Replit startet Missions zur Koordination von KI-Agenten für komplexe Geschäftsziele

Replit hat Missions gestartet, einen Dienst zur Koordination von Agentenschwärmen für komplexe Geschäftsziele, vom Gewinn von Unternehmenskunden bis zum Ersatz veralteter Software. Nutzer definieren das Ergebnis, das Budget und die Grenzen, während die Agenten den Weg dorthin planen, umsetzen, testen und iterieren.
- Replit Missions koordiniert Agentenschwärme anhand von Zielen, die Nutzer definieren.
- Nutzer kontrollieren Budgets, Grenzen und erforderliche Genehmigungen.
- Replit nutzte Missions, um die Überwachungsplattform DataCat in zwei Tagen zu bauen.
- Replit zufolge bestand DataCat 51 von 51 Prüfungen zur Datenkorrektheit und Zuverlässigkeit von Warnmeldungen.
- Eine selbst hostbare Version von DataCat soll als Open Source veröffentlicht werden.
Nutzer legen Ziel, Budget und Berechtigungen fest
Missions ist für Aufgaben gedacht, für die Teams weder Zeit noch Kapazitäten haben. Ein Nutzer könnte etwa als Mission definieren, die ersten 10 zahlenden Unternehmenskunden zu gewinnen, ohne im Voraus festzulegen, welche Branchen angesprochen, welche Käufer kontaktiert oder welches Kundenproblem priorisiert werden soll. Bei der Einrichtung fragt Missions, wie der Erfolg gemessen werden soll. Dabei lässt sich beispielsweise festlegen, ob bezahlte Pilotprojekte zählen oder ob unterzeichnete Jahresverträge mit einem Mindestwert erforderlich sind.
Der Dienst nutzt außerdem eine Missions-Vereinbarung, um ein Ausgabenlimit festzulegen und Aktionen zu definieren, die eine Genehmigung erfordern. Replit nennt als Beispiel ein Limit von $1,000, bei dem Agenten erst nach einer Genehmigung Interessenten kontaktieren, ein Angebot teilen, kundenseitige Vertriebsmaterialien ändern oder Produktzusagen machen dürfen. Diese Einschränkungen bleiben bestehen, während sich die Mission weiterentwickelt.
Agentenschwärme arbeiten parallel und passen sich an
Agenten können Accounts recherchieren, maßgeschneiderte Demonstrationen erstellen und Kontaktaufnahmen zur Prüfung vorbereiten. Sie können parallel arbeiten und anschließend Antworten sowie gemeinsame Erkenntnisse nutzen, um die nächsten Schritte zu steuern. Eine Mission könnte sich beispielsweise auf eine Branche mit stärkerem Interesse konzentrieren, eine Demonstration an eine wiederkehrende Frage von Käufern anpassen oder eine Botschaft ändern, die nur wenige Antworten erhält.
Replit zufolge können Agentenschwärme auch bei der Optimierung helfen, indem sie mehrere Implementierungen gleichzeitig untersuchen. In 13 NumPy-Benchmark-Aufgaben erzielte ein einzelner Auto (Max)-Agent Beschleunigungen von bis zu 4×, verglichen mit 17× bei einem Schwarm aus 16 Agenten und 19× bei einem Schwarm aus 32 Agenten. Mit Auto (Power) lagen die entsprechenden Werte bei 2×, 7× und 9%. Replit zufolge zeigten die Tests, wie die parallele Untersuchung dabei helfen kann, schnellere Implementierungen zu finden und zugleich deren Korrektheit zu überprüfen.
Nutzer können wählen, ob sie Blockaden, Fortschrittsmeldungen und allgemeine Statusinformationen sofort, in einer täglichen Zusammenfassung oder wöchentlich erhalten. Ein unabhängiger KI-Judge prüft die Ergebnisse anhand der vereinbarten Erfolgskriterien. Die Mission gilt als abgeschlossen, sobald diese Kriterien erfüllt sind. Läuft das Budget zuerst aus, wird die Arbeit ungelöst beendet.
Replit nutzte Missions für den Bau von DataCat
Replit zufolge nutzte das Unternehmen Missions, um DataCat zu bauen, eine Plattform zur Anwendungsüberwachung, die auf der eigenen Infrastruktur betrieben und für diese angepasst werden soll. Innerhalb von zwei Tagen und mit einem Budget von $3,000 erstellten die Agenten Dashboards, Warnmeldungen, Anwendungs-Tracing, einen Agenten zum Sammeln von Überwachungsdaten und Tracing-Bibliotheken. Replit zufolge löste DataCat bei einem absichtlich eingeführten Datenbankfehler nach 38 Sekunden eine Warnung aus und unterbot damit das Ziel von 60 Sekunden. Zudem führte das System den Fehler auf die exakte Datenbankabfrage und deren Logs zurück.
Während eines dreistündigen Lasttests speicherte DataCat 26 Millionen Aktivitätsdatensätze von Anwendungen und 4.4 Millionen Logeinträge, ohne Daten zu verlieren. Replit zufolge bestanden alle 36 Prüfungen zur Datenkorrektheit und alle 15 Prüfungen zur Zuverlässigkeit von Warnmeldungen. In einer umfassenderen Zusammenfassung meldet das Unternehmen außerdem, dass 51 von 51 Prüfungen bestanden wurden, dass in vergleichbaren Node.js-Tests 39% mehr Anfragen bei 51% weniger Prozessoraufwand für die Überwachung verarbeitet wurden und dass DataCat mit Postgres 49,000 Traces pro Sekunde erreichte, verglichen mit 9,800 bei einem Claude-Code-Build.
Replit weist darauf hin, dass die kontrollierten Tests keine Aussage über die Leistung im Vergleich zum gehosteten Dienst der ursprünglichen Plattform oder auf den Produktionssystemen von Replit erlauben. Das Unternehmen will eine selbst hostbare Version von DataCat als Open Source veröffentlichen und Nutzern damit ein konkretes Beispiel für die Art von Arbeit geben, die Missions unterstützen soll.
Replit: Introducing Replit Missions


