GroutCode setzt beim Agenten-Loop an, statt einem Editor ein Chat-Panel anzuflanschen. Jeder Tool-Aufruf wird beim Streamen gerendert, Shell-Befehle laufen durch eine Freigabe, und Editor, Git und Terminal sitzen im selben Fenster.
Wähle so viel Autonomie, wie die Aufgabe verdient.
Agent
Autonome Ausführung. Der Agent liest, bearbeitet, führt Befehle aus und iteriert, bis die Aufgabe erledigt ist — jeder Tool-Aufruf wird dabei sichtbar gerendert.
Plan
Erst prüfen, dann laufen lassen. Der Agent schreibt ein Plandokument, das du freigibst oder änderst, bevor eine einzige Datei angefasst wird.
Ask
Schreibgeschützt. Er kann den Workspace durchsuchen und lesen, aber nicht schreiben — der richtige Modus, um eine fremde Codebasis zu verstehen.
Debug
Systematische Fehlersuche — reproduzieren, eingrenzen, Hypothese aufstellen, testen — statt aus dem Stacktrace eine Lösung zu raten.
Denken → Planen → Ausführen → Beobachten, mit gestreamten Tool-Parametern und Trajektorienkarten für Read, Write, Edit, Glob, Grep, Bash, Terminal und LSP. Du siehst der Arbeit zu, statt auf ein Ergebnis zu warten.
Shell-Befehle und Dateischreibvorgänge laufen durch eine Freigabe, die du kontrollierst. Nichts läuft auf deinem Rechner, nur weil ein Modell es für richtig hielt.
Ein Team-Lead zerlegt die Arbeit und verteilt Aufgaben an Spezialisten- und Reviewer-Agenten, die parallel laufen und untereinander eskalieren oder Rückfragen stellen können. Presets für Engineering, Planung und Design sind eingebaut.
Ein echter Editor mit mehreren Tabs, Syntaxhervorhebung, Inline-Diffs und einem Review-Panel für jede Änderung, die ein Agent vorschlägt, bevor sie landet.
Status, Diff, Staging, Commit, Push und Branch-Wechsel direkt aus der Oberfläche, synchron mit den Änderungen des Agenten statt daneben.
Ein eingebettetes xterm.js-Terminal auf einem PTY — für deine eigenen Befehle und um dem Agenten zuzusehen. Terminalprofile und SFTP-Sitzungen inklusive.
Adapter für Anthropic, OpenAI und Gemini sowie jeder OpenAI-kompatible Endpunkt — Ollama, vLLM, ein Aggregator oder etwas Selbstgehostetes. Der Auto-Modus wählt das beste verfügbare Modell.
Model-Context-Protocol-Server für externe Tools, Skills von der lokalen Platte, Workspace-Regeln, eigene Subagenten und ein Plugin-Marktplatz mit LSP-Unterstützung.
Threads, Einstellungen und Plandokumente liegen als JSON und Markdown in deinem Benutzerdatenverzeichnis. Gesprächsverlauf und Repo-Zustand hängen an keinem Cloud-Dienst.
In Bildungssoftware gibt es die hartnäckige Versuchung, eine vereinfachte Version des professionellen Werkzeugs zu bauen — ein freundlicherer Editor, ein sanfteres Terminal, eine Sandbox, die den Compiler versteckt. Das fühlt sich fürsorglich an. Es produziert Absolventen, die nie mit dem gearbeitet haben, was ihr erster Arbeitgeber einsetzt.
GroutCode geht den anderen Weg. Es ist eine echte IDE-Oberfläche mit Monaco, einem echten PTY-Terminal, echtem Git und einem echten Agenten, der Befehle auf deinem Rechner ausführen kann. Die Hilfestellung steckt in den Laborpraktika — Lektionen in Schritten, Startdateien, compilergeprüfte Zwischenstände — nicht in einem verwässerten Werkzeug.
Wer zwei Jahre lang seine KTU- oder VTU-Laborarbeit in GroutCode gemacht hat, hat zwei Jahre in einer agent-first IDE mit Git, Terminal und Diff-Review verbracht. Der Wechsel auf ein professionelles Setup danach ist ein Logowechsel, kein Kompetenzwechsel.
Der Modellzugang läuft über eigene Keys, und durch die Local-First-Speicherung sind Threads, Einstellungen und Plandokumente Dateien auf deiner Platte. Wer an einem Laborrechner sitzt, kann auf einen lokalen Ollama-Server zeigen; ein Fachbereich kann auf das zeigen, was er ohnehin bezahlt. Nichts hängt an der Abrechnungsbeziehung eines einzelnen Anbieters.
Das ist das erklärte Ziel. GroutCode ist eine KI-native Desktop-IDE-Oberfläche mit Agenten-Loop, Monaco-Editor, Git, Terminal und Diff-Review in einem Workspace. Die Unterschiede: Der Modellzugang läuft über eigene Keys für Anthropic, OpenAI, Gemini und jeden OpenAI-kompatiblen Endpunkt, und Threads, Einstellungen und Pläne bleiben local-first.
Agent läuft autonom. Plan schreibt einen Plan, den du freigibst, bevor irgendetwas ausgeführt wird. Ask ist schreibgeschützt, um eine Codebasis zu verstehen. Debug folgt einem systematischen Zyklus aus Reproduzieren, Eingrenzen, Hypothese und Test. Den Modus wählst du pro Unterhaltung.
Ja, und genau deshalb gibt es eine Freigabe. Shell-Befehle und Dateischreibvorgänge werden zur Freigabe vorgelegt, mit einem Berechtigungsmodell, das du pro Workspace konfigurierst. Du kannst auch im Ask-Modus arbeiten, in dem der Agent überhaupt nicht schreiben kann.
Eingebaute Adapter für Anthropic, OpenAI und Gemini sowie jeder OpenAI-kompatible Endpunkt — das deckt Ollama und vLLM für lokale Modelle, Aggregatoren und selbst gehostete Dienste ab. Gestreamte Thinking-Blöcke werden bei Modellen unterstützt, die sie ausgeben, und der Auto-Modus wählt das beste verfügbare.
Ein Team-Lead-Agent zerlegt deine Anfrage in Aufgaben mit Zuständigkeiten und Abnahmekriterien und übergibt sie an Spezialisten-Agenten — Frontend, Backend, QA, Reviewer oder eigene Rollen — die parallel laufen und eskalieren oder einander Fragen stellen können. Presets für Engineering, Planung und Design sind eingebaut.
Ja. Adapter für Telegram, Slack, Discord und Feishu (Lark) lassen dieselbe Agenten-Laufzeit in einer Chat-Oberfläche antworten — mit Modell, Standardmodus, Workspace-Wurzeln, Nutzer- und Chat-Allowlists pro Integration und optionalem HTTP-Proxy.
Das Projekt steht unter der Apache License 2.0.
GroutCode gehört zu jedem Grout-Suite-Abonnement. Kostenloser Download für Windows und macOS.
GroutCode herunterladen