100monkeys.ai

Blog · Anleitung · 28. Oktober 2026

AEGIS auf einem frischen Ubuntu-VPS installieren und die erste freigegebene Aufgabe ausführen

Auch auf: English, Español, Português, 日本語, Français · Alle Anleitungen auf Deutsch

Offenlegung: Wir bei 100monkeys.ai entwickeln AEGIS, lesen Sie diese Anleitung also als Bericht des Herstellers. Einer unserer KI-Agenten hat sie aus der öffentlichen AEGIS-Dokumentation unter docs.100monkeys.ai entworfen, das Unternehmen hat sie geprüft; diese deutsche Fassung ist eine Übersetzung der englischen Originalanleitung. Jeder Befehl unten ist aus dieser Dokumentation oder von unserer Startseite kopiert. Wir haben genau diese Abfolge für diese Anleitung nicht auf einem frischen VPS ausgeführt, und wo sich die Dokumentation widerspricht, sagen wir das, statt zu raten.

AEGIS by 100monkeys.ai, in beta, ist ein selbst gehosteter Orchestrator, der autonome Agenten in isolierten Laufzeitumgebungen mit durchgesetzten Richtlinien und dauerhaftem Zustand ausführt. Diese Anleitung bringt einen frischen Ubuntu-Server zu einem laufenden lokalen Stack und führt dann einen Agenten hinter einem menschlichen Freigabe-Gate aus: Die Arbeit des Agenten hält an und wartet, bis Sie mit Ja antworten.

Bevor Sie beginnen

Wissen Sie, wofür die Schnellinstallation gedacht ist. Die Seite Getting Started sagt es klar: aegis init "is designed for local testing and evaluation only. It uses an in-memory secrets store and does not deploy Keycloak (IAM) or OpenBao (secrets management)" (ist nur für lokale Tests und Evaluierung gedacht; es nutzt einen Secret-Speicher im Arbeitsspeicher und deployt weder Keycloak noch OpenBao). Die Seite Infrastructure Requirements nennt als IAM "None (unauthenticated)" und als TLS "None". Für die Produktion verweist die Dokumentation stattdessen auf das Repository aegis-deploy.

Behandeln Sie diesen Stack auf einem VPS also als privates Labor. Die Health-Checks der CLI verwenden standardmäßig den Host 127.0.0.1 und den Port 8088. Öffnen Sie diesen Port nicht ins Internet; erreichen Sie die Maschine per SSH.

Sie brauchen:

Schritt 1. Den Installer ausführen

Kopieren Sie die Zeile von 100monkeys.ai, wo sie abgedruckt ist, und führen Sie sie als Ihr normaler Benutzer aus:

curl -fsSL https://get.100monkeys.ai | bash

Lesen Sie das Skript gern vorher. Laut Dokumentation leitet https://get.100monkeys.ai auf install.sh im Branch main von aegis-orchestrator weiter. Unter Linux installiert es curl, ca-certificates und fuse3, falls sie fehlen, installiert libfuse3, wo das Binary es braucht, und installiert Docker Engine (docker-ce), wenn kein Docker vorhanden ist. Läuft Docker, aber Ihr Benutzer hat keinen Zugriff, fügt es Sie der Gruppe docker hinzu. Danach installiert es aegis nach /usr/local/bin/aegis und startet den Stack mit aegis up --tag <version>.

Um ein Release festzulegen, setzen Sie vor dem Ausführen AEGIS_VERSION auf einen Release-Tag; die Dokumentation listet jedes veröffentlichte Paket auf der Seite Releases.

Schritt 2. Binary und Stack prüfen

aegis --version
aegis status

aegis status meldet den Zustand des lokalen Stacks. Wurden Sie bei der Installation der Gruppe docker hinzugefügt, melden Sie sich ab und wieder an, damit neue Shells die Gruppe tragen.

Schritt 3. Die geführte Einrichtung ausführen und einen Modellanbieter wählen

aegis init

Der Assistent "prepares stack files, configures the node, starts Docker Compose services, verifies health, and can optionally load smoke-test agents" (bereitet die Stack-Dateien vor, konfiguriert den Knoten, startet die Docker-Compose-Dienste, prüft den Zustand und kann optional Smoke-Test-Agenten laden). Nehmen Sie den hello-world-Smoke-Test an, wenn er fragt; der nächste Schritt nutzt ihn. Die Konfiguration, die er schreibt, bildet die Modell-Aliasse default, smart, judge und tool-judge auf den gewählten Anbieter ab. Der hello-world-Agent nennt smart, und ein Alias, den der Knoten nicht abbildet, scheitert mit Model alias '<alias>' not found; beantworten Sie also die Frage nach dem Anbieter. Die Stack-Dateien landen in ~/.aegis, sofern Sie nicht --dir übergeben.

Schritt 4. hello-world einmal unbeaufsichtigt ausführen

Zeigen Sie, dass die Schleife funktioniert, bevor Sie ein Gate hinzufügen:

aegis task execute hello-world \
  --input '{"task": "Write a Python function that returns the Fibonacci sequence up to n."}' \
  --follow

--follow streamt die Iterationsereignisse. Der Agent erzeugt Code, führt die Validierung aus und ist entweder erfolgreich oder verfeinert über mehrere Iterationen, bis seine Validatoren bestehen.

Schritt 5. Einen Workflow mit einem Freigabe-Gate schreiben

Eine Freigabe ist in AEGIS ein Workflow-Zustand vom Typ kind: Human. Speichern Sie dies als approved-task.yaml. Es folgt der Form des Beispiels auf der Seite Building Workflows, reduziert auf einen Agenten und ein Gate:

apiVersion: 100monkeys.ai/v1
kind: Workflow
metadata:
  name: approved-task
  version: "1.0.0"
  description: "One agent drafts, a person approves, then the run completes."
spec:
  initial_state: DRAFT
  states:
    DRAFT:
      kind: Agent
      agent: hello-world
      timeout: 600s
      transitions:
        - condition: on_success
          target: APPROVE
        - condition: on_failure
          target: FAILED
    APPROVE:
      kind: Human
      prompt: |
        Draft:
        {{DRAFT.output}}

        Approve? (yes/no)
      timeout: 86400s
      transitions:
        - condition: input_equals_yes
          target: DONE
        - condition: input_equals_no
          target: FAILED
    DONE:
      kind: System
      command: "echo 'Approved'"
      transitions: []
    FAILED:
      kind: System
      command: "echo 'Rejected or failed'"
      transitions: []

Schritt 6. Deployen und einen Lauf starten

aegis workflow deploy ./approved-task.yaml --force
aegis workflow run approved-task \
  --input '{"task": "Write a Python function that returns the Fibonacci sequence up to n."}'

Der Run-Befehl gibt eine Execution-ID aus. Beobachten Sie sie:

aegis workflow logs <execution-id> --follow --verbose
aegis workflow executions get <execution-id>

Ist der Entwurf fertig, zeigt executions get den aktuellen Zustand als APPROVE (WAITING FOR HUMAN SIGNAL). Nichts nach dem Gate läuft, bis jemand antwortet.

Schritt 7. Den Entwurf lesen und antworten

aegis workflow signal <execution-id> --response yes

Antworten Sie stattdessen no, um den Lauf nach FAILED zu schicken. Ein Gate, das niemand beantwortet, läuft nach seinem Timeout ab; mit dem Standardverhalten wird der Lauf mit dem Grund human_input_timeout als fehlgeschlagen markiert.

Eines sollten Sie wissen: Die Dokumentation ist sich beim Wort nicht einig. Die Seite Human Approvals sagt, ein Ja-oder-Nein-Gate nehme die Antworten ["yes", "no"]; die Seite Building Workflows signalisiert --response approved; die CLI-Seite zeigt --response "approve". Wir verwenden yes, weil der Übergang input_equals_yes danach benannt ist. Bewegt sich der Lauf nicht, prüfen Sie executions get und versuchen Sie die anderen Formen.

Was diese Anleitung nicht abdeckt

Weiter

Für die Begründung hinter dem Gate lesen Sie How to give an orchestrator an approval step (auf Englisch). Was Sie rund um jeden Lauf aufzeichnen sollten, steht in Checkliste zur Nachvollziehbarkeit von KI-Agenten in Produktion. Wenn die Notizen und der Code Ihrer Agenten in einem Datensatz liegen sollen, den sie per MCP lesen und schreiben können, sehen Sie sich Claude Code per MCP mit Carbon Forge verbinden an.

AEGIS von 100monkeys.ai installieren