Mehrere KI-Agenten in isolierten Git-Trees mit Proliferate ausführen

Kürzlich habe ich mich bei einer lästigen Routine erwischt. Man startet Claude Code im Terminal, um ein Modul umzuschreiben, öffnet gleichzeitig Cursor, um Styles zu korrigieren, und hält einen lokalen Codex in einem dritten Tab für Test-Refactoring bereit. Das Ergebnis ist Chaos in der Working Copy: Branches überschreiben sich gegenseitig, nicht commitete Dateien werden überschrieben, der Dialog-Kontext geht in verschiedenen Fenstern verloren.

Die Entwickler von proliferate-ai haben versucht, diesen Zoo in eine einzige Umgebung zu packen. Ihr Projekt heißt Proliferate. Dabei handelt es sich um eine Open-Source-Entwicklungsumgebung (AI IDE), die das parallele Starten verschiedener Coding-Agenten übernimmt und jeden davon in einem separaten Git-Worktree isoliert.

Was unter der Haube steckt und warum man Worktrees braucht

Das Kernkonzept des Projekts dreht sich um paralleles Arbeiten. Wenn man einer KI einen Auftrag erteilt, möchte man nicht warten, bis die Generierung und Testläufe abgeschlossen sind, bevor man zum nächsten Ticket übergeht. Gleichzeitig ist es gefährlich, Agenten in einem einzigen Arbeitsverzeichnis auszuführen: Sie werden zwangsläufig die Änderungen des anderen überschreiben.

Proliferate löst das Problem mit Git's eingebauten Tools. Jede Teilaufgabe erhält ihren eigenen git worktree mit eigenem Branch, isoliertem Terminal, Konversationsverlauf und Code-Review-Bildschirm.

Man kann gleichzeitig Claude Code haben, das einen Backend-Bug behebt, während OpenCode oder Grok im nächsten Fenster Integrationstests schreibt. Sie arbeiten mit demselben Repository, befinden sich aber in physisch verschiedenen Ordnern und beeinträchtigen sich nicht gegenseitig.

Unterstützte Engines und Tools

Proliferate zwingt nicht zu einem einzigen Modell oder Anbieter. Es verfügt über ein System nativer Wrapper für beliebte Engines:

• Claude Code
• OpenAI Codex
• OpenCode
• Cursor
• Grok

Statt ein eigenes Prompt-Format zu erfinden, nutzt die Plattform die nativen Interfaces dieser Tools. Wenn man bereits ein Abonnement hat oder API-Keys konfiguriert sind, kann man sie an ein einheitliches Dashboard anschließen.

Das Projekt umfasst auch MCP (Model Context Protocol) Support, Browser-Integration und Systemzugriff (Computer Use). Die Tool-Einstellungen werden einmal auf Projektebene konfiguriert, danach können alle verbundenen Agenten sie nutzen.

Ein weiteres interessantes Feature sind verschachtelte Sub-Agenten. Der Hauptagent kann einen Arbeitsbereich an einen Child-Prozess delegieren, auf das Ergebnis warten und dann weitermachen.

Automatisierung und Workflows

Über das manuelle Starten von Chats hinaus gibt es einen Workflows-Bereich. Damit lassen sich Agenten zeitgesteuert oder ereignisbasiert starten.

Beispielsweise kann man einen nächtlichen Review-Lauf einrichten: Ein Agent durchläuft die Tagsüber geänderten Dateien, sucht nach Regressions, und legt einen Bericht in einem separaten Branch ab. Oder man hängt einen Trigger an einen Monitoring-Alert, damit ein Agent sofort den Branch mit dem Fehler klont und mit der Lokalisierung des Problems beginnt.

Das Projekt ist noch frisch (knapp 300 Stars auf GitHub), aber die Funktionalität wirkt durchdacht, besonders für Teams, die es leid sind, zwischen zehn Terminals zu wechseln.

So deployt und testet man es

Der Client-Teil von Proliferate ist mit Rust und Tauri gebaut, mit einem Web-Interface auf Node.js 22. Das Backend-Control-Panel ist in Python mit dem uv Package Manager und einer PostgreSQL-Datenbank geschrieben.

Der Code ist unter der AGPL-3.0-Lizenz offen. Der Server-Teil kann komplett auf eigener Infrastruktur über Docker Compose oder in der Cloud deployed werden.

Das Desktop-Application aus dem Source-Code bauen

Wer den Client lokal ausprobieren möchte, braucht Rust, Node.js 22 und pnpm installiert.

# Клонируем репозиторий и ставим зависимости
git clone https://github.com/proliferate-ai/proliferate.git
cd proliferate

make install
make dev-local

Den vollständigen Stack für die Entwicklung starten

Docker wird benötigt, um mit der lokalen Datenbank und dem vollständigen Backend zu arbeiten:

make server-install
make setup PROFILE=main
make build
make run PROFILE=main

Das Repository enthält eine fertige Vorlage server/deploy/.env.production.example mit allen Umgebungsvariablen für das Verbinden von Providern und das Konfigurieren von Authentifizierung. Für einen Produktionsserver bieten die Autoren eine fertige docker-compose-Datei mit Caddy als Reverse Proxy an.

Wem das Projekt gerade jetzt nützt

Proliferate ist vermutlich unnötig für diejenigen, die einmal am Tag Autovervollständigung für ein paar Zeilen Code nutzen. Ein gewöhnliches Editor-Plugin erledigt das zur Genüge.

Wer aber aktiv Code-Generierung an CLI-Tools wie Claude Code delegiert und mehrere Aufgaben parallel ausführt, dem wird das Konzept der isolierten Git-Worktrees eine Menge Nerven sparen. Man bekommt ein visuelles Kanban-Board mit Agenten, wobei jeder Prozess sein eigenes Terminal, sauberes Diff und klaren Ausführungsstatus hat.

Das Projekt wird aktiv weiterentwickelt, Bugs werden sicher gefunden werden, aber der architektonische Ansatz über Worktree wirkt deutlich zuverlässiger als manuelles Branch-Hopping in der Konsole.