Systemadministratoren und Entwickler können AgentGPT mithilfe von Docker und Docker Compose in wenigen Minuten auf eigener Infrastruktur bereitstellen. Durch das Self-Hosting auf lokalen Servern oder in einer internen Virtual Private Cloud (VPC) behalten Unternehmen die vollständige Kontrolle über Zielvorgaben, Zwischenschritte der Argumentationskette, Prompt-Verläufe und Datenbankeinträge. So wird verhindert, dass vertrauliche Betriebskontexte an öffentliche mandantenfähige SaaS-Plattformen abfließen.
Dieser Leitfaden beschreibt die Systemarchitektur, die technischen Voraussetzungen, die automatisierte sowie die manuelle Container-Bereitstellung, sicherheitsrelevante Härtungsmaßnahmen und betriebliche Abwägungen bezüglich des Software-Lebenszyklus.
Systemarchitektur und Funktionsweise
AgentGPT koordiniert rekursive autonome Agentenzyklen über einen modularen, containerisierten Multi-Tier-Stack:
- Frontend-Dienst (
frontend): Eine auf Next.js 13, TypeScript, Tailwind CSS und HeadlessUI basierende Webanwendung auf Port3000. Sie stellt die Benutzeroberfläche bereit, über die Agenten konfiguriert, Hauptziele vorgegeben, Teilaufgaben in Echtzeit überwacht und Arbeitsergebnisse exportiert werden. - Backend-Engine (
platform): Ein Python-FastAPI-Dienst auf Port8000. Basierend auf LangChain steuert diese Komponente die Aufgabenzerlegung, Prioritätswarteschlangen, Ausführungs- und Bewertungszyklen sowie externe Tool-Aufrufe. - Persistenzschicht: Das Datenmanagement erfolgt über Prisma ORM im Frontend und SQLModel im Backend mit Anbindung an eine MySQL-Datenbank zur Speicherung von Konfigurationen, Sitzungen und detaillierten Protokollen.
- Externe Modellanbindung: Während Ablaufsteuerung und Zustandsdaten lokal auf dem privaten Docker-Host verbleiben, erfolgen Modellanfragen über ausgehende HTTPS-Aufrufe an die OpenAI-API (optional ergänzt durch die Serper-API für Websuchen oder Replicate für Bildgenerierung).
Systemvoraussetzungen
Vor Beginn der Installation sollte der Zielserver folgende Anforderungen erfüllen:
- Docker und Docker Compose: Docker Engine 20.10+ oder Docker Desktop mit aktiver Unterstützung für Compose v2.
- Git: Zum Klonen des offiziellen Quellcode-Repositorys.
- Node.js 18+: Erforderlich, falls das interaktive CLI-Setup-Skript genutzt wird.
- API-Zugangsdaten:
- Ein aktiver OpenAI-API-Schlüssel mit ausreichendem Kontingent (unterstützt GPT-4 oder GPT-3.5-turbo).
- (Optional) Ein Serper-API-Schlüssel zur Aktivierung autonomer Websuchen.
- (Optional) Ein Replicate-API-Token für Bildgenerierungsaufgaben.
Methode 1: Schnelle Bereitstellung über das automatisierte Setup-Skript
Das AgentGPT-Repository enthält einen interaktiven Installationsassistenten, der Umgebungsvariablen konfiguriert, Abhängigkeiten auflöst und Docker-Images automatisch kompiliert.
1. Repository klonen
git clone https://github.com/reworkd/AgentGPT.git
cd AgentGPT
2. Setup-Skript ausführen
Starten Sie das Skript passend zu Ihrem Betriebssystem:
- Linux / macOS:
./setup.sh - Windows (PowerShell oder Eingabeaufforderung):
setup.bat
3. Konfigurationsabfragen beantworten
Der Assistent fragt folgende Parameter ab:
- Ihren OpenAI-API-Schlüssel
- Optionale Zugangsdaten für Serper und Replicate
- Portfreigaben und Datenbankpräferenzen
Nach Abschluss der Container-Initialisierung rufen Sie http://localhost:3000 im Webbrowser auf, um die Weboberfläche zu öffnen.
Methode 2: Manuelle Bereitstellung mit Docker Compose
Für Produktionsserver, CI/CD-Pipelines oder automatisierte Server-Provisionierungen empfiehlt sich die deklarative Bereitstellung über standardmäßiges Docker Compose.
1. Repository klonen und Verzeichnis prüfen
git clone https://github.com/reworkd/AgentGPT.git
cd AgentGPT
Die Datei docker-compose.yml im Hauptverzeichnis definiert zwei Kernkomponenten: frontend (über ./next/Dockerfile) und platform (über ./platform mit Build-Target prod).
2. Umgebungsvariablen anlegen
Kopieren Sie die Vorlage für die Umgebungsvariablen an den geforderten Pfad:
cp .env.example ./next/.env
Öffnen Sie ./next/.env mit einem Editor und passen Sie die zentralen Parameter an:
# Begrenzung der Ausführungsschleifen gegen unkontrollierten Token-Verbrauch
NEXT_PUBLIC_MAX_LOOPS="50"
REWORKD_PLATFORM_MAX_LOOPS="50"
# Interne Netzwerkendpunkte
NODE_ENV="production"
NEXT_PUBLIC_BACKEND_URL="http://localhost:8000"
# Sitzungssicherheit
NEXTAUTH_SECRET="erstellen-sie-eine-sichere-mindestens-32-zeichen-lange-zeichenkette"
NEXTAUTH_URL="http://localhost:3000"
# Externe Schnittstellenschlüssel
OPENAI_API_KEY="sk-ihr-openai-api-schluessel"
SERPER_API_KEY="ihr-optionaler-serper-api-schluessel"
3. Container bauen und im Hintergrund starten
Bauen Sie die Images explizit und starten Sie die Dienste im Detached-Modus:
docker compose up --build -d
4. Dienststatus und Logs überprüfen
Prüfen Sie den Zustand der laufenden Container:
docker compose ps
Verfolgen Sie die Echtzeit-Logs zur Verifikation des Systemstarts:
docker compose logs -f
Öffnen Sie http://localhost:3000 im Browser, um den ersten privaten Agenten-Workflow zu starten.
Sicherheitshärtung für interne Unternehmensumgebungen
Die Standardkonfiguration ist auf die lokale Entwicklung ausgelegt. Für den Betrieb im Unternehmensnetz sollten Administratoren folgende Härtungsschritte umsetzen:
1. Port-Bindung auf Host-Ebene einschränken
Standardmäßig bindet Docker die Ports 3000 und 8000 an alle Netzwerkschnittstellen (0.0.0.0). Dadurch können unberechtigte Geräte im LAN direkt auf die Instanz zugreifen. Schränken Sie die Bindung in docker-compose.yml auf die lokale Loopback-Adresse (127.0.0.1) ein:
services:
frontend:
ports:
- "127.0.0.1:3000:3000"
platform:
ports:
- "127.0.0.1:8000:8000"
2. Reverse Proxy mit TLS-Terminierung vorschalten
Betreiben Sie einen Reverse Proxy wie Nginx, Traefik oder Caddy vor den Diensten, um SSL/TLS-Verschlüsselung sicherzustellen und zentrale Authentifizierung (SSO/OAuth) einzubinden. Beispielhafte Nginx-Konfiguration:
server {
listen 443 ssl http2;
server_name agent.internal.example.com;
ssl_certificate /etc/ssl/certs/internal.crt;
ssl_certificate_key /etc/ssl/private/internal.key;
location / {
proxy_pass http://127.0.0.1:3000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto https;
}
}
3. Strikte Schleifenbegrenzung erzwingen
Autonome Agenten neigen bei vagen Zielformulierungen zu endlosen Dekompositions- und Planungsschleifen. Definieren Sie NEXT_PUBLIC_MAX_LOOPS und REWORKD_PLATFORM_MAX_LOOPS stets restriktiv (z. B. zwischen 20 und 50), um Ihr API-Budget vor unkontrolliertem Verbrauch zu schützen.
4. Datensicherheitsgrenzen definieren
Das Self-Hosting von AgentGPT gewährleistet, dass Anwendungslogik, Ausführungsprotokolle, Agentenstatus und Datenbanktabellen innerhalb Ihrer Sicherheitsgrenzen verbleiben. Allerdings werden die Aufgabenbeschreibungen und Prompt-Kontexte weiterhin über das Internet an OpenAI übertragen. Für streng vertrauliche Workloads empfiehlt sich die Einbindung eines unternehmensinternen Azure-OpenAI-Private-Endpoints oder eines ausgehenden Proxys mit Data-Loss-Prevention-(DLP)-Filtern.
Software-Lebenszyklus und Wartungsüberlegungen
Vor der Etablierung von AgentGPT als dauerhafter Automatisierungsstandard sollten IT-Verantwortliche den aktuellen Status des Projekts berücksichtigen:
- Archivierungsstatus: Das Open-Source-Repository
reworkd/AgentGPTauf GitHub wurde Anfang 2026 nach Verlagerung der Entwicklerprioritäten offiziell archiviert (Read-Only). Die Codebasis ist für isolierte Machbarkeitsstudien (PoCs) und gezielte Aufgabenläufe stabil, erhält jedoch keine künftigen Upstream-Sicherheitsupdates mehr. - Fixierung von Abhängigkeiten: Wenn Docker-Images aus dem Quellcode gebaut werden, sollten die Basis-Images sowie alle Python- und Node-Pakete auf feste Versionsstände eingefroren werden, um künftige Build-Fehler zu vermeiden.
- Weiterentwicklung zu modernen Frameworks: Für hochgradig vernetzte, unternehmenskritische Multi-Agenten-Systeme mit fortlaufender Tool-Integration und Human-in-the-loop-Freigaben empfiehlt sich der parallele Vergleich mit aktiv gepflegten Frameworks wie CrewAI, AutoGen oder LangGraph.