harnext ist ein Open-Source-KI-Coding-Agent mit Harness Engineering, entwickelt von FlowHunt. Es ist ein interaktiver Terminal-Agent, der Dateien liest, schreibt und bearbeitet, Shell-Befehle ausführt und MCP-Server steuert — und gestaffelte GitHub Actions Workflows generiert, damit KI GitHub Issues von Anfang bis Ende bearbeiten kann.

Wie automatisiert harnext GitHub Issues zu Pull Requests?

harnext setup schreibt eine gestaffelte Pipeline aus GitHub Actions Workflows. Jede Stufe ist ein Label; das Hochstufen eines Labels löst die nächste Stufe aus. Die Pipeline durchläuft issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, wobei ein dedizierter KI-Agent jeden Schritt automatisch übernimmt.

Welche KI-Modelle und Anbieter unterstützt harnext?

harnext unterstützt 20+ LLM-Anbieter direkt über pi-ai, darunter Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral und mehr. Sie können Anbieter mit einem einzigen --provider- und --model-Flag wechseln und sogar pro Pipeline-Stufe einen anderen Anbieter verwenden.

Kann ich Claude Code oder OpenAI Codex mit harnext nutzen?

Ja. Jede harnext-Pipeline-Stufe kann einen anderen Executor ansprechen. Sie können den harnext-REPL für interaktive Arbeit verwenden und eine CI-Stufe an claude-code oder codex übergeben, wenn unbeaufsichtigt — Approval- und Sandbox-Bypass-Flags werden automatisch gesetzt.

Welche Tools hat der harnext-Agent?

harnext liefert einen minimalen, fokussierten Sechs-Tool-Executor: read, write, edit, bash, skill und MCP. Das ist der gesamte Agent — keine Wrapper, keine Glue-Skripte, keine versteckte Orchestrierungsschicht.

Kann ich harnext mit lokalen Modellen ausführen, um meinen Code privat zu halten?

Ja. Verbinden Sie harnext mit Ollama oder einem NVIDIA-kompatiblen Endpoint, und Ihr Code muss Ihre Maschine nie verlassen. Sie können den interaktiven REPL bei einem Cloud-Anbieter nutzen und CI-Stufen an ein lokales Llama-Modell senden — alles mit einem einzigen --provider-Flag.

Wie richte ich einen Self-Hosted Runner mit harnext ein?

Führen Sie harnext setup in Ihrem Repository aus, und es registriert einen GitHub Actions Self-Hosted Runner, der an Ihr Repo gepinnt ist mit einem projektspezifischen Label, installiert ihn als systemd- oder launchd-Service und hält ihn über Reboots am Leben. harnext runner status und harnext runner logs zeigen den Daemon.

Was sind harnext-Skills?

Skills sind wiederverwendbare Agent-Bundles, die Sie an jede Pipeline-Stufe anhängen. Eingebaute Skills sind review (Code Review), init (Projekt-Initialisierung) und browser-verify (Visual-Regression-Checks). Sie können eigene erstellen und repository-übergreifend teilen.

Wie verbindet sich harnext mit MCP-Servern?

harnext kann sich mit jedem MCP-kompatiblen Server entweder im Proxy- oder im Direct-Modus verbinden. So kann der Agent Browser-Automation-Tools, Datenbanken, Such-APIs oder jeden anderen MCP-Service als nativen Pipeline-Schritt aufrufen.

Ist harnext Open Source und wie installiere ich es?

harnext ist MIT-lizenziert und Open Source. Installieren Sie es global mit `npm install -g harnext` (Node.js ≥ 20 erforderlich). Der Quellcode liegt auf github.com/QualityUnit/harnext und das Paket auf npm.

Harnext von FlowHunt Mehr erfahren

KI-Coding-Agent. Harness-engineered.

harnext ist die CI-Harness rund um Ihren KI-Coding-Agent — sie generiert gestaffelte GitHub Actions Workflows, label-gesteuerte Promotion und einen Self-Hosted Runner, die ein Issue von der Triage bis zum gemergten PR bringen.

Harnext jetzt testen Auf GitHub ansehen

harnext KI-Coding-Agent nimmt ein GitHub Issue auf und öffnet einen PR

harnext von FlowHunt

Ein Open-Source-KI-Coding-Agent und CI-Harness, der ein GitHub Issue eigenständig vom Label bis zum gemergten PR bringt. Entwickelt vom FlowHunt-Team für Entwickler, die KI im Workflow wollen — ohne die Kontrolle aufzugeben.

LLM-Anbieter: 20+
Agent-Tools: 6
Pipeline-Stufen: 5
Open Source: MIT

Funktionen

Alles, was man in einen Coding-Agent bauen würde — in einem CLI.

harnext liefert den Agent, die Harness und den Runner. Keine Glue-Skripte, kein Agent-Server.

Interaktiver Terminal-Agent: Ein REPL, der liest, schreibt, bearbeitet, bash ausführt und MCP-Server steuert. One-Shot-Modus mit -p für Skripte und CI.
20+ Anbieter, ein CLI: Anthropic, OpenAI, Google, Ollama, NVIDIA und mehr über pi-ai. Wechseln Sie mit --provider und --model im laufenden Betrieb.
Harness für Ihr Repo: Generiert GitHub Actions Workflows, die Issues per Label aufgreifen, die richtige Stufe ausführen und Ergebnisse zurückposten.
Self-Hosted Runner: Registriert einen Daemon auf Ihrer eigenen Maschine (systemd / launchd) und führt Stufen auf Ihrer Hardware aus. Idempotente Installation.
Skills & MCP: Bündeln Sie wiederverwendbare Skills (review, init, browser-verify) und verbinden Sie jeden MCP-Server im Proxy- oder Direct-Modus.
Replays & Status: harnext status zeigt aktive Runs; Replays lassen Sie jede Session Schritt für Schritt erneut ausführen. Sessions liegen in ~/.harnext.

Der Agent

Minimaler Agent. Lokale Modelle.

harnext ist ein kleiner, fokussierter CLI-Agent. Sechs Tools, ein paar Skills und eine MCP-Bridge — das ist der gesamte Executor. Verbinden Sie ihn mit einem lokalen Modell, und Ihre Codebase verlässt die Maschine nie.

harnext läuft mit Ollama llama3.2 auf localhost

Winzige Tool-Oberfläche.: read · write · edit · bash · skill · MCP. Das ist der gesamte Agent. Keine Wrapper, keine Glue-Skripte, keine versteckte Orchestrierung.
Local-First-Modelle.: Verbinden Sie harnext direkt mit Ollama oder NVIDIA, oder mit jedem OpenAI-kompatiblen Endpoint. Ihr Code muss die Maschine nie verlassen.
Anbieter pro Stufe wechseln.: Interaktiver REPL auf Anthropic, dann eine CI-Stufe an ein lokales Llama. Ein Flag: --provider, --model.
Offen & einsehbar.: MIT-lizenziertes Monorepo, klartext-JSON-Sessions in ~/.harnext. Wiederholen Sie jeden Run, prüfen Sie jeden Tool-Call.

harnext steuert sich selbst — oder jeden Agent, dem Sie vertrauen.

Jede Pipeline-Stufe kann einen anderen Executor ansprechen. Nutzen Sie den harnext-REPL für interaktive Arbeit und wählen Sie pro Stufe claude-code oder codex, wenn unbeaufsichtigt in CI ausgeführt.

harnext
Eingebauter interaktiver REPL. Read, write, edit, bash und MCP — gesteuert von Ihrem bevorzugten Anbieter (Anthropic, OpenAI, Google, Ollama, +20 weitere über pi-ai).
Mehr erfahren
Claude Code
Anthropics CLI, dispatched. harnext übergibt eine Stufe an claude-code mit automatisch gesetzten --max-turns- und Sandbox-Flags.
Mehr erfahren
Codex
OpenAIs CLI, dispatched. Gleiche Schnittstelle wie Claude Code — Approval- und Sandbox-Bypass-Flags für unbeaufsichtigte Runs vorverkabelt.
Mehr erfahren

Die Harness

Vom GitHub Issue zum gemergten PR — auf Schienen.

harnext setup schreibt eine gestaffelte Pipeline aus GitHub Actions Workflows. Jede Stufe ist ein Label; das Hochstufen eines Labels löst die nächste Stufe aus. Auf GitHub-hosted Runnern, Ihrem Self-Hosted Daemon oder beidem ausführen.

harnext fünfstufige Pipeline mit generiertem Workflow YAML

issue:tagged: Tagger-Workflow setzt das erste Stufen-Label, sobald ein Issue geöffnet wird.
stage:plan: Agent liest das Issue und schreibt einen strukturierten Implementierungsplan als GitHub-Kommentar zurück.
stage:implement: Agent öffnet einen Branch, bearbeitet Dateien gemäß Plan und erstellt einen Pull Request.
stage:review: Reviewer-Agent liest den Diff, postet Inline-Kommentare und löst bei Bedarf einen Fix-Workflow aus.
stage:merged: Post-Merge-Cleanup-Workflow läuft nach dem PR-Merge — schließt Issues, aktualisiert den Projektstatus.

Drei Befehle bis zum laufenden Agent.

harnext ist darauf ausgelegt, in Minuten produktiv zu sein. Global installieren, einmal pro Repository setup ausführen, dann den interaktiven Agent starten.

1. Installieren
npm install -g harnext Erfordert Node.js ≥ 20. Liegt unter ~/.harnext.
Auf npm ansehen
2. Pipeline einrichten
cd my-repo && harnext setup Fügt Labels hinzu, schreibt die gestaffelten GitHub Actions Workflows und registriert optional einen Self-Hosted Runner.
Quick-Start-Anleitung
3. Als Coding-Agent verwenden
harnext Dasselbe CLI ist Ihr interaktiver Agent — read, write, run, drive MCP. -p übergeben für One-Shot-Nutzung.
Zur Dokumentation

Self-Hosted Runner

Den Agent auf Ihrer eigenen Hardware ausführen.

harnext setup registriert einen GitHub Actions Self-Hosted Runner, der an Ihr Repo gepinnt ist, installiert ihn als systemd- oder launchd-Service und hält ihn über Reboots am Leben. harnext runner status und harnext runner logs zeigen den Daemon.

Idempotente Installation:: Ein erneuter setup-Lauf überspringt bereits erledigte Schritte — sicher mehrfach ausführbar.
Projekt-gepinntes Label:: Ein eindeutiges Label verhindert, dass Shared-Host-Runner Jobs anderer Projekte aufgreifen.
Public-Repo-Schutz:: harnext setup prüft die Fork-PR-Freigabe-Gates, bevor ein Runner für ein öffentliches Repo registriert wird.
Sauberes Uninstall:: Best-Effort-Cleanup beim Uninstall: Deregistrierung, Service stoppen, alle Runner-Artefakte entfernen.

Häufig gestellte Fragen

: harnext ist ein Open-Source-KI-Coding-Agent mit Harness Engineering, entwickelt von FlowHunt. Es ist ein interaktiver Terminal-Agent, der Dateien liest, schreibt und bearbeitet, Shell-Befehle ausführt und MCP-Server steuert — und gestaffelte GitHub Actions Workflows generiert, damit KI GitHub Issues von Anfang bis Ende bearbeiten kann.
: harnext setup schreibt eine gestaffelte Pipeline aus GitHub Actions Workflows. Jede Stufe ist ein Label; das Hochstufen eines Labels löst die nächste Stufe aus. Die Pipeline durchläuft issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, wobei ein dedizierter KI-Agent jeden Schritt automatisch übernimmt.
: harnext unterstützt 20+ LLM-Anbieter direkt über pi-ai, darunter Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral und mehr. Sie können Anbieter mit einem einzigen --provider- und --model-Flag wechseln und sogar pro Pipeline-Stufe einen anderen Anbieter verwenden.
: Ja. Jede harnext-Pipeline-Stufe kann einen anderen Executor ansprechen. Sie können den harnext-REPL für interaktive Arbeit verwenden und eine CI-Stufe an claude-code oder codex übergeben, wenn unbeaufsichtigt — Approval- und Sandbox-Bypass-Flags werden automatisch gesetzt.
: harnext liefert einen minimalen, fokussierten Sechs-Tool-Executor: read, write, edit, bash, skill und MCP. Das ist der gesamte Agent — keine Wrapper, keine Glue-Skripte, keine versteckte Orchestrierungsschicht.
: Ja. Verbinden Sie harnext mit Ollama oder einem NVIDIA-kompatiblen Endpoint, und Ihr Code muss Ihre Maschine nie verlassen. Sie können den interaktiven REPL bei einem Cloud-Anbieter nutzen und CI-Stufen an ein lokales Llama-Modell senden — alles mit einem einzigen --provider-Flag.
: Führen Sie harnext setup in Ihrem Repository aus, und es registriert einen GitHub Actions Self-Hosted Runner, der an Ihr Repo gepinnt ist mit einem projektspezifischen Label, installiert ihn als systemd- oder launchd-Service und hält ihn über Reboots am Leben. harnext runner status und harnext runner logs zeigen den Daemon.
: Skills sind wiederverwendbare Agent-Bundles, die Sie an jede Pipeline-Stufe anhängen. Eingebaute Skills sind review (Code Review), init (Projekt-Initialisierung) und browser-verify (Visual-Regression-Checks). Sie können eigene erstellen und repository-übergreifend teilen.
: harnext kann sich mit jedem MCP-kompatiblen Server entweder im Proxy- oder im Direct-Modus verbinden. So kann der Agent Browser-Automation-Tools, Datenbanken, Such-APIs oder jeden anderen MCP-Service als nativen Pipeline-Schritt aufrufen.
: harnext ist MIT-lizenziert und Open Source. Installieren Sie es global mit `npm install -g harnext` (Node.js ≥ 20 erforderlich). Der Quellcode liegt auf github.com/QualityUnit/harnext und das Paket auf npm.

Mehr erfahren

KI-Agent für MCP + Mem0

Integrieren Sie FlowHunt mit dem MCP-Server und Mem0 für nahtloses, persistentes Management von Coding-Präferenzen, Best Practices und Code-Snippets – und ermög...

Aug 12, 2025 3 Min. Lesezeit

AI MCP +5

GitHub

Integrieren Sie FlowHunt mit GitHub, um Repositoryverwaltung, Issue-Tracking, Pull Requests und Code-Reviews mit KI zu automatisieren – ohne Codierung erforderl...

Jun 15, 2025 1 Min. Lesezeit

AI GitHub +4

Nx MCP

Integrieren Sie FlowHunt mit dem Nx MCP Server, um großen Sprachmodellen tiefe Monorepo-Einblicke, automatisierte Codegenerierung, Projektgraph-Analysen und KI-...

Aug 12, 2025 5 Min. Lesezeit

AI Nx MCP +4