openTag — Open-Source-Kollege mit KI für Slack und Lark
Was ist openTag
openTag ist ein Open-Source-Kollege mit KI, der im Teamchat lebt: Man erwähnt ihn in einem Slack- oder Lark-Thread mit einer Aufgabe, und ein Coding-Agent auf einer selbst kontrollierten Maschine erledigt die Arbeit und antwortet im selben Thread. Er nutzt die bereits installierte Agent-Umgebung — Claude Code, Codex oder Pi — und rechnet über den Model-Tarif oder API-Schlüssel ab, den das Team ohnehin besitzt, sodass keine zweite Subskription für Intelligenz nötig ist. Da die openTag-Server nur Anmeldung und Routing übernehmen, bleiben Gespräche, Code und Speicher standardmäßig außen vor, und der gesamte Stack lässt sich selbst hosten. Geeignet ist er für Teams, deren Arbeit in Chat-Kanälen eintrifft, deren Agenten, Dateien und Zugangsdaten aber auf einem lokalen Mac- oder Linux-Rechner liegen.
Wie funktioniert openTag?
openTag besteht aus drei Teilen: dem Teamchat, in dem man im Kanal oder per Direktnachricht mit einem Worker spricht; einem openTag-Server, der diese Nachrichten empfängt, Worker, Aufgaben und Sitzungen verfolgt und jede Aufgabe an den richtigen Rechner leitet; sowie einem kleinen Daemon auf dem verbundenen Computer, der die Verbindung zum Server hält. Trifft eine Aufgabe ein, öffnet der Daemon eine Sitzung mit der lokalen Agent-Umgebung, übergibt den Kontext des Threads und schreibt das Ergebnis zurück in den Chat. Weitere Nachrichten im selben Thread führen dieselbe Sitzung fort, sodass sich die Zusammenarbeit mit dem Worker wie mit einem Kollegen weiterentwickelt. Der Server kann der gehostete oder eine eigene Instanz sein, da er vollständig quelloffen ist.
Vorteile von openTag
Das Argument für openTag ist, Intelligenz nicht doppelt zu bezahlen: Die bereits vorhandene Agent-Umgebung und das Modell-Abo des Teams werden zum Motor des Workers, ein späterer Anbieterwechsel erfordert also keinen Neuaufbau der Einrichtung. Der Lauf auf einer vom Team kontrollierten Maschine hält Quellcode, Zugangsdaten und Sitzungsdateien aus fremder Infrastruktur heraus, und die Freigabekarte stellt sicher, dass vor riskanten Aktionen ein Mensch entscheidet. Weil der Speicher schlichtes Markdown in einem eigenen Repository ist, lässt er sich mit üblichen git-Werkzeugen lesen, ändern, vergleichen und zurücksetzen, statt in einer Vendor-Datenbank festzustecken. Zusammen mit der Apache-2.0-Lizenz und einem selbst hostbaren Server ergibt sich für Teams, die später feinere Richtlinienkontrolle brauchen, ein Weg ohne Abhängigkeit von der Roadmap eines Anbieters.
Vor- und Nachteile von openTag
Vorteile
- Apache-2.0-Lizenz, der gesamte Stack einschließlich Server lässt sich selbst hosten.
- Jede Agent-Umgebung und jedes Modell, für die das Team bereits zahlt, kann ihn antreiben.
- Quellcode, Zugangsdaten und Sitzungen bleiben auf eigener Hardware.
- Der gemeinsame Speicher ist portables Markdown in einem vom Team kontrollierten git-Repository.
- Kostenlos nutzbar, die Kosten gehen an den Modellanbieter statt pro Sitzplatz.
Nachteile
- Pre-Alpha: Verhalten und Kommandozeilenschnittstelle ändern sich noch.
- Erfordert einen eingeschalteten Mac- oder Linux-Rechner oder stattdessen eine kostenpflichtige Cloud-Sandbox.
- Nur Slack und Lark sind angebunden, Teams und Discord nicht.
- Berechtigungen und Verwaltung auf Organisationsebene sind nicht umgesetzt.
- Ob ein Verbraucher-Abo bei Drittanbietern genutzt werden darf, regeln die Bedingungen des jeweiligen Anbieters.
Kernfunktionen von openTag
Eigene Agent-Umgebung nutzen
openTag baut weder eine neue Agent-Schleife noch einen Modell-Wrapper, sondern treibt eine bereits lokal installierte Umgebung von Claude Code, Codex oder Pi an. Der Worker erbt damit alle Modelle, die diese Umgebung unterstützt, und der Anbieter lässt sich je Worker wechseln.
Ein Agent für den ganzen Kanal
Ein einzelner Worker bedient einen ganzen Kanal, und jedes Mitglied kann ihn erwähnen. Das Team sieht, woran er arbeitet, setzt dort an, wo jemand anderes aufgehört hat, und reicht Aufgaben zwischen Agenten weiter, die den Fortschritt der jeweils anderen prüfen.
Lokaler Lauf mit Freigabekarten
Worker laufen auf einer Maschine, die Ihnen gehört — Laptop, Mac mini oder Linux-Rechner — und erreichen dieselben Dateien, Repositories und CLIs wie Sie. Vor einer riskanten Aktion erhält die Person, die die Aufgabe gestartet hat, eine private Karte mit Schaltflächen zum Genehmigen und Ablehnen, und nur sie entscheidet.
Context-Tree-Speicher
Das Wissen des Teams liegt in Markdown-Dateien eines git-Repositories in Ihrer eigenen GitHub-Organisation und ist wie Code lesbar, versioniert und überprüfbar. Agenten schlagen nach einer Aufgabe Aktualisierungen vor, die eine Person vor dem Übernehmen prüft.
MCP-Konnektoren und Skills
openTag bringt einen Katalog von MCP-Servern für Dokumente, Chat, Projekte, Websuche, Design, Daten und Zahlungen mit, und Agenten erreichen zusätzlich alles, wofür die lokale Maschine bereits Zugangsdaten besitzt. Auch standardisierte Agent Skills als Markdown-Dateien werden akzeptiert und lassen sich committen und in einem Pull Request prüfen.
Dauerhafte, vorausschauende Arbeit
Neben Einzelaufträgen kann ein Worker einen Kanal beobachten, einen Job nach Zeitplan ausführen und ins Stocken geratene Threads nachverfolgen.
Anwendungsfälle von openTag
- Engineering-Teams: Repository-Issues triagieren, Pull Requests öffnen und eine Datenbank abfragen, ohne den Chat zu verlassen.
- Einzelne Maintainer: einen Worker eingehende Meldungen beobachten und nachts beantworten lassen.
- Produkt- und Betriebsteams: Kennzahlen und Statusantworten aus dem geteilten Teamkontext holen, statt Notizen zu durchsuchen.
- Verantwortliche für Vertrieb und Design: Kundenakten, Kalenderlücken oder Figma-Layouts über einen angebundenen Agenten prüfen.
- Teams ohne freie Hardware: dauerhaft laufende Aufgaben in eine Cloud-Sandbox legen und dateinahe Aufgaben lokal belassen.
FAQs von openTag
Braucht man einen kostenpflichtigen API-Schlüssel?
Nein. Es funktioniert sowohl mit einem Claude- oder Codex-Tarif als auch mit einem API-Schlüssel, wobei für gemeinsame Workspaces ein Schlüssel empfohlen wird und die Bedingungen des jeweiligen Anbieters entscheiden, ob ein Tarif so genutzt werden darf.
Welche Hardware muss laufen?
Ein Mac- oder Linux-Rechner mit installiertem Claude Code, Codex oder Pi, eingeschaltet und am Netz. Wer keine Maschine wachhalten möchte, nutzt stattdessen einen Worker in der Cloud-Sandbox von openTag Cloud.
Wo werden Gespräche und Code gespeichert?
Standardmäßig nicht auf den openTag-Servern. Sitzungen und Arbeitsdateien bleiben auf dem verbundenen Computer, und der Teamspeicher liegt in einem git-Repository der eigenen GitHub-Organisation.
Können mehrere Personen einen Worker teilen?
Ja. Ein Agent bedient einen Kanal, und jedes Mitglied kann ihn erwähnen, Aufgaben an andere Agenten weitergeben und deren Fortschritt prüfen.
Funktioniert es mit Teams oder Discord?
Noch nicht. Angebunden sind Slack und Lark; Teams und Discord stehen auf der Roadmap.
Was kostet die Software?
Die Software ist kostenlos und Apache-2.0-lizenziert; betreibt man die Worker selbst, zahlt man nur den Modellanbieter und das Hosting.
So verwenden Sie openTag
- Melden Sie sich bei app.opentag.build an und legen Sie einen Worker an: Agentennamen vergeben und eine Laufzeit wie Codex, Claude Code oder Pi wählen.
- Kopieren Sie den im Dashboard angezeigten Verbindungsbefehl und fügen Sie ihn in ein Terminal des Mac- oder Linux-Rechners ein, der den Worker hostet.
- Warten Sie, bis dieser Computer als verbunden erscheint, und gehen Sie dann zum Messaging-Schritt über.
- Fügen Sie den Worker einem Slack- oder Lark-Workspace hinzu und wählen Sie den Messenger, den das Team bereits nutzt.
- Erwähnen Sie den Worker in einem Kanal oder Thread mit einer Aufgabe und lesen Sie die Antwort dort, wo er sie veröffentlicht.
- Optional: MCP-Server und Agent Skills im Dashboard verbinden oder den Worker im Chat bitten, sie selbst zu installieren.
openTag Alternativen
SeedRouter bündelt Bild-, Video-, Sprach- und Audiomodelle von OpenAI, Google und Anthropic hinter einem Schlüssel, rechnet pro Anfrage ab und stellt fehlgeschlagene Aufrufe nicht in Rechnung.
Wery ist ein virtuelles KI-Studio, das ein Ziel an spezialisierte Agenten für Video, Bild, Musik und Dokumente verteilt und Figuren sowie Projektassets konsistent hält.
Kostenloses Rechnungstool für Freiberufler und Kleinunternehmen im Web, auf iOS und Android. Unbegrenzt PDF-Rechnungen erstellen, Kunden und mehrere Firmen verwalten und über MCP direkt aus einem KI-Assistenten abrechnen.
Relay App wandelt Anweisungen in natürlicher Sprache in KI-Workflows um, verbindet über 200 Apps, führt Automatisierungen zuverlässig aus und pausiert für menschliche Freigaben.
AtAt führt Claude Code, Codex oder lokale Modelle direkt in dem Textfeld aus, in dem du gerade tippst, ohne App-Wechsel. Es ergänzt TabTab-Autovervollständigung, Screenshots und den Clipboard-Verlauf.
Play HT ist ein kostenloser KI-Stimmengenerator, der Text in Sprache umwandelt – mit über 200 öffentlichen Stimmen, Wiedergabe im Browser und MP3-Export.
Dash ist ein KI-Teamkollege in Slack und Microsoft Teams, der 3.000+ Tools verbindet, Arbeitsabläufe automatisiert und Aufgaben im Kanal erledigt.
Jev ist das System-One-Modell von TypeSafe AI, das typisierte Entscheidungen mit kalibrierter Konfidenz für die Automatisierung liefert. Schnell, günstig, ohne Halluzinationen.
Nutzen Sie GPT, Claude, Gemini und Grok über eine OpenAI-kompatible API. Vergleichen Sie Modellpreise, erstellen Sie einen Schlüssel und senden Sie Ihre erste Anfrage in Minuten.
Git-natives Aufgabenverwaltungstool für KI-Coding-Agenten: verfolgt Absicht, Status, Blocker, Abhängigkeiten, Verlauf und Commit-Nachweise in Git.
SJolt ist eine KI-API-Plattform, die die besten Modelle zur Bild-, Video- und Audiogenerierung hinter einem einheitlichen Anfragefluss für Entwickler und Teams bündelt.
Tokenhot ist ein einheitliches LLM-API-Gateway, das OpenAI-, Claude-, Gemini- und DeepSeek-Modelle über einen einzigen Endpunkt bereitstellt und API-Kosten um bis zu 90% senkt.