NVIDIA NemoClaw: Offener Agenten-Stack rund um das bereits genutzte Harness

Was NemoClaw ist und was nicht

NVIDIA betont, dass NemoClaw weder ein konkurrierendes Harness noch eine Runtime ist. Es handelt sich um eine Sammlung von Blueprints, die auf dem vom Entwickler gewählten Harness einen offenen Agenten-Stack aufbauen. Ein Agent braucht nach Darstellung von NVIDIA vier Dinge: ein Modell, das schlussfolgert, ein Harness, das festlegt, wie der Agent arbeitet, Tools und Skills, die seine Fähigkeiten erweitern, und eine Runtime, die im Produktivbetrieb regelt, worauf der Agent zugreifen und was er tun darf.

Jeder Blueprint vereint vier Komponenten:

• Ein abgestimmtes offenes Harness wie Hermes Agent, LangChain Deep Agents oder OpenClaw, optimiert für den Einsatz mit NVIDIA Nemotron.
• Offene Nemotron-Modelle.
• NVIDIA-NeMo-Tools zur Optimierung, darunter NVIDIA NeMo Relay zum Beobachten und Verbessern der Agentenausführung sowie Routing-Funktionen, die Durchsatz, Kosten und Zuverlässigkeit verbessern können.
• NVIDIA OpenShell, die sichere Runtime, die den Zugriff des Agenten auf Dateien, Netzwerke, Zugangsdaten und Tools regelt.

Die drei unterstützten Harnesses setzen unterschiedliche Schwerpunkte. OpenClaw kann auf Dateien und Anwendungen zugreifen, Code schreiben, Sub-Agenten starten und Kontext über Sitzungen hinweg behalten. Hermes Agent von Nous Research ist darauf ausgelegt, durch den Einsatz besser zu werden, indem korrigierte und wiederholte Arbeitsabläufe als wiederverwendbare Skills festgehalten werden. LangChain Deep Agents zielt auf komplexe, mehrstufige Aufgaben und kombiniert Planung, dateibasiertes Kontextmanagement, Speicher und die Delegation an spezialisierte Subagenten.

Das Harness auf das Modell abstimmen

Modell und Harness sollten nach Ansicht von NVIDIA aufeinander abgestimmt sein. Ist das nicht der Fall, fragt das Modell womöglich erneut nach Kontext, bricht zu früh ab oder dreht sich ohne Fortschritt im Kreis.

Als Beispiel nennt das Unternehmen, dass LangChain sein Deep-Agents-Harness für Nemotron 3 Ultra angepasst hat, und zwar über Prompts, Tools und Middleware, ohne das Modell neu zu trainieren. Laut NVIDIA brachte das Nemotron 3 Ultra, ausgehend von einer bereits starken Basis, auf nahezu Frontier-Niveau, bei etwa zehnfach niedrigeren Kosten pro Durchlauf im Vergleich zu führenden proprietären Modellen. Der NemoClaw-Blueprint für LangChain Deep Agents bündelt diese Optimierungen, sodass Entwickler, die diese Kombination nutzen, die Abstimmungsarbeit nicht selbst wiederholen müssen. Das abgestimmte Modellprofil ist über LangChain auf GitHub verfügbar.

NVIDIA trennt außerdem die Rollen von Harness und Blueprint. Ein Harness ist der Ort, an dem Entwickler Skills, Tools, Speicher und Orchestrierungslogik aufbauen und ausprobieren. Ein Blueprint dient dazu, einen spezialisierten Agenten auf einem offenen Stack zusammenzusetzen und zu betreiben, mit abgestimmtem Harness, Modellen, Optimierung, Telemetrie und den Kontrollmechanismen der OpenShell-Runtime.

Governance und ein Beispiel als Chief of Staff

Jede NemoClaw-Referenz enthält OpenShell, das Sicherheit und Richtliniendurchsetzung rund um Harness und Tools ergänzt. Laut NVIDIA zeigt das OpenShell-Tutorial, wie sich eine erste Richtlinie erstellen lässt, die den Abfluss von Daten zu GitHub verhindert. Die NemoClaw-Referenzen enthielten zudem anspruchsvollere Richtlinien, die Verbindungen über zahlreiche interne Tools, Websites und Kommunikationskanäle hinweg abdecken.

Das NemoClaw-Community-Repository enthält ein speichergesteuertes Chief-of-Staff-Rezept, umgesetzt als einsatzfähiges Hermes-Profil. Der Agent führt ein dauerhaftes, für Menschen lesbares Modell der Personen, Projekte, Prioritäten und Arbeitsmuster, auf die er trifft, und muss den Kontext deshalb nicht bei jeder Aufgabe neu aufbauen. OpenShell regelt seinen Zugriff auf Dateisystem, Prozesse und Netzwerk und hält die Zugangsdaten für verwaltete Inferenz und Verbindungen über das Model Context Protocol (MCP) außerhalb der Sandbox. Laut NVIDIA bleibt der Agent so auch dann an die Richtlinien gebunden, wenn sein Speicher oder abgerufener Kontext ihn zu einer unbeabsichtigten Aktion verleitet.

NeMo Relay ist nativ in die Hermes-Sitzung integriert. Es schließt Trace-Spans an echten Sitzungsgrenzen wie einer neuen Sitzung, einem Reset oder einem Ablauf und exportiert die entstandenen Trajektorien für Audits und weitere Optimierung.

Wo Agenten laufen und wie der Einstieg gelingt

NemoClaw-Agenten können in der Cloud, in Rechenzentren, auf NVIDIA DGX Spark sowie auf NVIDIA-RTX-PCs und -Workstations laufen. Laut NVIDIA können ein klinischer Agent für ein Krankenhaus und ein Simulationsagent für die Elektronikentwicklung (Electronic Design Automation) denselben Stack nutzen und dabei völlig unterschiedliche Tools und Skills einsetzen. Sie können auch neben Frontier-Agenten arbeiten: Agenten wie Claude, Codex oder Cursor können domänenspezifische Teilaufgaben an NemoClaw-Spezialisten delegieren, die auf offenen Modellen und eigener Infrastruktur laufen.

Für Entwickler, die bereits eines der drei Harnesses nutzen, lautet das Angebot: Modelloptimierung, Telemetrie und Governance hinzufügen, ohne von vorn zu beginnen. NVIDIA verweist auf den DLI-Kurs „Deploy Secure Agents with NemoClaw“, eine Einführung auf 101-Niveau, auf einen NemoClaw-Schnellstart zum Bereitstellen eines Agenten über einen Blueprint sowie auf das NemoClaw-GitHub-Repository mit Beispielen und weiteren Blueprints.