OpenHands ist eine Open-Source-Plattform für Coding Agents. Ein OpenHands-Agent arbeitet in einer abgeschotteten Umgebung, liest und ändert Code, führt Befehle und Tests aus und kann Pull Requests vorbereiten. Das Projekt entstand 2024 unter dem Namen OpenDevin als offene Antwort auf Devin und wurde später in OpenHands umbenannt. Du kannst OpenHands selbst betreiben, jedes gängige Sprachmodell anbinden und über ein SDK eigene Agenten bauen. Dieser Artikel erklärt die Bestandteile, den Einstieg, Stärken und Grenzen.
Steckbrief (Stand Oktober 2026)
| Merkmal | Angabe |
|---|---|
| Lizenz | MIT |
| GitHub | rund 90.000 Sterne (Stand Oktober 2026) |
| Sprachen | Python (Agent-SDK), TypeScript (Oberfläche, Client) |
| Modelle | Frei wählbar, z. B. Claude, GPT, Gemini oder offene Modelle über OpenAI-kompatible Endpunkte |
| Betrieb | Lokal, eigener Server, OpenHands Cloud oder Enterprise in der eigenen VPC |
| Cloud-Preis | Individual kostenlos mit eigenem API-Schlüssel oder Modellnutzung zum Selbstkostenpreis, Enterprise auf Anfrage |
Die Bestandteile
| Bestandteil | Aufgabe |
|---|---|
| Software Agent SDK | Python-Bibliothek (dazu TypeScript- und REST-Schnittstellen) zum Bauen eigener Coding Agents mit Werkzeugen für Terminal, Dateien und Aufgabenplanung |
| Agent Server | REST-API, die mehrere Agenten auf einer Maschine oder in Docker- bzw. Kubernetes-Umgebungen ausführt |
| Agent Canvas | Weboberfläche zum Starten, Beobachten und Steuern von Agenten |
| CLI | Kommandozeilen-Agent auf Basis des SDK, ähnlich wie Claude Code oder Codex CLI |
| Automation Server | Startet Agenten zeitgesteuert oder bei Ereignissen, etwa bei neuen Issues |
| OpenHands Cloud / Enterprise | Gehostete Variante mit Integrationen für GitHub, GitLab, Bitbucket, Slack, Jira und Linear; Enterprise auch selbst gehostet |
Die Ausführung findet in einer Sandbox statt, standardmäßig in Docker-Containern. So kann der Agent Code ausführen, ohne dein System direkt zu verändern.
Einstieg
Oberfläche lokal starten
npm install -g @openhands/agent-canvas
agent-canvas
Alternativ gibt es ein Docker-Image. Nach dem Start trägst du in der Oberfläche Modellanbieter und API-Schlüssel ein und verbindest ein Repository.
Eigenen Agenten mit dem SDK bauen
import os
from openhands.sdk import LLM, Agent, Conversation, Tool
from openhands.tools.file_editor import FileEditorTool
from openhands.tools.task_tracker import TaskTrackerTool
from openhands.tools.terminal import TerminalTool
llm = LLM(model="<anbieter/modellname>", api_key=os.environ["LLM_API_KEY"])
agent = Agent(
llm=llm,
tools=[
Tool(name=TerminalTool.name),
Tool(name=FileEditorTool.name),
Tool(name=TaskTrackerTool.name),
],
)
conversation = Conversation(agent=agent, workspace=os.getcwd())
conversation.send_message("Lies das README und schreibe drei Fakten über das Projekt in FACTS.txt.")
conversation.run()
Die Installation des SDK und weitere Beispiele beschreibt die offizielle Dokumentation. Prüfe dort die aktuellen Paketnamen, da sich die Struktur des Projekts in den letzten Versionen mehrfach geändert hat.
Typische Aufgaben
- Fehlschlagende Tests reparieren: Der Agent führt die Tests aus, analysiert den Fehler und schlägt eine Korrektur vor.
- Review-Kommentare umsetzen: Kommentare aus einem Pull Request werden abgearbeitet.
- Merge-Konflikte lösen und Abhängigkeiten aktualisieren.
- Issues bearbeiten: Über die GitHub-Integration oder den Automation Server startet ein Agent bei einem neuen Issue mit einem festen Label.
- Kleine Features und Skripte nach Beschreibung umsetzen.
Stärken
- Offen und selbst betreibbar: MIT-Lizenz, Betrieb in der eigenen Infrastruktur möglich.
- Freie Modellwahl: Du nutzt das Modell, das für deine Aufgaben und dein Budget passt, auch offene Modelle.
- SDK für eigene Agenten: Du kannst OpenHands als Baustein in eigene Werkzeuge und Pipelines einbauen.
- Aktive Community und regelmäßige Releases.
Grenzen
- Betrieb kostet Aufwand: Docker, Sandbox, Updates und Zugangsdaten musst du selbst verwalten, wenn du nicht die Cloud nutzt.
- Qualität hängt am Modell: Mit kleineren oder günstigeren Modellen sinkt die Erfolgsquote deutlich.
- Modellkosten: Lange Sitzungen mit großen Repositories verbrauchen viele Token.
- Schnelle Veränderung: Komponenten und Namen haben sich mehrfach geändert. Ältere Tutorials passen oft nicht mehr.
OpenHands im Vergleich
| OpenHands | Devin | Claude Code | |
|---|---|---|---|
| Lizenz | MIT | Proprietär | Proprietär |
| Selbst betreiben | Ja | Nein | Lokal im Terminal |
| Modellwahl | Frei | Vom Anbieter | Claude-Modelle |
| Eigene Agenten bauen | Software Agent SDK | API | Claude Agent SDK |
Eine ausführliche Analyse von Devin findest du unter Devin AI.
Für wen eignet sich OpenHands?
- Entwicklerteams, die Coding Agents nutzen wollen, ohne Code in eine fremde Cloud zu geben
- Plattform-Teams, die Agenten in eigene CI-Pipelines und interne Werkzeuge integrieren wollen
- Forschung und Lehre, wo offene, nachvollziehbare Agenten wichtig sind
Wenn du keine eigene Infrastruktur betreiben möchtest, sind OpenHands Cloud oder ein kommerzieller Agent wie Devin oder Claude Code einfacher.
Häufige Fragen
Ist OpenHands dasselbe wie OpenDevin?
Ja. Das Projekt startete 2024 als OpenDevin und wurde später in OpenHands umbenannt.
Was kostet OpenHands?
Die Software ist kostenlos (MIT). Du zahlst die Modellnutzung bei deinem Anbieter. OpenHands Cloud ist für Einzelpersonen kostenlos, wenn du einen eigenen API-Schlüssel nutzt oder die Modellnutzung zum Selbstkostenpreis über OpenHands abrechnest. Enterprise-Angebote gibt es auf Anfrage.
Brauche ich Docker?
Für die isolierte Ausführung von Code wird standardmäßig Docker verwendet. Das SDK kann auch direkt im lokalen Arbeitsverzeichnis arbeiten; das solltest du aber nur in einer unkritischen Umgebung tun.