Wichtigste Erkenntnisse
- nanobot (nanobot.wiki) ist ein kostenloses, quelloffenes, selbst gehostetes persönliches KI-Agent-Framework — keine eigenständige Chat-App oder gehostete Dienstleistung
- Entwickelt von HKUDS; Quellcode und README unter github.com/HKUDS/nanobot
- Unter MIT-Lizenz, bestätigt über das Lizenzfeld des GitHub-Repositorys
- Kernfunktionen laut GitHub-README und nanobot.wiki: dauerhaftes Gedächtnis über Sitzungen hinweg, Model-Context-Protocol-(MCP)-Tool-Anbindungen, Multi-Agent-Delegation und geplante Automatisierung
- Funktioniert mit OpenAI-kompatiblen APIs, lokalem Ollama oder lokalem vLLM-Backend — nanobot selbst läuft nur auf CPU, da es eine Agent-Schleife und keine Inferenz-Engine ist
- 48.125 GitHub-Stars zum Zeitpunkt dieser Review, bei einem am 1. Februar 2026 erstellten Repository — eine ungewöhnlich schnelle Wachstumskurve, die weiter unten unter "Wofür nanobot nicht gut geeignet ist" behandelt wird
📍 In einem Satz
nanobot ist ein kostenloses, quelloffenes (MIT), selbst gehostetes persönliches KI-Agent-Framework von HKUDS, das dauerhaftes Gedächtnis, MCP-Tool-Integration, Multi-Agent-Delegation und geplante Automatisierung zu jedem OpenAI-kompatiblen, Ollama- oder vLLM-Modell hinzufügt und über Weboberfläche, Terminal oder Chat-Apps erreichbar ist.
💬 In einfachen Worten
nanobot ist ein kostenloses Programm, das Sie auf Ihrem eigenen Rechner oder Server installieren und das aus einem KI-Modell, auf das Sie bereits Zugriff haben, einen Assistenten macht, der sich an vergangene Unterhaltungen erinnert, über MCP externe Tools nutzen kann, Teilaufgaben an andere Agenten weiterreichen kann und nach Zeitplan laufen kann — ansprechbar über einen Browser, ein Terminal oder Apps wie Telegram und Slack.
📌Hinweis: nanobot ist eines der Tools im Local LLM Software Directory — dort sehen Sie, wie es bei Hardware, Lizenz und Plattformunterstützung im Vergleich zum gesamten Feld lokaler KI-Software abschneidet.
⚠️Warnung: Verwechseln Sie dieses Projekt nicht mit nanobot-ai/nanobot, einem unabhängigen, kleineren "Build MCP Agents"-Projekt des Obot-Teams (rund 1.343 Stars, erstellt am 16. Mai 2025). Diese Review behandelt ausschließlich HKUDS/nanobot — prüfen Sie vor der Installation den GitHub-Organisationsnamen (HKUDS).
Was ist nanobot?
nanobot ist ein kostenloses, quelloffenes, selbst gehostetes persönliches KI-Agent-Framework in Python, entwickelt von HKUDS. Es betreibt kein eigenes Sprachmodell — stattdessen umgibt es ein von Ihnen angebundenes Modell mit Gedächtnis, Tool-Zugriff, Multi-Agent-Koordination und Terminplanung und stellt das Ergebnis über eine Weboberfläche, ein Terminal oder Chat-App-Integrationen bereit.
- Produkttyp: ein Agent-Framework / eine Orchestrierungsschicht, keine fertige Endnutzer-App und kein Modell
- Entwickler: HKUDS (GitHub-Organisation)
- Repository: github.com/HKUDS/nanobot, erstellt am 1. Februar 2026
- Lizenz: MIT, bestätigt über das Lizenzfeld des GitHub-Repositorys
- Dokumentation: nanobot.wiki
- Umfang laut GitHub-API zum Zeitpunkt dieser Review: 48.125 Stars, 8.503 Forks (ein Fork-Verhältnis von etwa 17 %), 768 offene Issues, 217 Abonnenten, 30 Mitwirkende, letztes getaggtes Release v0.3.5 (15. September 2026)
Was macht nanobot tatsächlich?
nanobot legt vier Fähigkeiten über ein Modell, auf das Sie bereits Zugriff haben: dauerhaftes Gedächtnis, MCP-Tool-Integration, Multi-Agent-Delegation und geplante Automatisierung.
- Dauerhaftes Gedächtnis: laut nanobot.wiki lassen Sitzungsverlauf und Langzeitgedächtnis (unter dem Namen „Dream" dokumentiert) einen Agenten Kontext über Unterhaltungen hinweg behalten, statt bei jeder Sitzung bei null zu beginnen
- MCP-Tool-Integration: verbindet sich über eine „Apps"-Oberfläche in der WebUI mit Model-Context-Protocol-(MCP)-Servern, mit vorkonfigurierten Integrationen und Unterstützung für eigene MCP-Server
- Multi-Agent-Delegation: nanobot kann laut eigener Dokumentation Teilaufgaben an andere Agenten weiterreichen, statt jeden Schritt in einer einzigen Agent-Schleife zu erledigen
- Geplante Automatisierung: Agenten können nach Zeitplan laufen, nicht nur als Reaktion auf eine aktive Chat-Nachricht
- Modell-Routing: unterstützt OpenAI-kompatible APIs, lokales Ollama und lokales vLLM-Backend, zusätzlich Fallback-Modell-Routing laut Dokumentation
- Drei Zugriffsmodi: eine browserbasierte WebUI (gestartet mit
nanobot webui), ein nativer Terminalmodus (gestartet mitnanobot) und Integrationen mit Telegram, Discord, Slack, WeChat, E-Mail, Mattermost, Feishu und Microsoft Teams
Was die nanobot-README dokumentiert (und was nicht)
Die nanobot-README dokumentiert MCP-Unterstützung, Bild- und Dokumentanhänge sowie mehrere Chat-Kanäle, erwähnt aber weder Prompt Caching, Streaming, Heartbeat, WhatsApp noch Benchmarks. Dieser Abschnitt listet, was die README unter github.com/HKUDS/nanobot und die Startseite nanobot.wiki zu den am häufigsten gesuchten Funktionen aussagen, damit Sie dokumentiertes Verhalten von Annahmen unterscheiden können.
- Architektur: Laut README „stays lightweight by centering everything around a small agent loop“ und „Small core: readable internals with MCP, memory, deployment, and automation built in“. Eine Zeilenzahl nennt sie nicht.
- MCP-Unterstützung: In der WebUI verbinden „Apps“ MCP-Server, aktivieren Agent Plugins und verwalten lokale CLI-App-Adapter; im Terminal kann
@eine App, einen MCP-Server oder eine gespeicherte Sitzung erwähnen. - Prompt Caching: Die README erwähnt weder
cache_controlnoch Anthropic Prompt Caching. Das einzige verwandte Wort lautet „cache reuse when the provider reports it“ im WebUI-Abschnitt zum Prüfen des Task-Kontexts. - Streaming: Weder die README noch die Startseite dokumentieren Token-Streaming ausdrücklich.
- Multimodal und Dateien: Die WebUI erlaubt „Attach documents or images“, das Terminal akzeptiert eingefügte Zwischenablage-Bilder (
Ctrl+VoderAlt+V), und die Werkzeugliste enthält Bildgenerierung. - Chat-Kanäle: Die README nennt Telegram, Discord, Slack, WeChat, E-Mail, Mattermost und Linear sowie weitere Kanäle; die „Why nanobot“-Liste nennt zusätzlich Feishu und Microsoft Teams. WhatsApp wird in keiner der beiden Quellen genannt.
- Heartbeat: In README und Startseite ist keine Heartbeat-Funktion dokumentiert.
- Zuverlässigkeit: Die README nennt konfigurierbare Fallback-Modelle und in ihren jüngsten Updates „clearer recovery for interrupted work“. Retry-Verhalten ist nicht dokumentiert.
- Benchmarks: Die README erhebt keine Benchmark-Angaben, und diese Review hat keine durchgeführt.
Plattform, Preise und Lizenzierung
Plattform
- Was nanobot angibt:
- Selbst gehostet unter Linux, macOS oder Windows über Installationsskripte, oder per Docker / Docker Compose als dauerhafter Dienst, laut GitHub-Repository.
Kosten
- Was nanobot angibt:
- Kostenlos und quelloffen. Sie zahlen nur für das jeweils angebundene Modell oder die API (oder nichts, wenn Sie ein lokales Ollama- oder vLLM-Modell betreiben) — es gibt keine separate kostenpflichtige nanobot-Stufe.
Lizenzierung
- Was nanobot angibt:
- MIT-Lizenz, bestätigt über das Lizenzfeld des GitHub-Repositorys.
Hardware
- Was nanobot angibt:
- Keine eigene GPU- oder Mindest-RAM-Anforderung — es ist eine Agent-Schleife, die ein Modell aufruft, keine Inferenz-Engine. Der tatsächliche Hardwarebedarf hängt vollständig vom gewählten Backend-Modell ab.
Installationsmethode
- Was nanobot angibt:
- Laut nanobot.wiki und GitHub-README: ein einzeiliges Installationsskript für macOS/Linux und Windows PowerShell, oder über
pip install nanobot-aibzw.uv tool install nanobot-ai. Siehe Abschnitt „nanobot installieren" unten.
Prüfen Sie die aktuell empfohlenen Installations- und Deployment-Anweisungen direkt auf nanobot.wiki, bevor Sie einen der Befehle ausführen, da sich Installationsschritte zwischen Releases ändern können.
nanobot installieren
nanobot installiert sich kostenlos über ein einzeiliges Skript, einen Paketmanager oder aus dem Quellcode — es gibt weder kostenpflichtige Stufe noch Lizenzschlüssel.
Install method | Command |
|---|---|
| macOS / Linux (Installationsskript) | curl -fsSL https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.sh | sh |
| Windows (PowerShell) | irm https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.ps1 | iex |
| Über uv | uv tool install nanobot-ai |
| Über pip | python -m pip install nanobot-ai |
| Aus dem Quellcode | git clone github.com/HKUDS/nanobot, virtuelle Umgebung anlegen, dann pip install -e . |
| Docker / Docker Compose | Im GitHub-Repository für dauerhaftes Deployment dokumentiert — aktuelle Compose-Datei dort prüfen. |
Erfordert laut GitHub-README Python 3.11 oder neuer; Git und Bun werden nur für eine Installation aus dem Quellcode benötigt. Nach der Installation starten Sie mit nanobot webui die Browser-Oberfläche oder mit nanobot den Terminalmodus.
Für wen eignet sich nanobot?
nanobot passt zu Personen, die bereits ein Sprachmodell betreiben oder ansprechen und dauerhaftes Gedächtnis, Tool-Zugriff und Automatisierung darum herum möchten, statt einer fertigen All-in-one-Assistenten-App.
Nutzen Sie nanobot, wenn Sie
- bereits Zugriff auf eine OpenAI-kompatible API haben oder lokale Modelle über Ollama oder vLLM betreiben und eine Agent-Schicht darüber statt eines vollständigen Inferenz-Stacks möchten
- einen Agenten möchten, der sich an vergangene Sitzungen erinnert, statt bei jeder Unterhaltung neu zu beginnen
- MCP-Tool-Server anbinden müssen, damit der Agent auf externen Systemen handeln kann, statt nur Fragen zu beantworten
- denselben Agenten über Browser, Terminal und Chat-Apps wie Telegram oder Slack erreichen möchten, statt an eine einzige Oberfläche gebunden zu sein
- ein selbst gehostetes Python-Programm betreiben können und keine gehostete, verwaltete Lösung suchen
Suchen Sie anderswo, wenn Sie
- eine einzelne herunterladbare Desktop-App ohne Einrichtung möchten — nanobot ist ein selbst gehostetes Framework, kein Ein-Klick-Installer für ein fertiges Produkt
- ein von einem Anbieter unterstütztes Produkt mit Support-Vertrag und SLA benötigen — diese Review fand keine Finanzierungsrunde oder kommerzielle Firma hinter nanobot
- sich mit Installationsskripten, pip-Paketen oder Docker-Containern nicht wohlfühlen
- einen langen, unabhängig geprüften Track Record erwarten — nanobots Repository ist zum Zeitpunkt dieser Review erst rund sieben Monate alt
Wofür nanobot nicht gut geeignet ist
nanobot ist keine gute Wahl, wenn Sie eine fertige, gepackte Assistenten-App möchten oder einen langen, unabhängig geprüften Track Record vor der Einführung eines Tools benötigen.
- Keine Inferenz-Engine — es hat keine eigene GPU-/VRAM-Anforderung, führt aber auch selbst keine Modell-Inferenz aus; Sie benötigen weiterhin Ollama, vLLM oder einen API-Schlüssel für das Modell, das die eigentliche Denkarbeit übernimmt
- Keine ausgefeilte All-in-one-Desktop-App — es ist ein selbst gehostetes Framework, das Sie konfigurieren, eher vergleichbar mit CrewAI oder agent-zero im Einrichtungsaufwand als mit einer Ein-Klick-Chat-App
- Nicht durch eine für diese Review verifizierbare Finanzierungsrunde oder Firma unterstützt — behandeln Sie es als unabhängig gepflegtes, community-getragenes Projekt
- Nicht frei vom oben genannten Sternezahl-Vorbehalt — diese Review fand Nachahmer-Repositorys mit identischem Marketingtext an anderer Stelle auf GitHub, prüfen Sie also, ob Sie tatsächlich auf github.com/HKUDS/nanobot schauen, bevor Sie einer zitierten Sternezahl für „nanobot" vertrauen
- Kein lange etabliertes Projekt — das Repository wurde am 1. Februar 2026 erstellt und hat damit nicht den mehrjährigen Track Record von Frameworks wie AutoGPT oder Open Interpreter
Häufige Fehler bei der Bewertung von nanobot
Die meiste Verwirrung um nanobot entsteht durch die Verwechslung mit einem unabhängigen, gleichnamigen Projekt oder durch eine Fehlinterpretation der Wachstumszahlen.
Fehler 1: Verwechslung mit nanobot-ai/nanobot
Ein separates, unabhängiges GitHub-Projekt — nanobot-ai/nanobot, vom Obot-Team als „Build MCP Agents" beschrieben, erstellt am 16. Mai 2025 mit rund 1.343 Stars — trägt denselben Namen. Diese Review behandelt ausschließlich HKUDS/nanobot; prüfen Sie den Organisationsnamen in der GitHub-URL, bevor Sie eines der beiden Projekte installieren.
Fehler 2: Die Sternezahl als geprüftes Wachstumssignal behandeln
48.125 Stars bei einem im Februar 2026 erstellten Repository sind ungewöhnlich schnell, und eine GitHub-Suche fördert Nachahmer-Repositorys mit derselben Marketingbeschreibung zutage. Die Anzahl der Forks (8.503), offenen Issues (768) und Mitwirkenden (30) deutet auf weitgehend organische Aktivität hin, diese Review hat die Stern-Historie jedoch nicht unabhängig geprüft — prüfen Sie aktuelle Zahlen direkt auf GitHub, statt den Momentaufnahme-Wert dieser Review als aktuell zu zitieren.
Fehler 3: Erwarten, dass nanobot Modelle selbst ausführt
nanobot läuft nur auf CPU, weil es keine Inferenz durchführt — es ruft eine OpenAI-kompatible API, einen lokalen Ollama-Server oder einen lokalen vLLM-Server auf. Ihre Hardwareanforderungen ergeben sich aus dem gewählten Backend-Modell, nicht aus nanobot.
Fehler 4: Annehmen, es gebe eine kostenpflichtige Stufe
nanobot ist kostenlos und quelloffen unter der MIT-Lizenz, ohne separate kostenpflichtige Stufe. Kosten entstehen ausschließlich durch das angebundene Backend-Modell oder die API.
Wettbewerber und Alternativen
nanobot wird am häufigsten mit anderen selbst gehosteten Agent-Frameworks wie AutoGPT, Open Interpreter, agent-zero und CrewAI verglichen — sein wichtigstes Unterscheidungsmerkmal ist, dauerhaftes Gedächtnis, MCP-Tools, Multi-Agent-Delegation und Chat-App-Integrationen in einem Framework zu vereinen, statt sich auf nur eines davon zu spezialisieren.
Tool | Best known for | Link |
|---|---|---|
| AutoGPT | Eines der frühesten autonomen Agent-Frameworks, fokussiert auf zielgerichtete Aufgabenketten | AutoGPT Review |
| Open Interpreter | Lässt ein Modell lokal Code ausführen, um Aufgaben zu erledigen, beliebt wegen seiner Einfachheit | Open Interpreter Review |
| agent-zero | Selbst gehostetes, Docker-basiertes Allzweck-Agent-Framework mit dauerhafter Umgebung | agent-zero Review |
| CrewAI | Multi-Agent-Orchestrierungs-Framework mit Fokus auf rollenbasierte Agenten-Teams | CrewAI Review |
Diese Liste spiegelt Tools wider, mit denen nanobot im selben Segment selbst gehosteter Agent-Frameworks häufig verglichen wird, nicht ein unabhängiges PromptQuorum-Ranking — prüfen Sie den aktuellen Funktionsumfang jedes Tools, bevor Sie sich entscheiden.
Häufig gestellte Fragen
Was ist nanobot?
nanobot (nanobot.wiki) ist ein kostenloses, quelloffenes (MIT), selbst gehostetes persönliches KI-Agent-Framework von HKUDS, das dauerhaftes Gedächtnis, MCP-Tool-Integration, Multi-Agent-Delegation und geplante Automatisierung zu einem von Ihnen angebundenen Modell hinzufügt.
Ist nanobot kostenlos?
Ja, nanobot selbst ist kostenlos und quelloffen unter der MIT-Lizenz, ohne separate kostenpflichtige Stufe. Sie zahlen nur für das jeweils angebundene Backend-Modell oder die API.
Wie installiere ich nanobot?
Laut nanobot.wiki und GitHub-README: Führen Sie das einzeilige Installationsskript für macOS/Linux oder Windows PowerShell aus, oder installieren Sie über pip install nanobot-ai bzw. uv tool install nanobot-ai. Erfordert Python 3.11 oder neuer.
Betreibt nanobot ein eigenes KI-Modell?
Nein. nanobot ist ein Agent-Framework, keine Inferenz-Engine — es ruft eine OpenAI-kompatible API, einen lokalen Ollama-Server oder einen lokalen vLLM-Server auf. Es hat keine eigene GPU-Anforderung; der Hardwarebedarf hängt vom gewählten Backend-Modell ab.
Mit welchen Chat-Apps integriert sich nanobot?
Laut nanobot.wiki: Telegram, Discord, Slack, WeChat, E-Mail, Mattermost, Feishu und Microsoft Teams, zusätzlich zur eigenen Weboberfläche und dem Terminalmodus.
Ist nanobot dasselbe wie nanobot-ai/nanobot?
Nein. nanobot-ai/nanobot ist ein separates, unabhängiges, kleineres „Build MCP Agents"-Projekt des Obot-Teams (rund 1.343 Stars, erstellt am 16. Mai 2025). Diese Review behandelt ausschließlich HKUDS/nanobot — prüfen Sie vor der Installation den GitHub-Organisationsnamen.
Warum hat nanobot so viele GitHub-Stars für ein so neues Projekt?
48.125 Stars bei einem am 1. Februar 2026 erstellten Repository sind ungewöhnlich schnell, und eine GitHub-Suche findet Nachahmer-Repositorys mit identischem Marketingtext. Das Fork-Verhältnis von rund 17 %, Hunderte offene Issues und 30 Mitwirkende deuten auf weitgehend organische Aktivität hin, diese Review hat die Stern-Historie jedoch nicht unabhängig geprüft — prüfen Sie aktuelle Zahlen direkt auf GitHub.
Was ist MCP, und wie nutzt nanobot es?
MCP (Model Context Protocol) ist ein Standard, der einem KI-Agenten den Zugriff auf externe Tools und Datenquellen über dedizierte Server ermöglicht. nanobot bindet MCP-Server über eine „Apps"-Oberfläche in der WebUI an, mit vorkonfigurierten Integrationen und Unterstützung für eigene Server.
Unterstützt nanobot Multi-Agent-Workflows?
Ja. Laut eigener Dokumentation kann nanobot Teilaufgaben an andere Agenten weiterreichen, statt jeden Schritt in einer einzigen Agent-Schleife zu erledigen.
Hat PromptQuorum die Angaben von nanobot unabhängig getestet?
Diese Review basiert auf nanobots GitHub-README, der nanobot.wiki-Dokumentation und der GitHub-API, statt auf praktischem Benchmarking der Gedächtnisleistung oder Multi-Agent-Aufgaben durch PromptQuorum.
Unterstützt nanobot Prompt Caching?
Die nanobot-README dokumentiert Prompt Caching nicht: Sie erwähnt weder cache_control noch Anthropic Prompt Caching. Das einzige verwandte Wort lautet „cache reuse when the provider reports it“ im WebUI-Abschnitt zum Prüfen des Task-Kontexts. Prüfen Sie Repository und Dokumentation Ihres Modellanbieters, bevor Sie annehmen, dass Caching greift.
Unterstützt nanobot WhatsApp?
WhatsApp wird weder in der nanobot-README noch auf nanobot.wiki genannt. Dokumentierte Kanäle sind Telegram, Discord, Slack, WeChat, E-Mail, Mattermost, Linear, Feishu und Microsoft Teams sowie eine WebUI, eine API und ein Terminalmodus.
Unterstützt nanobot Bilder und Dateien (multimodal)?
Teilweise dokumentiert. Die WebUI erlaubt das Anhängen von Dokumenten oder Bildern, das Terminal akzeptiert eingefügte Zwischenablage-Bilder, und die Werkzeugliste enthält Bildgenerierung. Welche Bildeingaben tatsächlich funktionieren, hängt vom angebundenen Backend-Modell ab, da nanobot selbst keine Inferenz ausführt.
Wie ist nanobot aufgebaut (Architektur)?
Laut README ist nanobot um eine kleine Agentenschleife herum aufgebaut, mit MCP, Gedächtnis, Deployment und Automatisierung in einem kompakten Kern. Es führt keine Modelle selbst aus, sondern ruft eine OpenAI-kompatible API, einen lokalen Ollama-Server oder einen lokalen vLLM-Server auf.
Gibt es Benchmarks für nanobot?
Die nanobot-README erhebt keine Benchmark-Angaben, und PromptQuorum hat keine durchgeführt. Behandeln Sie anderswo genannte Leistungszahlen zu nanobot als ungeprüft.