Statewright: Visuelle State Machines für zuverlässigere KI-Agenten
Statewright ist ein von Ben Cochran (ex-NVIDIA, AMD, Distinguished Engineer) entwickeltes Tool, das formale State Machines einsetzt, um das nicht-deterministische Verhalten von LLM-Agenten zu bändigen. Der Kern ist eine in Rust geschriebene Engine, die Zustände, Übergänge, Guards und Tool-Restriktionen auswertet – ohne selbst ein LLM zu verwenden. In jedem Zustand sieht das Modell nur die erlaubten Werkzeuge: ein Planning-Zustand erhält Read-only-Tools, ein Implementation-Zustand Edit-Tools, ein Testing-Zustand nur Test-Kommandos. Über eine MCP-Plugin-Schicht integriert sich Statewright mit Claude Code; weitere Integrationen für Codex und Cursor sind angekündigt. Tests mit SWE-Bench-Problemen zeigten konsistente Verbesserungen bei Modellen ab 13B Parametern (u.a. qwen-coder, gpt-oss, gemma4) sowie bei Frontier-Modellen wie Claude Haiku, Sonnet und Opus. Laut Cochran übertrifft ein straff geführtes Arbeitskontext pro Schritt einen Ansatz mit unbeschränktem Kontext. Statewright ist aktuell mit einem kostenlosen Tier live und über den Claude-Code-Plugin-Marketplace installierbar.
- Rust-Engine bewertet State Machine Definitionen (States, Transitions, Guards, Tool Restrictions) ohne LLM-Beteiligung.
- Modell sieht pro Zustand nur ~5 statt Dutzende Tools — Übergänge sind protokollseitig erzwungen, nicht prompt-basiert.
- Verbesserungen konsistent bei Modellen ab 13B Parameter; darunter können Modelle die State Machine navigieren, aber keine genauen Edits produzieren.
- Integration mit Claude Code via MCP bereits live (kostenloser Tier); Cursor und Codex-Integration angekündigt.
- Visueller Workflow-Editor auf statewright.ai zeigt Failure Paths, Retry Loops und Approval Gates in einer Graph-Ansicht.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- MEINUNGreddit.com3d
Open-Source-Harness und lokale Modelle als Schlüssel zur Agent-Optimierung
- FORSCHUNGarxiv.org0mo
RUPA: Trajektorien-weite Unsicherheitsquantifizierung für LLM-Agenten
- FORSCHUNGarxiv.org1w
Mechanismus-Design für KI-Alignment und -Kontrolle: Neues Framework
- MEINUNGreddit.com1d
Community-Diskussion: Wann vertrauen Nutzer lokalen Coding-Agents genug?
Statewright: Visuelle State Machines für zuverlässigere KI-Agenten
Statewright ist ein von Ben Cochran (ex-NVIDIA, AMD, Distinguished Engineer) entwickeltes Tool, das formale State Machines einsetzt, um das nicht-deterministische Verhalten von LLM-Agenten zu bändigen. Der Kern ist eine in Rust geschriebene Engine, die Zustände, Übergänge, Guards und Tool-Restriktionen auswertet – ohne selbst ein LLM zu verwenden. In jedem Zustand sieht das Modell nur die erlaubten Werkzeuge: ein Planning-Zustand erhält Read-only-Tools, ein Implementation-Zustand Edit-Tools, ein Testing-Zustand nur Test-Kommandos. Über eine MCP-Plugin-Schicht integriert sich Statewright mit Claude Code; weitere Integrationen für Codex und Cursor sind angekündigt. Tests mit SWE-Bench-Problemen zeigten konsistente Verbesserungen bei Modellen ab 13B Parametern (u.a. qwen-coder, gpt-oss, gemma4) sowie bei Frontier-Modellen wie Claude Haiku, Sonnet und Opus. Laut Cochran übertrifft ein straff geführtes Arbeitskontext pro Schritt einen Ansatz mit unbeschränktem Kontext. Statewright ist aktuell mit einem kostenlosen Tier live und über den Claude-Code-Plugin-Marketplace installierbar.
- Rust-Engine bewertet State Machine Definitionen (States, Transitions, Guards, Tool Restrictions) ohne LLM-Beteiligung.
- Modell sieht pro Zustand nur ~5 statt Dutzende Tools — Übergänge sind protokollseitig erzwungen, nicht prompt-basiert.
- Verbesserungen konsistent bei Modellen ab 13B Parameter; darunter können Modelle die State Machine navigieren, aber keine genauen Edits produzieren.
- Integration mit Claude Code via MCP bereits live (kostenloser Tier); Cursor und Codex-Integration angekündigt.
- Visueller Workflow-Editor auf statewright.ai zeigt Failure Paths, Retry Loops und Approval Gates in einer Graph-Ansicht.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- MEINUNGreddit.com3d
Open-Source-Harness und lokale Modelle als Schlüssel zur Agent-Optimierung
- FORSCHUNGarxiv.org0mo
RUPA: Trajektorien-weite Unsicherheitsquantifizierung für LLM-Agenten
- FORSCHUNGarxiv.org1w
Mechanismus-Design für KI-Alignment und -Kontrolle: Neues Framework
- MEINUNGreddit.com1d
Community-Diskussion: Wann vertrauen Nutzer lokalen Coding-Agents genug?