, vtcode-tools) und beinhaltet ein kollaboratives Tool-Spezifikationssystem, einen Markdown-Store, Konfiguration und Ausführungsereignisse. Die Agentenschleife ist in der README und auf DeepWiki dokumentiert.
Für die Entwicklung siehe das GitHub-Repo für Setup-Skripte (scripts/setup-ghostty-vt-dev.sh, etc.) und den Homebrew-Tap für aktuelle Builds.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Hippocampus: Ein persistentes Speichersystem für KI-Agenten unter Verwendung von Komprimierungsbäumen
Hipocampus löst das Problem, dass KI-Agenten den Kontext zwischen Sitzungen vergessen, indem es einen Komprimierungsbaum implementiert, der den Gesprächsverlauf über fünf Ebenen komprimiert: Rohdaten → täglich → wöchentlich → monatlich → Wurzel, mit einem Themenindex namens ROOT.md.

Codeset verbessert Codierungsagenten mit repositoriums-spezifischem Kontext aus dem Git-Verlauf.
Codeset generiert statische Dateien aus dem Git-Verlauf, die Kontextinformationen wie frühere Fehler, Ursachen und Co-Change-Beziehungen liefern. Tests zeigten eine Verbesserung von 5,3 Prozentpunkten bei codeset-gym-python und 2 Prozentpunkten bei SWE-Bench Pro mit OpenAI Codex.

Cortex v1.2 fügt LLM-Anreicherung, Q&A mit Quellenangaben und Konfliktlösung hinzu.
Cortex, eine lokale Speicherschicht für OpenClaw-Agenten, hat Version 1.2 veröffentlicht, die standardmäßig LLM-unterstützte Anreicherung, einen Frage-Antwort-Befehl mit Quellenangaben sowie verbesserte Deduplizierung und Konfliktlösung bietet. Das Tool umfasst nun einheitliche Konfigurationsverwaltung und intent-basierte Suchvorfilterung.

Skill Scaffolder: Erstellen Sie OpenClaw-Fähigkeiten ohne Code zu schreiben
Skill Scaffolder ist ein Open-Source-Tool, mit dem Benutzer OpenClaw-Skills erstellen können, indem sie beschreiben, was sie in einfachem Englisch wollen. Es übernimmt den gesamten Prozess – Befragung der Benutzer, Erstellung von Skill-Dateien, Tests und Installation – ohne dass YAML, Python oder Konfigurationsdateien erforderlich sind.