Wichtigste Erkenntnisse
- MIT-Lizenz über alle Versionen des Projekts hinweg (Haupt-Repository, Archiv und die späteren BabyAGI-2o/3-Experimente)
- Entwickelt von Yohei Nakajima; erstmals 2023 als eines der frühesten viralen Skripte für autonome Agenten veröffentlicht
- Der ursprüngliche Erstellen-Priorisieren-Ausführen-Loop ist seit September 2024 im babyagi_archive-Repository eingefroren
- Das aktuelle Haupt-Repository ist ein 2024er Umbau namens functionz — ein Framework zur Funktionsregistrierung mit Abhängigkeitsgraph und Web-Dashboard
- Keine dokumentierte native Unterstützung lokaler Modelle (Ollama, LM Studio o. Ä.) in beiden Versionen — beide benötigen einen OpenAI-API-Key
- Das eigene README des Projekts nennt es allein gepflegt und experimentell und schreibt, es sei "nicht für den Produktionseinsatz gedacht"
- Es gibt kein kommerzielles Produkt, keine kostenpflichtige Stufe und kein Affiliate-Programm für BabyAGI
📍 In einem Satz
BabyAGI ist ein kostenloses, MIT-lizenziertes Projekt für autonome Agenten von Yohei Nakajima aus dem Jahr 2023; das ursprüngliche virale Aufgaben-Loop-Skript ist inzwischen in einem Archiv-Repository eingefroren, während das aktiv gepflegte Haupt-Repository ein 2024er Umbau rund um ein anderes Framework namens functionz ist.
💬 In einfachen Worten
Das BabyAGI, an das sich alle erinnern — ein Skript, das seine eigene To-do-Liste erstellte und abarbeitete — existiert noch, ist aber nicht das, was man heute installiert. Das aktuelle Repository ist ein kleineres, allein gepflegtes Framework für Funktionen, die eine KI registrieren und aufrufen kann, und es benötigt einen OpenAI-API-Key statt eines lokalen Modells.
📌Note: Wer den klassischen Agenten mit selbst erstellter To-do-Liste sucht: Dieser Code liegt im babyagi_archive-Repository, nicht im aktuellen babyagi-Repository — es sind zwei unterschiedliche Codebasen unter demselben Namen.
Wer hat BabyAGI gebaut, und wird es noch gepflegt?
Yohei Nakajima hat BabyAGI entwickelt und pflegt es weiterhin allein. Er veröffentlichte das Projekt 2023 erstmals als kleines Python-Skript, das einen autonomen Aufgaben-Loop demonstrierte: Ein LLM-Aufruf erzeugte neue Aufgaben, ein zweiter priorisierte sie, ein dritter führte die oberste Aufgabe aus, das Ergebnis wurde gespeichert, und der Loop erzeugte daraus weitere Aufgaben. Es war eines der ersten Projekte, das die Idee eines "autonomen KI-Agenten" mit minimalem menschlichen Eingriff populär machte.
Dieses ursprüngliche Skript ist nicht mehr die aktive Codebasis. Das eigene README stellt klar: "This project has been archived and moved to the babyagi_archive repo (September 2024 snapshot)." Das Repository unter github.com/yoheinakajima/babyagi enthält heute ein anderes Projekt — einen 2024er Umbau, den das README als "experimentelles Framework für einen self-building autonomous agent" beschreibt, aufgebaut um ein Function-Management-System namens functionz.
Original-Skript veröffentlicht
- Datum:
- 2023
- Bedeutung:
- Der Erstellen-Priorisieren-Ausführen-Loop, der BabyAGI viral machte; OpenAI-API + eine Vektordatenbank für den Aufgabenspeicher
Original-Code eingefroren
- Datum:
- 2024-09
- Bedeutung:
- Als Snapshot ins babyagi_archive-Repository verschoben; keine weiteren Updates für diese Codebasis
functionz-Umbau
- Datum:
- 2024
- Bedeutung:
- Das aktuelle Haupt-Repository ersetzt den Aufgaben-Loop durch ein Function-Registrierungs- und Dashboard-Framework
BabyAGI 2o / BabyAGI 3
- Datum:
- 2024–2026
- Bedeutung:
- Separate Nebenprojekte desselben Autors zu self-building agents und einem minimalen autonomen Assistenten
📌Note: Hinter dem Projekt steht kein Unternehmen und keine Finanzierung. Das README beschreibt Yohei Nakajima als jemanden, der "noch nie eine Stelle als Entwickler hatte", und bittet darum, den Code als Experiment zu behandeln, nicht als Produktionssoftware.
Was ist BabyAGI?
BabyAGI (github.com/yoheinakajima/babyagi, MIT-Lizenz) ist ein quelloffenes, Python-basiertes Framework zum Bau autonomer KI-Agenten. Die aktuelle Form dreht sich um functionz — ein System zur Registrierung von Python-Funktionen mit Metadaten (Abhängigkeiten, benötigte API-Keys, Beschreibungen), deren Ausführung und Protokollierung über ein lokales Web-Dashboard.
- Funktionsregistrierung: Jede Python-Funktion kann mit
@babyagi.register_function()dekoriert und dem Framework zugänglich gemacht werden - Abhängigkeitsverfolgung: Funktionen können andere Funktionen oder geheime Keys als Abhängigkeiten deklarieren, woraus BabyAGI einen Graphen verwaltet
- Dashboard: eine Flask-basierte lokale Web-Oberfläche zur Verwaltung registrierter Funktionen, deren Ausführung und Einsicht in Protokolle
- Function-Packs: vorgefertigte Funktionsbündel, die mit
babyagi.load_functions(...)geladen werden können - Self-Build-Experimente: Entwurfs-Funktionen, die ein LLM nutzen, um bei Bedarf neue Funktionen für eine beschriebene Aufgabe zu generieren — im README ausdrücklich als experimentell und instabil markiert
- Installierbar über
pip install babyagi
Wie unterscheidet sich BabyAGI von der viralen Originalversion?
Das BabyAGI-Repository, das heute auf GitHub zu finden ist, läuft auf einer anderen Architektur als das 2023 viral gegangene Skript. Der ursprüngliche Aufgaben-Loop ist erhalten, aber in einem separaten Repository eingefroren; das aktive Repository ist ein kleineres, universelles Function-Framework.
Unterstützt BabyAGI lokale Modelle wie Ollama?
Nein — weder das aktuelle BabyAGI-Repository noch das archivierte Original dokumentiert native Unterstützung für lokale Modelle wie Ollama oder LM Studio. Beide Versionen sind um die OpenAI-API herum gebaut.
- Das aktuelle functionz-basierte Repository speichert Zugangsdaten über
babyagi.add_key_wrapper('openai_api_key', ...)— das README dokumentiert keinen Weg, dies auf einen lokalen, OpenAI-kompatiblen Server umzustellen - Das archivierte Original-Skript rief die OpenAI-API direkt in seinen Funktionen zur Aufgabenerstellung, -priorisierung und -ausführung auf, ohne konfigurierbares Modell-Backend
- Einige Drittanbieter-Forks und Community-Projekte versuchen, BabyAGI-artige Loops an lokale Modelle anzupassen, sind aber kein Teil eines der offiziellen Repositories und tragen keine Pflegegarantie
- Das ist eine relevante Lücke für Leser dieser Seite: Anders als tool-aufrufende Harnesses wie Cline oder Continue.dev, die für lokalen Agenteneinsatz evaluiert wurden, liefert BabyAGI keinen dokumentierten Weg für vollständig offline gegen ein selbst gehostetes Modell laufenden Betrieb
Wie installiert und startet man BabyAGI?
**Die Installation des aktuellen BabyAGI-Pakets braucht einen pip-Befehl; das Ausführen einer Funktion darüber ein paar weitere Zeilen Python.** Dies deckt das aktive functionz-basierte Repository ab — das archivierte Original wird für neue Setups nicht empfohlen.
- 1Paket installieren:
pip install babyagi. - 2Ein minimales Skript erstellen, das das Dashboard startet:
import babyagi, dannapp = babyagi.create_app('/dashboard')undapp.run(host='0.0.0.0', port=8080). - 3
http://localhost:8080/dashboardim Browser öffnen, um die Funktionsverwaltung zu erreichen. - 4Eine Funktion in Python mit dem Dekorator
@babyagi.register_function()registrieren, optional mitdependencieszu anderen registrierten Funktionen undkey_dependenciesfür benötigte Geheimnisse. - 5Benötigte Geheimnisse, etwa einen OpenAI-Key, mit
babyagi.add_key_wrapper('openai_api_key', 'ihr_key')hinzufügen — im Code oder über das Dashboard. - 6Ein vorgefertigtes Function-Pack mit
babyagi.load_functions('pfad/zum/pack')laden, statt jede Funktion von Hand zu schreiben, und Ausführungen anschließend über das Dashboard starten und beobachten.
Brauche ich einen OpenAI-API-Key, um BabyAGI zu nutzen?
Für jede Funktion, die ein LLM aufruft — einschließlich der eingebauten "Self-Build"-Entwurfsfunktionen — ja. Das Framework selbst läuft auch ohne, aber die meisten nützlichen Function-Packs setzen einen registrierten OpenAI-API-Key voraus.
Welche Python-Version benötigt BabyAGI?
Die pyproject.toml des Projekts verlangt Python 3.10 oder neuer, unterhalb von 3.12, zusammen mit Flask und einer kleinen Reihe unterstützender Pakete.
Für wen eignet sich BabyAGI?
BabyAGI passt zu Entwicklern, die am Function-Registrierungsmodell interessiert sind oder die Geschichte des Agenten-Designs studieren — für alle, die heute einen Produktions- oder lokalen-Modell-Agenten brauchen, ist es keine gute Wahl. Das sagt das eigene README so.
BabyAGI vs. Alternativen
BabyAGI teilt mit AutoGPT den viralen Ursprung von 2023, und sein Function-und-Graph-Ansatz lädt zum Vergleich mit neueren Orchestrierungs-Frameworks ein. Die Pflegeaktivität ist der schärfste Unterschied.
| Tool | Oberfläche | Lizenz | Träger | Pflegestatus |
|---|---|---|---|---|
| BabyAGI | Python-Framework | MIT | Unabhängig (Yohei Nakajima) | Allein, wenig Aktivität |
| AutoGPT | CLI + Web-UI | MIT | Unabhängig (Significant Gravitas) | Aktiv |
| CrewAI | Python-Framework | MIT | Unabhängig (CrewAI, Inc.) | Aktiv |
| LangGraph | Python-/TS-Code | MIT | LangChain, Inc. | Aktiv |
| Langflow | Visuell, Python-basiert | MIT | IBM (via DataStax) | Aktiv |
Eine ausführliche Einordnung von Langflows Eigentümerschaft und Self-Hosting-Weg finden Sie im Langflow-Test. Wie gut lokale Agenten-Stacks bei echten Aufgaben tatsächlich abschneiden, zeigt Lokale KI-Agenten 2026: Was wirklich funktioniert.
Häufige Fehler bei der Bewertung von BabyAGI
Die meiste Verwirrung um BabyAGI entsteht durch die Vermischung zweier unterschiedlicher Codebasen unter demselben Namen oder die Annahme, es passe in einen lokalen-Modell-Workflow, für den es nie gebaut wurde.
Häufig gestellte Fragen
Wer hat BabyAGI entwickelt?
Yohei Nakajima hat BabyAGI entwickelt und 2023 erstmals veröffentlicht. Er pflegt das Projekt weiterhin allein.
Wird BabyAGI noch gepflegt?
Das aktuelle Haupt-Repository (functionz-basiert) erhält gelegentliche Commits von seinem alleinigen Maintainer. Das ursprüngliche Aufgaben-Loop-Skript von 2023 ist eingefroren und hat seit der Verschiebung ins babyagi_archive-Repository im September 2024 keine Updates mehr erhalten.
Unter welcher Lizenz steht BabyAGI?
MIT, über das Haupt-Repository, das archivierte Original und die späteren Nebenprojekte BabyAGI 2o und BabyAGI 3 hinweg.
Unterstützt BabyAGI lokale Modelle wie Ollama?
Nein. Weder die aktuelle noch die archivierte Version dokumentiert native Unterstützung lokaler Modelle. Beide sind um einen OpenAI-API-Key herum gebaut.
Was ist der Unterschied zwischen BabyAGI und dem ursprünglichen viralen BabyAGI-Skript?
Das Original-Skript (2023) lief einen festen Loop: Aufgaben erstellen, priorisieren, die oberste ausführen, Ergebnis speichern, wiederholen. Dieser Code ist im babyagi_archive-Repository eingefroren. Das aktuelle babyagi-Repository, 2024 umgebaut, ist ein universelles Function-Registrierungs-Framework namens functionz, architektonisch unabhängig vom ursprünglichen Loop.
Was sind BabyAGI 2o und BabyAGI 3?
Spätere, separate Experimente von Yohei Nakajima. BabyAGI 2o erforscht einen minimalen self-building Agenten, der eigene Tools schreibt und registriert; BabyAGI 3, 2026 angekündigt, wird als minimaler autonomer Assistent mit Terminplanung, Secrets-Verwaltung und graphbasiertem Speicher beschrieben. Beide sind eigenständige Repositories, getrennt vom Haupt-babyagi-Projekt.
Ist BabyAGI kostenlos nutzbar?
Ja. BabyAGI ist vollständig quelloffen unter der MIT-Lizenz, ohne kostenpflichtige Stufe, gehostetes Produkt oder Affiliate-Programm.
Wie beliebt ist BabyAGI auf GitHub?
Das Haupt-Repository hat die Marke von 22.000 Sternen überschritten, was seinen Einfluss als eines der frühesten viralen Projekte für autonome Agenten widerspiegelt. Prüfen Sie das Repository direkt für die aktuelle Zahl, da sich Sternezahlen laufend ändern.
Ist BabyAGI produktionsreif?
Nein. Das eigene README des Projekts erklärt, es werde von einer Person "abends und am Wochenende" gepflegt, und schreibt ausdrücklich, es sei "nicht für den Produktionseinsatz gedacht".
Wie schneidet BabyAGI im Vergleich zu AutoGPT ab?
Beide entstanden 2023 als frühe virale Projekte für autonome Agenten. AutoGPT wird weiterhin aktiv mit CLI und Web-Oberfläche gepflegt; BabyAGIs ursprüngliches Design wurde 2024 eingefroren, und sein aktives Repository wechselte zu einem kleineren, allein gepflegten Function-Framework.