Roadmap

Ziel: Aufbau eines KI-gestützten Connector-Hubs — Standalone (Portal-Assistent), Copilot (in Host-System eingebettet), Hub (zentrale systemübergreifende Orchestrierung). Prinzipien: Anbieterunabhängig (keine Herstellerbindung), minimale Abstraktion, protokollorientiert, connector-first (Integration ist der Kernwert).

​

Produktvision

Standalone   → Dein eigener KI-Assistent (Portal)
Copilot      → KI eingebettet in ein Host-System (iframe / Widget / Embed)
Hub          → Zentrale systemübergreifende Orchestrierung (Portal / API)

​

Ausgelieferte Versionen

​

v0.1 (2026-02-22) — MVP: ReAct + DAG Planner

• ReActAgent mit Tools (calculator, python_exec, web_search)
• DAG Planner (LLM generiert Abhängigkeitsgraphen)
• Portal UI mit Streaming + KaTeX

​

v0.2 (2026-02-24) — Multi-Modell + Speicher

• Wiederholung / Ratenbegrenzung / Nutzungsverfolgung
• Native Funktionsaufrufe (kein reines JSON-Parsing)
• Multi-Modell-Unterstützung (schnelles + Haupt-LLM)
• Speicher: WindowMemory, SummaryMemory
• FastAPI-Backend mit SSE-Streaming

​

v0.3 (2026-02-25) — Web Tools + MCP

• Web tools (web_search, web_fetch) via Jina/Tavily/Brave
• File operations tool
• MCP client (standard tool integration)
• Tool auto-discovery + categories
• DAG visualization with click-to-scroll
• Code exec in Docker (--network=none)

​

v0.4 (2026-02-25) — Multi-Turn + Agenten

• Multi-Turn-Konversationen (DbMemory)
• Tool-Schritt-Faltungs-UI
• HTTP-Anfrage + Shell-Exec-Tools
• Agenten-Management (erstellen, konfigurieren, veröffentlichen)
• JWT-Authentifizierung
• Pro-Agenten-Ausführungsmodus + Temperaturkontrolle

​

v0.5 (2026-02-28) — Full RAG + Grounded Gen

• Full RAG pipeline (embedding + vector store + FTS + RRF + reranker)
• Grounded Generation (citations, conflict detection, confidence scores)
• Knowledge base document management (CRUD, search, retry, schema migration)
• ContextGuard + pinned messages (token budget manager)
• DbMemory persistence + LLM Compact
• DAG Re-Planning (up to 3 rounds)

​

v0.6 (2026-03-01) — Connector-Plattform

• Connector CRUD: erstellen, lesen, aktualisieren, löschen
• ConnectorToolAdapter: konvertiert Connector → BaseTool
• Benutzer-spezifische Anmeldedaten: AES-GCM-Verschlüsselung
• Bestätigungsgate: Genehmigung von Schreibvorgängen
• Audit-Protokollierung: alle Tool-Aufrufe werden aufgezeichnet
• Circuit Breaker: elegante Verschlechterung bei Ausfällen
• Utility-Tools: email_send, json_transform, template_render, text_utils
• Embedding-Optionen: Jina, OpenAI, benutzerdefinierte Anbieter

​

v0.7 (2026-03-06) — Admin-Plattform + Multi-Mandant

• Admin-Plattform: Benutzerverwaltung, Rollenwechsel, Passwort-Zurücksetzen, Konto aktivieren/deaktivieren
• Nur-auf-Einladung-Registrierung: drei Modi (offen/Einladung/deaktiviert) + Einladungscode CRUD
• Speicherverwaltung: Festplattennutzung pro Benutzer, Löschen, verwaiste Bereinigung
• Gesprächsmoderation: Admin-Liste/Löschen aller
• Erzwungenes Logout pro Benutzer: alle Token widerrufen
• API-Gesundheits-Dashboard: Systemstatistiken, Connector-Metriken
• Assistent für die erste Einrichtung: geführte Admin-Kontoerstellung
• Persönliches Zentrum: globale Anweisungen pro Benutzer, Spracheinstellung
• JWT-Authentifizierung: Token-basierte SSE-Authentifizierung, Gesprächseigentum
• Globale MCP-Server: von Admin bereitgestellt, in allen Sitzungen geladen
• Rückwärtskompatibilität: registration_enabled → registration_mode automatische Migration

​

v0.7.x (2026-03-07 bis 2026-03-12) — Stabilität + Verbesserungen

• Einladungscode-Verwaltung
• Pro-Benutzer-Kontingente (429-Durchsetzung)
• Strukturiertes Audit-Logging
• Filterung sensibler Wörter
• Admin-Anmeldungsverlauf
• Admin-Dateibrowser
• Erweiterte Admin-Ansichten (Felder model_name, tools, kb_ids)
• Docker Compose-Bereitstellung (einzelnes Image, benannte Volumes)
• OAuth-Autoekennung aus window.location
• Unterstützung für erweitertes Denken / Reasoning (LLM_REASONING_EFFORT, LLM_REASONING_BUDGET_TOKENS) für OpenAI o-Serie, Gemini 2.5+, Claude
• Admin pro Werkzeug aktivieren/deaktivieren (deaktivierte Werkzeuge zur Laufzeit aus Chat ausgeschlossen)
• MCP-Server-Verwaltung auf Connectors-Seite verschoben
• Duale Datenbankunterstützung: SQLite (Null-Konfiguration Standard) + PostgreSQL (Produktion); Docker Compose stellt PostgreSQL automatisch bereit
• Dokumentationsseite zur Modellkonfiguration mit erweitertem Thinking-Setup pro Anbieter
• SSE-Protokoll v2: Echtzeit-Antwort-Streaming mit delta_reasoning-, usage-Feldern und aufgeteilten done-/suggestions-/title-/end-Ereignissen; SQLite-Pool-Größe 5 -> 20
• AI Builder-Erweiterung: 7 neue Builder-Werkzeuge (GetSettings, TestConnection, ImportOpenAPI für Connectors; ListConnectors, AddConnector, RemoveConnector, SetModel für Agenten), is_builder-Flag auf Agenten, automatische Builder-Prompt-Aktualisierung, SSRF-Schutz
• SSE v2 Frontend: Streaming-Punkt-Puls-Cursor, DAG-Neuplan-Runden-Snapshots als einklappbare Karten, DAG-Layout entkoppelt von Schrittständen
• Konzeptdokumentationsseite für AI Builder mit Connector- und Agent-Builder-Leitfäden
• Organisationssystem: vollständige CRUD mit rollenbasierter Mitgliedschaft (Besitzer/Admin/Mitglied), Admin-Verwaltungs-UI
• Dreiebenen-Ressourcensichtbarkeit (persönlich/Org/global) für Agenten, Connectors, Wissensdatenbanken, MCP-Server
• Veröffentlichungs-/Unveröffentlichungs-API für alle Ressourcentypen; Besitzerdelegation für veröffentlichte Agenten
• Admin-Set-Visibility-Endpunkt (ersetzt Clone-to-Global); einheitlicher build_visibility_filter()-Abfrage-Helfer
• Datenbank-Connectors (Phase 1-3): direkter SQL-Zugriff auf PG/MySQL/Oracle/SQL Server + chinesische Legacy-DBs; Schema-Introspection, KI-Anmerkung, schreibgeschützte Abfrageausführung, verschlüsselte Anmeldedaten, 3 Werkzeuge pro Connector (list_tables, describe_table, query)
• Evaluation Center: quantitative Agenten-Qualitätsbenchmarking — Test-Dataset CRUD (Prompt + erwartetes Verhalten + Assertions), Eval-Läufe (parallele Ausführung + LLM-Bewerter + Pro-Fall-Bestanden/Fehlgeschlagen/Latenz/Token-Ergebnisse), Ergebnis-Viewer mit automatischem Polling; Migration r8t0v2x4z567
• Drei Modellrollen (General/Fast/Reasoning) mit Pro-Tier-Umgebungskonfigurationsisolation; Fast-Modell erbt nicht mehr die Hauptmodell-Einstellungen
• StepOutput-Datenklasse ersetzt einfache String-Schrittergebnisse für strukturierte Daten und Artefakt-Übergabe
• Werkzeug-Cache für DAG-Ausführung — identische Werkzeugaufrufe pro Lauf gecacht mit asynchronem Lock-Stampede-Schutz (DAG_TOOL_CACHE)
• Pro-Schritt-LLM-Verifizierung mit 1 Wiederholung bei Fehler (DAG_STEP_VERIFICATION)
• Auto-Routing: schnelles LLM klassifiziert Abfragen als ReAct oder DAG; /api/auto-Endpunkt; Frontend 3-Wege-Modusumschalter (AUTO_ROUTING)
• Plattform-Organisation + Ressourcen-Abonnements: Integrierte Plattform-Org tritt automatisch allen Benutzern bei; Market-API zum Abonnieren gemeinsamer Ressourcen; Ressourcen-Abonnementtabelle; Org-basierte Ressourcenfreigabe ersetzt globale Sichtbarkeit
• Agent-Autoekennung und Sub-Agent-Bindung: discoverable-Flag auf Agenten; sub_agent_ids-Whitelist; CallAgentTool zum Delegieren von Aufgaben an Spezialisten-Agenten
• MCP-Server-Anmeldedaten + Pro-Benutzer-Überschreibung: mcp_server_credentials-Tabelle; PUT /api/mcp-servers/{id}/my-credentials-Endpunkt; allow_fallback-Flag für Anmeldedaten-Fallback-Verhalten
• Connector/KB-Umschalter: POST /api/connectors/{id}/toggle und POST /api/knowledge-bases/{id}/toggle zum Unterbrechen/Fortsetzen von Ressourcen
• Eigenständige KB-Gespräche: kb_ids-Feld auf Gesprächen für direkten KB-Chat ohne Agent-Bindung

​

Geplante Versionen

​

v0.8 — Konnektoren deklarative Konfiguration + Progressive Offenlegung

• Datenbank-Konnektoren: direkter SQL-Zugriff (PostgreSQL, MySQL, Oracle) (ausgeliefert in v0.7.x — Phase 1-3)
• RBAC: Konnektoren-Zugriffskontrolle pro Benutzer/Rolle (ausgeliefert in v0.7.x — Org-System + dreistufige Sichtbarkeit)
• Konnektoren-Anmeldedaten-Verschlüsselung + Außerkraftsetzung pro Benutzer: connector_credentials-Tabelle, Fernet-Verschlüsselung über CREDENTIAL_ENCRYPTION_KEY, allow_fallback-Flag, GET/PUT/DELETE /my-credentials-Endpunkte, Auflösung von Anmeldedaten pro Benutzer beim Laden von Chat-Werkzeugen
• Veröffentlichungs-Review-UI: Org-weites Veröffentlichungs-Review-System — Review-Toggle pro Org, ReviewsSheet mit Genehmigung/Ablehnung-Workflow, Status-Badges auf Ressourcen-Karten, Review-Hinweis im Veröffentlichungsdialog, erneute Einreichung für abgelehnte Ressourcen
• Konnektoren Progressive Offenlegung (Phase 1-2): einzelnes ConnectorMetaTool ersetzt pro-Aktion-Werkzeuge; System-Prompt erhält nur leichte Stubs (Name + 1-zeilige Beschreibung, ~30 Token/Konnektor vs. ~250 Token/Aktion); Agent ruft discover(connector) auf, um vollständiges Action-Schema bei Bedarf zu laden — Schema wird nur geladen, wenn das Modell einen Konnektor auswählt, wodurch das Prompt-Präfix für Caching stabil bleibt. Spiegelt Claude Code’s defer_loading: true internes Muster. execute-Unterbefehl; Feature-Flag für Rückwärtskompatibilität.
• Agent-Fähigkeits-System + Kompakte Anweisungen: On-Demand-Laden von Agent-Anweisungen — Skill-Modell (Name, Inhalt/SOP, optionale Skripte) an Agenten angehängt; im System-Prompt nur nach Name referenziert (~10 Token/Fähigkeit); Agent ruft read_skill(name) auf, um vollständigen Inhalt bei Bedarf zu laden. Reduziert Pro-Konversations-Anweisungs-Token-Kosten um ~80%, während umfangreichere SOP-Bibliotheken ermöglicht werden. Gegenstück zur Progressive Offenlegung von ConnectorMetaTool auf Anweisungsebene angewendet. Ermöglicht die Differenzierungsgeschichte „Anweisungen + Werkzeuge + Fähigkeiten”. Fügt auch compact_instructions-Feld zum Agent-Modell hinzu — Pro-Agent-Kompressionspriorität-Liste in ContextGuard beim Komprimieren eingefügt (z. B. „Bestellungs-IDs und Beträge beibehalten, rohe API-Antworten verwerfen”), ersetzt die aktuelle statische generische Eingabeaufforderung. Inspiriert von Claude Code’s Compact Instructions-Muster.
• YAML/JSON-Konnektoren-Konfiguration: Plattform generiert automatisch MCP-Server
• Konnektoren-Import/Export: Konnektoren-Vorlagen teilen
• Konnektoren-Fork: Klonen + Anpassung bestehender Konnektoren
• Datenbank-Konnektoren Phase 4: Enterprise-Treiber — Oracle (oracledb), SQL Server (aioodbc), 达梦 DM8 (aioodbc + DM ODBC), 南大通用 GBase (aioodbc + GBase ODBC)
• Nachrichtenversand: Lark, WeCom, Slack, E-Mail-Benachrichtigungsaktionen
• Workflow-Blueprint-System: Visueller Workflow-Editor zum Entwerfen und Ausführen mehrstufiger Automatisierungs-Blueprints — Workflow / WorkflowRun ORM-Modelle, vollständige CRUD + SSE-Ausführungs-API, Import/Export, WorkflowEngine mit topologischer Ausführung und 12 Knotentypen (Start, End, LLM, ConditionBranch, QuestionClassifier, Agent, KnowledgeRetrieval, Connector, HTTPRequest, VariableAssign, TemplateTransform, CodeExecution), React Flow v12 visueller Editor mit Drag-and-Drop-Palette und Knotenkonfigurationspanel, Subprocess-basierte Code-Ausführungssicherheit
• Operationsaudit: detaillierte Protokollierung wer was getan hat — Admin-Review-Log-Audit-Tab hinzugefügt (Veröffentlichungs-Review-Trail pro Org/Ressource)
• Semantische Schema-Annotationen: Erweitern von Konnektoren-Schema-Feldern mit semantic_tag, description und pii-Flags; Annotationen in LLM-Werkzeugbeschreibungen angezeigt, damit der Agent die Feldabsicht versteht, ohne von Spaltennamen zu raten

​

v0.9 — Observability + Production Hardening

• Connector Progressive Disclosure (Phase 3-4): einheitliche ConnectorExecutor-Schnittstelle (API/DB/MCP hinter einer Abstraktion); Validierung von Aktionsparametern mit jsonschema; protokollagnostisches Discover/Execute
• Agent Trace Layer (Observability++): Anwendungsebenen-Run/Trace/Thread-Hierarchie für Agent-Debugging — jede Konversation → Trace, jeder LLM-Aufruf / Tool-Aufruf / DAG-Schritt → Span mit Input/Output/Tokens/Timing. Frontend-Trace-Viewer mit Timeline und erweiterbaren LLM-Call-Payloads. Dies geht über OTel (Infrastrukturebene) hinaus, um umsetzbares Agent-Loop-Debugging für Entwickler und Enterprise-Kunden bereitzustellen. OpenTelemetry-Export als optionale Datensenke. Modelliert nach LangSmiths Run/Trace/Thread-Konzepten — das branchenbewährte Muster für Agent-Observability.
• Metrics-Dashboard: Latenz, Erfolgsquote, Token-Nutzung, Connector-Call-Analytik — pro Agent, pro Benutzer, pro Organisation
• Circuit Breaker: exponentielles Backoff, Fehlererkennung
• Agent Hook System: Eine deterministische Durchsetzungsebene, die außerhalb der LLM-Schleife läuft — Hooks werden automatisch bei Tool-Events ausgeführt und können durch Agent-Anweisungen nicht umgangen werden. Drei Hook-Punkte: PreToolUse (validieren / blockieren vor Ausführung), PostToolUse (Nebenwirkungen nach Ausführung), SessionStart (dynamischen Kontext injizieren). Integrierte Hooks: automatisches Schreiben von ConnectorCallLog bei jedem Connector-Aufruf (derzeit manuell); Blockieren von Schreiboperationen, wenn die Organisation im Read-Only-Modus ist; automatisches Kürzen übergroßer DB-Abfrageergebnisse, bevor sie den Agent erreichen; Rate-Limiting pro Connector-Call-Häufigkeit. Benutzerdefinierte Hooks: pro-Agent YAML-Konfiguration (hooks:-Feld) mit Shell-Befehlen oder Python-Callables, die bei übereinstimmenden Tool-Events ausgelöst werden — gleiches Muster wie Claudes Code-Hooks. Wichtiges Designprinzip: Hooks sind für „muss immer passieren”-Logik, die niemals davon abhängen sollte, dass das LLM sich daran erinnert. Anweisungen sagen „alle Aufrufe aufzeichnen”; Hooks zeichnen sie tatsächlich auf. Anweisungen sagen „nicht im Read-Only-Modus schreiben”; Hooks blockieren es tatsächlich.
• Agent Workspace (Tool Output Offloading + Handoff): Wenn MCP / Connector / DB Tool-Antworten einen Schwellenwert überschreiten (Standard: 8K Zeichen), speichern Sie die vollständige Ausgabe automatisch in einer pro-Konversations-Workspace-Datei (workspace://tool_result_xxx.txt) und geben Sie eine gekürzte Vorschau + Datei-URI an den Agent zurück. Drei neue integrierte Tools: read_workspace_file(path, start_line, end_line) für selektiven Zugriff, list_workspace_files() für Entdeckung und write_handoff(summary) für Kontextwechsel — Agent schreibt eine strukturierte HANDOFF-Notiz (Fortschritt, was funktioniert hat, was fehlgeschlagen ist, nächster Schritt), bevor Kontextkompression oder Sitzungswechsel stattfindet; die nächste Agent-Instanz liest sie, anstatt sich auf die Zusammenfassungsqualität des Kompressionsalgorithmus zu verlassen. Spiegelt Claudes Code-Workspace- und Handoff-Muster. Verhindert Aufmerksamkeitsverlust bei großen Ergebnismengen und eliminiert stille Datenverluste durch Kürzung. Minimale Änderung: truncate_tool_output() in MCPToolAdapter und ConnectorToolAdapter erweitern, um in Workspace-Speicher zu schreiben.
• Sandbox Hardening: v2-Verbesserungen der Code-Ausführungsisolation
• Performance Testing: Concurrent-Load-Benchmarks
• MCP Connection Pooling: Pro-Request STDIO-Subprocess-Spawning skaliert nicht — 100 gleichzeitige Benutzer = 100 Subprozesse pro MCP-Server. Pool STDIO-Verbindungen mit pro-Benutzer-Env-Isolation (gekennzeichnet durch (server_id, env_hash)); SSE/HTTP-Transporte teilen httpx.AsyncClient-Sitzungen. Ziel: Sub-100ms Warm-Start für gepoolte STDIO, O(1) HTTP-Verbindungen pro MCP-Server unabhängig von der Benutzeranzahl
• Geplante Jobs + Event-getriggerte Agenten (Loop): Cron-ähnliche Background-Task-Trigger; scheduled_jobs + job_runs DB-Tabellen; APScheduler-Integration; Job CRUD API + Job-Verlauf UI; Ergebnisbenachrichtigung über Message-Push-Connectoren. Der Umfang umfasst sowohl zeitgesteuerte (Cron) als auch ereignisgesteuerte (Webhook-Eingang) Muster — ein Agent, der asynchron im Hintergrund läuft, IST der Async-Sub-Agent-Anwendungsfall für Hub-Modus.
• DB Schema Advanced Builder: KI-gesteuerte Schema-Management-Agent für großskalige Datenbanken — strategische Tabellenannotation (musterbasiert, SQL-Ausführungs-informiert), Bulk-Sichtbarkeitsverwaltung nach Domain-Präfix, iterative Multi-Round-Annotation für 1K–7K+ Tabellenbereitstellungen; ergänzt bestehenden Batch-Annotation-Job mit Selektivität und Business-Context-Reasoning

​

v1.0 — Hot-Plug + Embeddable

• Connector Progressive Disclosure (Phase 5): Semantic-Guided Tool Selection (Entity-Extraktion aus Abfrage → Ontology Registry-Lookup → Connector-Set-Reduktion; 90%+ Token-Reduktion für 50+ Connector-Bereitstellungen); Scale-Modus für Batch-/ETL-Connectoren; CLI-ähnliche universelle connector <name> <action> <params> Schnittstelle
• Cross-Connector Entity Alignment (Ontology Registry): Definieren Sie gemeinsame Entity-Typen (Customer, Order, Asset) mit Feld-Mappings über Connectoren hinweg; DAGPlanner löst Cross-System JOIN-Schlüssel automatisch auf; ermöglicht Cross-Connector-Abfragen (z. B. „Kunden in Salesforce, die in Shopify bestellt haben”) ohne hartcodierte Feldnamen
• Hot-plug Connectoren: OpenAPI-Spec hochladen, KI generiert Konfiguration, live in 5 Minuten (kein Neustart)
• Connector-Marketplace: Von der Community geteilte Vorlagen
• Eingebettetes Widget: <script src="fim-one.js"> in Host-Seite injiziert
• Page Context Injection: Widget liest Host-Seiten-Kontext (aktuelle ID, URL, DOM-Selektoren)
• Erweiterte Trigger: Webhook-Inbound-Events; Verbesserungen bei geplanten Jobs (Multi-Timezone, Kalender-bewusst)
• Batch-Ausführung: Verarbeitung von 1000+ Elementen über DAG
• Enterprise-Sicherheit: IP-Whitelisting, Verschlüsselung im Ruhezustand, SSO
• KB Advanced Editor: Builder-Mode-Agent für Power-User, die große Knowledge Bases verwalten — Massen-URL-Aufnahme, Duplikat-Erkennung, Gap-Analyse, Document-Lifecycle-Management; erweitert vorhandenen KB-KI-Chat mit ReAct-Tool-Loop

​

Gefrorene Funktionen (Ausgeliefert, nur Wartung)

​

Überlegungen (Auf unbestimmte Zeit verschoben)

​

Wie Versionen mit Modi übereinstimmen

​

Ressourcenallokation (v0.8–v1.0)

​

Metrik-gesteuerte Meilensteine

​

Offene Fragen / TBD

• Marketplace-Moderation: Wie können Community-Konnektoren validiert werden? (v1.0)
• Token-Ökonomie: Wie können Multi-User-, Multi-Agent-Szenarien bepreist werden? (v1.0)
• Telemetrie-Opt-out: Wie können Datenschutzpräferenzen berücksichtigt werden? (v0.8)
• Konnektor-Versionierung: Wie können Breaking Changes in Konnektor-APIs verwaltet werden? (v0.8)
• Rate Limiting: Pro Konnektor, pro Benutzer oder global? (v0.8)