DeepSeek veröffentlicht Super-agent: Open-Source-Coding-Agent als Claude-Code-Konkurrent

Worum es geht

DeepSeeks Harness-Team hat am 31. Oktober einen Coding-Agenten namens Super-agent als Open Source veröffentlicht, unter der MIT-Lizenz. Er verbindet sich mit einem GitHub-Repository und kann zusätzlich Feishu-Gruppenchats überwachen (Feishu ist ein vor allem in China genutzter Team-Messenger). Berechtigte Teammitglieder schicken Anfragen über einen der beiden Kanäle, der Agent erledigt die Arbeit und meldet Ergebnisse dort zurück, wo die Anfrage gestellt wurde, gegebenenfalls als Pull Request (ein Änderungsvorschlag am Code, den andere prüfen und übernehmen).

Medien wie Bloomberg ordneten die Veröffentlichung laut Berichten als Angriff auf Anthropics Claude Code ein, kurz vor dem geplanten Börsengang von Anthropic. DeepSeek selbst bezeichnet das Projekt dagegen als Forschungssoftware, nicht als offizielles Produkt und nicht als produktionsreif. Die öffentliche Version unterscheidet sich außerdem vom System, das das Team intern nutzt.

Wie Super-agent arbeitet

Der Agent ist auf genau ein Repository ausgelegt. Eine anfragende Person aus dem freigegebenen Kreis stellt eine Aufgabe über GitHub oder Feishu. Daraus macht der Agent ein Arbeitspaket („Ticket“) mit eigener Sitzung und eigenem Arbeitsverzeichnis. Fortschritt oder Ergebnis erscheinen in der ursprünglichen Unterhaltung. Ein lokales Web-Panel zeigt Fälle, bei denen ein Mensch entscheiden muss.

Intern gibt es zwei Rollen:

• Router: eine dauerhaft laufende Sitzung, die Anfragen annimmt und gemeinsamen Kontext hält. Sie kann neue Anfragen annehmen, während andere noch laufen, sodass sich Aufgaben überlappen.
• Worker: getrennte Sitzungen, die die eigentliche Arbeit machen. Sie verfolgen auch Kommentare zu ihren Pull Requests.

Teams können Arbeit erlauben, die schriftlichen Regeln folgt. Die Voreinstellung ist aber ein Beobachtungsmodus: Das System zeichnet auf, was es von sich aus tun würde, führt es aber nicht aus. Betreiber können diese Vorschläge prüfen und erst danach die automatische Annahme aktivieren. So lassen sich Berechtigungen schrittweise einstellen und unerwünschte Aktivität begrenzen.

Einrichtung und Voraussetzungen

Das Setup ist nicht trivial. Laut Bericht von Blockonomi braucht es:

• einen eigenen GitHub-Nutzer mit Schreibrechten auf das Repository (github.com wird unterstützt, GitHub Enterprise Server nicht),
• Node.js 22.19 oder neuer (oder 24+), pnpm, Git 2.32+, Python 3.8+ und tmux,
• GitHub CLI 2.48+ sowie eine unterstützte Version von DeepSeek Harness,
• einen konfigurierten Modellanbieter,
• für Feishu optional einen Bot und lark-cli.

Ein separates Konto für den Agenten regelt GitHub-Identität und Signierung.

Das Sicherheitsrisiko

Der heikelste Punkt ist der Prozesszugriff. Router und Worker laufen mit vollem Zugriff als Betriebssystembenutzer des Betreibers. Ein Worker kann Programme per Pfad ausführen und das Home-Verzeichnis dieses Benutzers lesen. Die GitHub-Credential-Wrapper wählen zwar das Konto des Agenten, isolieren den Prozess aber nicht. Die GitHub-Identität des Agenten begrenzt also nicht seine lokalen Rechte.

DeepSeek empfiehlt deshalb ein eigenes OS-Konto, das nur die Zugangsdaten des Agenten enthält. Wegen des Zugriffs auf Teamchats und Repository-Aktivität sollten Teams außerdem genau prüfen, wer Anfragen stellen darf und welche Repository-Rechte gelten, und mit eng gefassten Aufgaben beginnen. Die README warnt zudem vor möglichen Fehlern und uneinheitlichen Engineering-Praktiken; man solle den Code vor dem Einsatz in anderer Umgebung prüfen und anpassen.

Zahlen und Resonanz

Am 1. November zeigte GitHub 6,6k Sterne und 652 Forks. Laut Blockonomi belegt das frühes Interesse, aber keine Leistung. Das Repository enthält keinen Vergleichs-Benchmark zu Genauigkeit, Geschwindigkeit oder Zuverlässigkeit und keinen Beleg, dass Super-agent mit Claude Code mithalten kann.

Einordnung

Super-agent ist weniger ein neues Modell als ein Arbeitsrahmen: Er zeigt, wie ein Agent in den Teamalltag aus Issues, Chats und Code-Review eingebunden werden kann – mit einem sinnvollen vorsichtigen Standard (Beobachtungsmodus). Für Entwicklerteams mit Interesse an Agenten-Orchestrierung ist das Projekt ein spannender Baukasten, für den produktiven Einsatz aber bewusst noch nicht gedacht. Als „Claude-Code-Killer“ taugt es nach aktueller Faktenlage nicht, solange Leistungsvergleiche fehlen. Kritisch sind die weitreichenden Systemrechte; ohne Isolation ist das Risiko für Zugangsdaten real. Offen bleibt, wie sich die öffentliche Version zur internen entwickelt. Hinweis: Die weiteren mitgelieferten Quellen zu DeepSeek V3.1 und dem Inferenz-Framework DeepInfer betreffen andere Geschichten und sind hier nicht eingeflossen.