Indiens Soket AI hat LOOP als Open Source veröffentlicht, ein Rust-Harness für wochenlang laufende KI-Agenten

Ein indisches KI-Forschungslabor und Startup der IndiaAI Mission, das agentische Infrastruktur aufbaut.

Dass Organisationen in den Bereichen Cybersicherheit, Bankwesen, Finanzen und Verteidigung ein offenes Harness, das sie selbst kontrollieren, geschlossenen Tools wie Codex und Claude Code vorziehen werden.

Soket AI, ein von Abhishek Upperwal gegründetes Startup der IndiaAI Mission, entwickelte LOOP auf der Grundlage des Arguments, dass „ein starkes Modell allein keine Spitzenleistung erreichen kann – je länger es läuft, desto wichtiger wird das Harness“, und entschied sich, das Harness als Open Source zu veröffentlichen, statt es proprietär zu halten.

Die Vorschauversion, in Rust für geringe Latenz und parallele Tool-Ausführung entwickelt, verbindet sich über ihre Basis-URL mit jedem Modell; Entwickler können Sitzungen verzweigen, pausieren und fortsetzen, den Verlauf durch Kontextkomprimierung bewahren, Aufgaben auf Agenten verteilen, die sich einen Speicher teilen, und Arbeit von rootlosen Containern bis hin zu MicroVMs isolieren. Sie unterstützt Slash-Command-Skills und -Vorlagen sowie das Model Context Protocol, einschließlich des Bereitstellens eigener MCP-Tools von Entwicklern.

Die Kategorie des agentischen Codierens und Ausführens wird von den geschlossenen Tools der Modellanbieter dominiert (Codex, Claude Code); eine offene Alternative stellt eine echte Positionierungslücke dar.

Regulierte Arbeitslasten – Cybersicherheit, Bankwesen, Finanzen, Verteidigung – legen Wert auf Kontrolle über Infrastruktur und Daten, was Open Source zu einem Produktmerkmal macht.

Modellagnostisch über die Basis-URL und MCP-kompatibel (einschließlich des Bereitstellens eigener Tools) reitet es auf den Modellen, die gewinnen.

Die selbst gemeldeten Effizienzwerte (7,7-mal weniger RAM, 17-mal weniger lokale CPU) zielen auf einen echten Schmerzpunkt von Entwicklern: den Ressourcenbedarf des Harness, wenn Agentenflotten skalieren.

Wenn der Wert auf die Ebene über dem Modell wandert, kann ein kleines Labor mit den eigenen Tools der Modellanbieter konkurrieren, indem es diese Ebene als Open Source veröffentlicht und harte Effizienzwerte publiziert.

Zum Start am 7. Oktober 2026 war LOOP als Entwicklervorschau auf GitHub für Linux, macOS und Windows verfügbar. Soket erklärte, es baue Sandboxing, Personas, Multi-Agenten-Systeme, geschichteten Speicher, Remote-Agenten, vertrauenswürdige Remote-Sandboxes und Gruppenchat für Agenten; der Benchmark umfasste nur den Harness-Prozess und schloss Remote-Inferenz aus.