<\/p>\n
Deklarative Agenten und Blackboard-Orchestierung \u2013 Flock 0.5 ist da!<\/p>\n
<\/h1><\/div>
\u00a0<\/p>\n\n\n
Inhalt<\/p>\n\n\n\n
- \n
- Highlights auf einen Blick<\/a><\/li>\n\n\n\n
- Deklarative Agenten – Typed Contracts statt Prompt-Prosa<\/a><\/li>\n\n\n\n
- Blackboard-Orchestrierung – Pub\/Sub mit Persistenz und Sichtbarkeit<\/a><\/li>\n\n\n\n
- Weitere Highlights von Flock 0.5<\/a><\/li>\n\n\n\n
- Weitere neue Features & Getting Started<\/a><\/li>\n<\/ul>\n\n\n\n
<\/div>\n\n\n\nViele KI-Projekte starten mit Begeisterung und enden im Prompt-Chaos. Workflows werden manuell verdrahtet, Sicherheit kommt zu sp\u00e4t, und der Sprung von der Demo in die Produktion wird zur H\u00fcrde.<\/p>\n\n\n\n
Flock<\/a> l\u00f6st genau dieses Problem: Ein Open-Source-Framework, mit dem Entwickler produktionsreife KI-Agenten schneller bauen \u2013 strukturiert, sicher und wiederverwendbar. Es verbindet moderne Technologien mit klarer Architektur, damit aus Proof-of-Concepts echte L\u00f6sungen werden. Mehrere spezialisierte Agenten arbeiten gemeinsam und koordiniert an komplexen Aufgaben \u2013 robust, nachvollziehbar und skalierbar.<\/p>\n\n\n\n
Mehr zu den Grunds\u00e4tzen von Flock finden Sie in unserem Blogpost Flock \u2013 Our new open-source AI Agent Framework<\/a>.<\/p>\n\n\n\n
Mit Version 0.5 erneuern wir das Fundament von Flock: Subscriptions statt Graph\u2011Verdrahtung vereinfachen die Architektur und reduzieren Kopplung sowie Pflegeaufwand; Parallelit\u00e4t und Batching senken Modellkosten und Laufzeiten; End\u2011to\u2011End\u2011Tracing und ein Dashboard sorgen f\u00fcr l\u00fcckenlose Nachvollziehbarkeit. Agenten skalieren ohne Umbau, indem sie Datentypen statt starrer Workflow\u2011Graphen abonnieren; klare Typ\u2011Schnittstellen statt Prompt\u2011Schleifen bringen Projekte schneller live, und Zero\u2011Trust Visibility liefert Sicherheit ab Tag eins.<\/p>\n\n\n\n
Highlights auf einen Blick<\/h2>\n\n\n\n
Einige \u00dcberblick der wichtigsten Neuerungen in Flock 0.5:<\/p>\n\n\n\n
- \n
- Redesign der gesamten Architektur und Code-Basis<\/li>\n\n\n\n
- Zentrales Blackboard mit persistenter Speicherung<\/li>\n\n\n\n
- Vollst\u00e4ndige OpenTelemetry-Unterst\u00fctzung, Jaeger-Frontend und eigenes Trace Viewer UI<\/li>\n\n\n\n
- Deklarative Vertr\u00e4ge mit @flock_type und Pydantic f\u00fcr stabile Ein-\/Ausgabeschnittstellen<\/li>\n\n\n\n
- Sichtbarkeitskontrolle mit f\u00fcnf Visibility-Typen (Public, Private, Tenant, Labelled, After)<\/li>\n\n\n\n
- Safety-Mechaniken: Circuit Breaker, Feedback Loop Prevention, Ausf\u00fchrungs-Limits<\/li>\n\n\n\n
- BatchSpec & JoinSpec f\u00fcr Kostenreduktion und saubere Signal-Korrelation<\/li>\n\n\n\n
- MCP-Integration (Model Context Protocol) f\u00fcr externe Tools\/Server<\/li>\n\n\n\n
- Vollst\u00e4ndige OpenAPI REST-Dokumentation<\/li>\n\n\n\n
- Tiefe Modularit\u00e4t: 7 Hooks im Agent-Lebenszyklus, Engine austauschbar<\/li>\n\n\n\n
- Modellkompatibilit\u00e4t: Unterst\u00fctzt aller relevanten Modelle \u00fcber LiteLLM<\/li>\n<\/ul>\n\n\n\n
Deklarative Agenten – Typed Contracts statt Prompt-Prosa<\/h2>\n\n\n\n
Nat\u00fcrliche Sprache ist gro\u00dfartig f\u00fcr Ideen \u2013 in Software aber schwer testbar und fragil. Prompt-Romane in Repos kann man nicht debuggen, kaum unit-testen und sie machen Probleme bei Modell-Updates. In Flock definieren Sie stattdessen klare, typisierte Vertr\u00e4ge. Ihre Pydantic-Modelle sind die \u201ePrompts\u201c: validierbar, testbar, zukunftssicher \u00fcber Modellgenerationen hinweg.<\/p>\n\n\n\n
- \n
- Stabilit\u00e4t: Jeder Feld-Constraint gilt zur Laufzeit<\/li>\n\n\n\n
- Testbarkeit: Vertr\u00e4ge sind klar definiert und k\u00f6nnen getestet werden<\/li>\n\n\n\n
- Zukunftssicherheit durch klare Typ-Spezifikation<\/li>\n<\/ul>\n\n\n\n
Ein Beispiel:<\/p>\n\n\n\n
from flock import flock_type\nfrom pydantic import BaseModel, Field\n\n@flock_type\nclass BugReport(BaseModel):\n title: str\n description: str\n\n@flock_type\nclass BugDiagnosis(BaseModel):\n severity: str = Field(pattern=\"^(Critical|High|Medium|Low)$\")\n confidence: float = Field(ge=0.0, le=1.0)\n\ndiagnoser = (\n flock.agent(\"diagnoser\")\n .consumes(BugReport)\n .publishes(BugDiagnosis)\n)<\/code><\/pre>\n\n\n\nBlackboard-Orchestrierung – Pub\/Sub mit Persistenz und Sichtbarkeit<\/h2>\n\n\n\n
Flock nutzt das Blackboard-Orchestrierungsmuster als Kernmechanik. Wie im echten Leben: Agenten \u201epinnen\u201c Nachrichten an ein zentrales Board. Andere Agenten sehen sie und entscheiden, ob sie handeln. Vollst\u00e4ndig entkoppelt, ohne zentrale Orchestratoren oder Graphen.<\/p>\n\n\n\n
- \n
- Weniger Verdrahtung: Agenten abonnieren Datentypen statt Knoten in einem DAG (Directed Acyclic Graph)<\/li>\n\n\n\n
- Robustheit: Persistenz, Sichtbarkeit, Audit Trails<\/li>\n\n\n\n
- Erweiterbarkeit: Neuen Agent hinzuf\u00fcgen, deklarativ abonnieren, fertig<\/li>\n<\/ul>\n\n\n\n
![\"\"](\"https:\/\/whiteduck.de\/wp-content\/uploads\/Flock-1.png\")
<\/a>Agent View: Welche Agenten laufen \u2013 und wie Daten flie\u00dfen<\/figcaption><\/figure>\n<\/div>\n\n \n![\"\"](\"https:\/\/whiteduck.de\/wp-content\/uploads\/Flock-2.png\")
<\/a>Blackbord View der Agenten und Daten<\/figcaption><\/figure>\n<\/div>\n\n\n Ein Beispiel:<\/p>\n\n\n\n
book_idea_agent = (\n flock.agent(\"book_idea_agent\")\n .description(\"Generates a compelling book idea.\")\n .consumes(HumanInput)\n .consumes(Review, where=lambda r: r.score <= 8)\n .publishes(BookIdea)\n)\n\nreviewer_agent = (\n flock.agent(\"reviewer_agent\")\n .description(\"A harsh critic. Reviews the book idea quality.\")\n .consumes(BookIdea)\n .publishes(Review)\n)\n\nchapter_agent = (\n flock.agent(\"chapter_agent\")\n .description(\"Generates a detailed outline for the book based on the latest draft.\")\n .consumes(Review, where=lambda r: r.score >= 9)\n .publishes(BookOutline)\n)<\/code><\/pre>\n\n\n\nWeitere Highlights von Flock 0.5<\/h2>\n\n\n\n
JoinSpec + BatchSpec<\/h3>\n\n\n\n
Ereignisse zu korrelieren und effizient zu verarbeiten ist ohne deklarative Hilfen schnell eine eigene Queue\u2011 und Glue\u2011Code\u2011Baustelle. Mit JoinSpec definieren Sie, welche Signale zusammengeh\u00f6ren und innerhalb welcher Zeitfenster, w\u00e4hrend BatchSpec Last b\u00fcndelt, Kosten senkt und Durchsatz steigert. Das bringt korrekte Korrelation, bessere Performance und weniger Infrastruktur\u2011Sonderlogik\u2014Komplexit\u00e4t verschwindet in klaren Spezifikationen statt in selbstgebauten Pipelines.<\/p>\n\n\n
\n![\"\"](\"https:\/\/whiteduck.de\/wp-content\/uploads\/Flock-5-1024x708.png\")
JoinSpec: Zusammengeh\u00f6rige Artefakte korrelieren<\/figcaption><\/figure>\n<\/div>\n\n\n Ein Beispiel:<\/p>\n\n\n\n
from datetime import timedelta\nfrom flock.specs import JoinSpec, BatchSpec\n\naggregator = (\n flock.agent(\"aggregator\")\n .consumes(SensorReading, SensorReading,\n join=JoinSpec(by=lambda r: r.device_id, within=timedelta(seconds=30)),\n batch=BatchSpec(size=20, timeout=timedelta(seconds=10)))\n .publishes(AggregatedWindow)\n)<\/code><\/pre>\n\n\n\nOut-of-the-Box Visibility & Compliance<\/h3>\n\n\n\n
In mehrmandantigen und regulierten Umgebungen ist Least\u2011Privilege kein Nice\u2011to\u2011Have, sondern Pflicht\u2014Daten d\u00fcrfen nur dort sichtbar werden, wo sie hingeh\u00f6ren. Flock bringt feingranulare Sichtbarkeitstypen, mit denen Sie Zugriffe pro Artefakt und Agent deklarativ steuern. Das verhindert Cross\u2011Tenant\u2011Leaks, erleichtert Audits und setzt Security\u2011by\u2011Design praktisch um\u2014saubere Mandantentrennung und Compliance von Anfang an.<\/p>\n\n\n\n
Ein Beispiel:<\/p>\n\n\n\n
from flock.visibility import PrivateVisibility, TenantVisibility\n\npatient_scan = (\n flock.agent(\"radiology\")\n .consumes(Scan)\n .publishes(XRayAnalysis, visibility=PrivateVisibility(agents={\"diagnostician\"}))\n)\n\ncustomer_agent = (\n flock.agent(\"profile_builder\")\n .consumes(ProfileEvent)\n .publishes(UserProfile, visibility=TenantVisibility(tenant_id=\"tenant_42\"))\n)<\/code><\/pre>\n\n\n\nDistributed Tracing & Analyse<\/h3>\n\n\n\n
Nichtdeterministische Agentensysteme brauchen erstklassige Observability, sonst bleiben Performance\u2011Tuning und Fehlersuche ein Blindflug. Mit automatischem Tracing und einer DuckDB\u2011gest\u00fctzten Analyse greifen Sie per SQL auf Spans zu, finden Hotspots und verstehen Kosten\u2011Treiber in Minuten. So identifizieren Sie Bottlenecks, belegen Budgets und verbessern systematisch\u2014Performance und Fehlerursachen sind in Sekunden sichtbar.<\/p>\n\n\n
\n![\"\"](\"https:\/\/whiteduck.de\/wp-content\/uploads\/Flock-3.png\")
<\/a>Tracing & Anaylse: Datenherkunft & Transformationen nachvollziehen<\/figcaption><\/figure>\n<\/div>\n\n \n![\"\"](\"https:\/\/whiteduck.de\/wp-content\/uploads\/Flock-7.png\")
<\/a>Abh\u00e4ngigkeiten & Services im Trace sichtbar \u2013 Bottlenecks finden in Sekunden<\/figcaption><\/figure>\n<\/div>\n\n\n Ein Beispiel:<\/p>\n\n\n\n
export FLOCK_AUTO_TRACE=true\nexport FLOCK_TRACE_FILE=true<\/code><\/pre>\n\n\n\nimport duckdb\ndb = duckdb.connect('.flock\/traces.duckdb', read_only=True)\nhot = db.execute(\n \"SELECT name, AVG(duration_ms) \"\n \"FROM spans GROUP BY name ORDER BY 2 DESC LIMIT 5\"\n).fetchall()<\/code><\/pre>\n\n\n\nWeitere neue Features & Getting Started<\/h3>\n\n\n\n
Sie wollen alle Features im Detail sehen und wissen, wie die Umsetzung aussieht? Werfen Sie einen Blick in das GitHub\u2011Repository und in die Dokumentation \u2013 dort finden Sie vollst\u00e4ndige Beschreibungen, Beispiele und Schritt\u2011f\u00fcr\u2011Schritt\u2011Anleitungen zur Implementierung:<\/p>\n\n\n\n
- \n
- GitHub-Repository: whiteducksoftware\/flock<\/a><\/li>\n\n\n\n
- Dokumentation: whiteducksoftware.github.io\/flock<\/a><\/li>\n<\/ul>\n\n\n\n
Wir haben dieses Projekt aus der Leidenschaft heraus gestartet, die Entwicklung von KI-Agenten f\u00fcr alle zug\u00e4nglich und effektiv zu machen. Als Open-Source-Initiative verk\u00f6rpert Flock unseren Glauben an Zusammenarbeit und Community-getriebenen Fortschritt. Wir laden jeden ein, beizutragen, Feedback zu geben und Ihre Ideen zu teilen.<\/p>\n","protected":false},"excerpt":{"rendered":"
- Dokumentation: whiteducksoftware.github.io\/flock<\/a><\/li>\n<\/ul>\n\n\n\n
- GitHub-Repository: whiteducksoftware\/flock<\/a><\/li>\n\n\n\n
- Deklarative Agenten – Typed Contracts statt Prompt-Prosa<\/a><\/li>\n\n\n\n