1   Was ist TealKit?

TealKit ist eine mobile und Desktop-KI-Agenten-Plattform, mit der du automatisierte KI-Workflows direkt auf deinem Gerät erstellen, planen und ausführen kannst. Es verbindet große Sprachmodelle (LLMs) über das Model Context Protocol (MCP) mit der realen Welt — einer standardisierten Schnittstelle für Werkzeuge, die Daten abrufen, Code ausführen, Dienste steuern und Dateien erstellen.

Wichtigste Fähigkeiten:

• Playground — ein interaktiver Chat zum Testen von Prompts, Werkzeugen und System-Prompts vor der Automatisierung
• Agenten — gespeicherte Workflows, die per Cron-Zeitplan, auf Anforderung oder verkettet nach einem anderen Agenten ausgeführt werden
• MCP-Werkzeuge — integrierte und Drittanbieter-Werkzeuge für Websuche, Dokumentenindizierung, SSH, Wetter, E-Mail, Diagramme und mehr
• Skript-Assistenten — KI-generierte JavaScript-, Python-, Bash- und PowerShell-Werkzeuge aus Klartextbeschreibungen
• Remote-MCP-Server — Verbindung zu cloud-gehosteten oder selbst-gehosteten MCP-Endpunkten von jeder Plattform, auch mobil
• Server-Modus — verbindet die mobile App mit einem persistenten Server, der Agenten 24/7 unabhängig vom Telefon ausführt
• Desktop (Windows / Linux) — volle lokale Werkzeugausführung inkl. Python-MCP-Generator, PowerShell-Skripte und System-Tray-Hintergrundautomatisierung

TealKit unterstützt OpenAI, Anthropic (Claude), Google Gemini, Mistral, Azure OpenAI, Ollama und jeden OpenAI-kompatiblen Endpunkt. Alle API-Schlüssel werden ausschließlich im sicheren Schlüsselbund des Betriebssystems gespeichert — nichts wird an TealKit-Server gesendet.

2   Startbildschirm

Der Startbildschirm ist der Ausgangspunkt. Von hier aus öffnest du den Playground für interaktive Sitzungen, navigierst zur Agentenliste zur Verwaltung deiner automatisierten Workflows oder öffnest Einstellungen zum Konfigurieren von LLMs, Datenquellen und Integrationen.

Die obere Leiste zeigt einen Verbindungsindikator für den Server-Modus (Cloud-Symbol) und eine Verknüpfung zu den Einstellungen (Zahnrad-Symbol). Die Playground-Schaltfläche öffnet den Konfigurationsbildschirm, wo du Werkzeuge, System-Prompt und LLM auswählst, bevor du eine Chat-Sitzung startest.

3   Globale Einstellungen

Einstellungen über das Zahnrad-Symbol in der oberen Leiste öffnen. Die Einstellungen sind in Karten gruppiert: Server-Modus, LLM 1 & LLM 2, Datenquellen, Remote-MCP-Server, Skripte, Werkzeug-Skills, Allgemein und (unter Windows) Desktop-Funktionen.

3.1   Server-Modus

Der Server-Modus verbindet TealKit mit einem persistenten Server, der Agenten 24/7 ausführt, ohne dass das Telefon geöffnet bleiben muss. Der Server übernimmt alle LLM-Aufrufe und Werkzeugausführungen; die mobile App fungiert als Fernbedienung und Anzeige.

• TealKit-Server auf einem beliebigen VPS oder Cloud-Host bereitstellen (Docker-Image verfügbar)
• Server-URL und Anmeldedaten unter Einstellungen → Server-Modus eingeben
• Nach der Verbindung werden Agenten mit dem Server synchronisiert und dort planmäßig ausgeführt
• Ergebnisse werden in Echtzeit an die App zurückgegeben
• Gespeicherte Playground-Setups werden automatisch in der DuckDB-Datenbank des Servers gespeichert, was eine nahtlose gemeinsame Nutzung von Konfigurationen über verschiedene mit demselben Server verbundene Geräte hinweg ermöglicht

API-Schlüssel-Konfiguration

Beim Starten des Servers kann die Umgebungsvariable TEALKIT_API_KEY gesetzt werden, um Endpunkte mit Bearer-Token-Authentifizierung zu schützen. Es kann ein einzelner Schlüssel, eine kommagetrennte Liste oder ein JSON-Array angegeben werden, um mehreren UI-Apps die Verbindung mit unterschiedlichen Schlüsseln zu ermöglichen:

# Einzelner Schlüssel
TEALKIT_API_KEY=mein_geheimer_schlüssel

# Mehrere Schlüssel (kommagetrennt)
TEALKIT_API_KEY=schluessel_a,schluessel_b,schluessel_c

# Mehrere Schlüssel (JSON-Array)
TEALKIT_API_KEY=["schluessel_a","schluessel_b"]

Die Endpunkte /health und /status sind immer ohne Authentifizierung erreichbar.

3.2   LLM-Einstellungen

TealKit unterstützt zwei unabhängig konfigurierte LLMs: LLM 1 (primär) und LLM 2 (sekundär / Coding-Modell). Beide werden gleich konfiguriert.

Anbieter & Modellauswahl

Erweiterte Parameter

SLM-Modus

Die Checkbox SLM (Small Language Model) aktivieren, um einen kompakten System-Prompt zu verwenden, der kleine Modelle anweist, Werkzeuge sofort aufzurufen anstatt ihren Plan zu erläutern.

Denken / Reasoning-Umschalter

Im Playground (Erweiterte Einstellungen) und im Agenten-Editor (LLM-Abschnitt) aktiviert ein Denken / Reasoning-Umschalter das erweiterte Reasoning für unterstützte Modelle (z. B. Claude 3.7 Sonnet, o3-mini). Bei Aktivierung wird thinking: true in der LLM-Anfrage übergeben.

Native Werkzeugaufrufe (Ollama)

Wenn Ollama als LLM-Anbieter ausgewählt ist, erscheint ein Native Werkzeugaufrufe nutzen-Schalter im Playground und Agenten-Editor. Aktiviert nutzt TealKit die nativen tools-API von Ollama anstelle der textbasierten Werkzeug-Injektion. Dies verbessert die Zuverlässigkeit und ermöglicht strukturierte Werkzeugaufrufe für Modelle, die Function Calling nativ unterstützen (z. B. Qwen2.5, Mistral, Llama 3.1 oder neuer). Deaktivieren, wenn das Modell keine nativen Tool-Calls unterstützt oder die textbasierte Methode bevorzugt wird.

3.3   Datenquellen

3.4   Remote-MCP-Server

3.5   Skripte

SSH-Shell-Skripte

SSH-Shell-Skripte sind in TealKit gespeicherte Bash-Skripte, die auf dem Remote-SSH-Server ausgeführt werden. Die KI generiert das vollständige Skript aus einer einfachen Textbeschreibung. Test-Ausführung tippen, um es per SSH zu testen und die Ausgabe zu prüfen, bevor es gespeichert wird.

JavaScript-Werkzeuge

JavaScript-Werkzeuge sind leichte benutzerdefinierte MCP-Werkzeuge, die in einer sicheren Geräte-Sandbox laufen. Jedes Werkzeug muss ein generatedTool-Objekt mit name, description, inputSchema und execute: async (args) => {…} definieren. Max. 64 KB Skript, 256 KB Antwort, 8 s Timeout. fetch() verfügbar.

Desktop: Python-MCP-Tool-Generator

Unter Windows und Linux erstellt der Python-MCP-Tool-Generator vollständig verwaltete Python-MCP-Server-Werkzeuge in einem isolierten .venv. Pakete in requirements.txt angeben, einmalig venv initialisieren tippen, dann Test ausführen zur Verifizierung.

Desktop: MCP-Server-Registry

Python- und Node.js-MCP-Server lokal mit einem Tipp installieren. TealKit führt npm install -g, uvx oder pip im Hintergrund aus. Tabs: GitHub (kuratiert), Glama, PulseMCP.

Desktop: PowerShell-Skripte (nur Windows)

Unter Windows verwaltet die PowerShell-Werkzeug-Bibliothek .ps1-Skripte, die lokal über den ps_bridge-MCP-Server ausgeführt werden.

3.6   Werkzeug-Skills

Werkzeug-Skills sind KI-generierte Nutzungsanleitungen für jedes MCP-Werkzeug, die automatisch erstellt werden, wenn du das erste Mal ein LLM konfigurierst, und in System-Prompts eingefügt werden, um die Werkzeugnutzungsgenauigkeit zu verbessern. Pro Werkzeug aktivierbar/deaktivierbar.

3.7   Allgemein & Vault

• Hintergrund-Prüfintervall — 5 / 10 / 15 Min.; Standard 10 Min.
• Sprache — Englisch oder Deutsch
• Design — System / Hell / Dunkel
• Ausgabeverzeichnis — benutzerdefinierter Ordner für Agenten-Ausgabedateien
• Backup & Wiederherstellung — verschlüsselte Vault-Datei exportieren/importieren

4   Playground

Der Playground ist ein interaktiver Chat zum Testen von Prompts, Werkzeugen und System-Prompts, bevor sie in automatisierte Agenten umgewandelt werden.

Konfigurationsoptionen

• Werkzeuge — + Werkzeuge auswählen tippen, um MCP-Werkzeuge für diese Sitzung auszuwählen
• System-Prompt generieren — generiert automatisch einen System-Prompt basierend auf ausgewählten Werkzeugen
• Chat-Modus — direkter LLM-Chat ohne Werkzeuge und System-Prompt
• Nach Tool-Aufruf stoppen — führt den ersten Werkzeugaufruf aus und gibt rohe Ausgabe als ${task_result} zurück
• LLM-Selektor — LLM 1, LLM 2 oder Benutzerdefiniert (temporäre Parameter-Überschreibungen)
• Anfangseingabe — optionale erste Nachricht, die im Chat-Eingabefeld vorauszufüllen ist
• Erweiterte Einstellungen — Temperature, Max Tokens, Denken/Reasoning und Native Werkzeugaufrufe (nur Ollama) für diese Sitzung überschreiben

Speichern und Konvertieren

Das Lesezeichen-Symbol tippen, um die aktuelle Einrichtung als wiederverwendbare Konfiguration zu speichern. Als Agent speichern tippen, um einen geplanten Agenten zu erstellen.

Hinweis: Im lokalen Modus werden gespeicherte Konfigurationen lokal auf dem Speicher deines Geräts abgelegt. Im Server-Modus werden sie in der Datenbank des Remote-Servers gespeichert und von allen verbundenen Geräten gemeinsam genutzt.

Token- & Kostenstatistiken

Am unteren Rand erscheint ein Live-Token-Zähler. Antippen, um Prompt-Token, Completion-Token, Kosten der letzten Anfrage und kumulative Sitzungskosten anzuzeigen.

5   Agenten

Agenten sind gespeicherte KI-Workflows, die automatisch nach einem Cron-Zeitplan, auf Anforderung oder durch einen anderen Agenten ausgelöst ausgeführt werden.

Agentenliste

Jede Karte zeigt: Name, Beschreibung, Zeitplan, letzte/nächste Ausführungszeit, Status-Badge, Kosten. Aktionsschaltflächen: ⏰ Zeitplan · ▶ Starten · 💬 Interaktiv · ✏ Bearbeiten · 📋 Kopieren · 🗑 Löschen.

Agenten-Editor

Ausgabekanäle

6   Werkzeug-Referenz

7   Erweiterte Themen

7.1   Agenten-Verkettung

Die Agenten-Verkettung verbindet separate Agenten in einer Pipeline. Die vollständige Ausgabe des vorherigen Agenten wird als ${task_result} in den Prompt des nächsten Agenten eingefügt.

Ketten-Konfiguration

• Folgeagent-Modus — wenn aktiviert, läuft dieser Agent nur, wenn er von einem anderen Agenten ausgelöst wird
• Bedingungsloser Trigger — führt den Nachfolger immer mit ${task_result} aus
• Bedingter Trigger — LLM wertet einen Ausdruck aus und leitet an verschiedene Nachfolger weiter

Verkettung vs. Prompt-Aufteilung

7.2   Prompt-Aufteilung

Die Prompt-Aufteilung unterteilt den Prompt eines einzelnen Agenten mit ++#++ in sequenzielle Schritte. ${tool_result} in einem späteren Schritt verwenden, um die rohe Werkzeugausgabe des vorherigen Schritts einzufügen. Kostenlos.

Beispiel — Wetter-Diagramm

Schritt 1: Aktuellen Standort ermitteln
++#++
Schritt 2: Stündliche Vorhersage für die nächsten 24 Stunden für ${tool_result} abrufen
++#++
Schritt 3: Temperatur-Liniendiagramm aus ${tool_result} erstellen

7.3   Werkzeugdefinitionen exportieren für Fine-tuning

TealKit kann MCP-Server-Werkzeugdefinitionen in vier Formaten exportieren — nützlich für das Fine-tuning kleiner (< 7 B) oder eingebetteter Modelle auf Ihr spezifisches Werkzeugset. Dadurch lernt das Modell, wie es Ihre Werkzeuge korrekt aufruft, was Halluzinationen reduziert und lange System-Prompt-Beschreibungen überflüssig macht.

Export-Workflow

Exportformate

7.4   Verkettung vs. Prompt-Aufteilung

Diese Tabelle hilft Ihnen zu entscheiden, ob Sie einen mehrstufigen Workflow mit Prompt-Aufteilung (ein Agent) oder Agenten-Verkettung (mehrere Agenten) aufbauen.

7.5   Desktop-Modus

Windows-App im Microsoft Store. Linux von GitHub Releases.

Desktop-exklusiv: System-Tray-Hintergrundausführung, Python-MCP-Tool-Generator, MCP-Server-Registry, PowerShell-Werkzeug-Bibliothek (Windows).

8   FAQ

Speichert TealKit meine API-Schlüssel auf einem Server?

Nein. Alle API-Schlüssel werden ausschließlich im sicheren Schlüsselbund des Betriebssystems gespeichert und verlassen dein Gerät nie.

Kann ich TealKit offline verwenden?

Lokale Ollama-Modelle und eingebettete (Geräte-) GGUF-Modelle funktionieren vollständig offline. Cloud-KI-Anbieter und Websuche erfordern Internet.

Wie lösche ich alle meine Daten?

TealKit deinstallieren. Alle lokalen Datenbanken, Schlüssel und Einstellungen werden automatisch entfernt.

Die Indizierung ist langsam oder steckt fest

Große Dokumentenordner oder Websites brauchen Zeit. Jederzeit auf den roten Stopp-Button tippen zum Abbrechen.

Wo ist der Ausgabeordner auf Android?

Standardmäßig gehen Dateien in den internen App-Speicher. Unter Einstellungen → Allgemein → Ausgabeverzeichnis einen benutzerdefinierten Pfad setzen.

Was ist der Unterschied zwischen Prompt-Aufteilung und Agenten-Verkettung?

Prompt-Aufteilung (++#++) unterteilt den Prompt eines einzelnen Agenten in sequenzielle Schritte innerhalb desselben Agenten. Alle Schritte teilen dasselbe Modell. ${tool_result} verwenden. Kostenlos.

Agenten-Verkettung verbindet separate Agenten mit je eigenem Modell, Werkzeugen, Zeitplan und Ausgabe. Fügt ${task_result} ein. Unterstützt bedingtes Routing. Siehe Abschnitt 7.1.

Wie funktioniert die Agenten-Verkettung?

Jeder verkettete Agent startet, nachdem sein Vorgänger abgeschlossen hat. Die Ausgabe des Vorgängers wird als ${task_result} eingefügt. Die Verkettung kann bedingungslos oder bedingt sein (LLM wertet einen Ausdruck aus, um zwischen Nachfolgern zu wählen).

Was ist der Unterschied zwischen Starten und Interaktiv-Modus?

Starten führt den Agenten autonom aus und speichert das Ergebnis. Interaktiv öffnet einen Live-Chat mit demselben LLM und Werkzeugen für geführte Erkundung und Debugging.

Was ist der Vorteil eines europäischen KI-Anbieters?

Für DSGVO-Konformität Mistral AI wählen — mit Sitz in Frankreich, alle Daten werden innerhalb der EU verarbeitet.

Kann ich Modelle direkt auf meinem Gerät ohne Internet ausführen?

Ja. Zu Einstellungen → Eingebettete Modelle gehen, um GGUF-Modelle herunterzuladen und vollständig auf dem Gerät auszuführen — kein API-Schlüssel, kein Internet. Für agentisches Werkzeugaufrufen wird ein Modell benötigt, das für Function Calling trainiert wurde (z. B. Qwen2.5-3B-Instruct).

Geplante Agenten laufen auf iOS / iPad nicht zuverlässig

Das iOS BGAppRefreshTask-Timing wird vom Betriebssystem gesteuert. Aufgaben können verzögert sein oder im Energiesparmodus nicht ausgeführt werden. Die App im Vorder- oder Hintergrund halten für die zuverlässigste Ausführung.

Wie entscheidet das Websuche-Werkzeug, welche API es verwendet?

Prioritätsreihenfolge: SerpApi → Serper.dev → Brave Search → DuckDuckGo (immer kostenlos, kein Schlüssel). Konfiguration unter Einstellungen → Datenquellen → SerpApi.

Welche LLMs funktionieren am besten für Werkzeugaufrufe?

Cloud-Modelle (GPT-4o, Claude 3.5 Sonnet, Gemini 2.5 Pro, Mistral Medium) sind am zuverlässigsten. Für lokale Modelle sind Qwen2.5-7B-Instruct und Mistral 7B Instruct v0.3 über Ollama solide. Temperature 0,1–0,2 für deterministisches Werkzeugaufrufen verwenden.

9   Alle Funktionen

TealKit ist vollständig kostenlos — alle Funktionen stehen jedem Nutzer ohne Kauf zur Verfügung.

• Playground — unbegrenzte interaktive Sitzungen
• Agenten — erstellen, planen, starten, Ergebnisse ansehen
• Alle integrierten MCP-Werkzeuge (Websuche, Wetter, Rechner, Standort, Dokumentensuche, Website-Suche, SSH, Home Assistant, Diagramme, PDF, Mermaid)
• JavaScript-Werkzeug-Assistent und -Bibliothek
• Remote-MCP-Server
• LLM 1 und LLM 2 Konfiguration
• Geplante Agenten und wiederkehrende Hintergrundautomatisierung
• Erweiterte Ausgabekanäle: E-Mail, Slack, WhatsApp, SFTP, ZIP
• Agenten-Verkettung mit bedingtem Routing
• Server-Modus — 24/7 persistente Server-Ausführung
• Prompt-Aufteilung (++#++)
• Werkzeug-Skills Generierung und Verwaltung
• Eingebettete (Geräte-) Modelle
• Backup & Wiederherstellung Vault
• Desktop-App (Windows / Linux)
• Python-MCP-Tool-Generator (Desktop)
• MCP-Server-Registry (Desktop)
• PowerShell-Werkzeug-Bibliothek (Windows Desktop)