Funktionen

Hier steht, was MultiGPT in Version 1 können soll, Stand Version 0.4.0. Umgesetzt sind Chatten mit vielen Anbietern und LM Studio samt Modellverwaltung, Anhänge, Projekte, geteilte Chats, das Kontextmenü im Chat, Familienkonten mit Kontenrahmen und Budgets, der Vergleichsmodus, MCP-Werkzeuge, MultiGPT als MCP-Server, Berechnungen, PDF-Blätter, eigene Dokumente mit Zitaten, die Websuche, die Bilderzeugung und der Runner (neu in 0.4.0). Bildbearbeitung, Sprache und das eigentliche Scratchpad sind geplant. Jeder Abschnitt trägt seinen Status und den Meilenstein.

Ausführliche Anleitungen stehen im Wiki.

Anmeldung und Konten

Umgesetzt Meilenstein 1

• Login, Logout und Passwort ändern.
• Login-Drosselung: Nach fünf Fehlversuchen ist die Anmeldung für diesen Nutzernamen und diese Adresse 15 Minuten gesperrt.
• Keine Selbstregistrierung. Konten legt ein Verwalter an – per mgpt-ctl createsuperuser, make user (mit Rollenwahl) oder in der Verwaltung.
• Persönliches Menü (seit 0.3.5): Rechts oben stehen Profilbild und Name. Ein Klick öffnet Einstellungen, Profilbild, Mein Verbrauch, API-Keys, Familie, Verwaltung, Passwort und Abmelden – je nach Rechten. Ohne eigenes Profilbild erscheinen die Initialen; ein hochgeladenes Bild wird ohne Metadaten gespeichert.
• Die Version steht unten in der Seitenleiste, auf der Anmeldeseite und im Kopf der Verwaltung (seit 0.3.6).

Chatten mit vielen Anbietern

Umgesetzt Meilenstein 3 / 4 / 5

• Chatliste in der Seitenleiste: neu, umbenennen, archivieren, löschen, Suche. Die Seitenleiste lässt sich ausblenden, Antworten nutzen die volle Breite, die Schriftgröße lässt sich mit A−/A+ ändern.
• Das Modell lässt sich pro Nachricht wählen. Antworten erscheinen gestreamt, ein runder Knopf im Eingabefeld sendet bzw. stoppt, eine Antwort lässt sich neu erzeugen.
• Anbieter werden per API-Key angebunden: OpenAI und alle OpenAI-kompatiblen Dienste (z. B. OpenRouter und LM Studio), dazu Anthropic und Google Gemini.
• In der Verwaltung prüft „Verbindung jetzt prüfen“ einen Anbieter und nennt bei Problemen die Ursache, etwa „Verbindung abgelehnt“, „API-Key abgelaufen“ oder „Basis-URL prüfen“. Nicht erreichbare Cloud-Anbieter sind im Chat ausgegraut.
• Eigene Nachrichten lassen sich bearbeiten wie in ChatGPT, auch mit Anhängen. Bearbeiten und „Neu erzeugen“ legen Versionen an, „‹ 1/2 ›“ schaltet zwischen ihnen um. Frühere Fassungen bleiben erhalten. Jede Nachricht hat einen Kopierknopf.
• Markdown mit Code-Hervorhebung und Kopierknopf. Die Bibliotheken sind lokal eingebunden, die Ausgabe wird bereinigt.
• Automatische Chattitel, System-Prompt pro Chat, Export als Markdown.
• Eingabeverlauf (seit 0.3.4): Pfeil hoch und runter holen frühere Nachrichten ins Eingabefeld zurück.
• Antwort samt Verlauf löschen (seit 0.3.4): Eine Antwort lässt sich mit ihrer Frage und allem danach löschen. Die Kosten bleiben gebucht.
• Schreibt die KI noch, lässt sich der Verlauf frei scrollen: Er folgt nur, solange man unten ist, sonst bringt „↓ Neueste“ zurück ans Ende.
• Bei Anthropic nutzt MultiGPT Prompt-Caching für Systemprompt, Werkzeuge und Verlauf (seit 0.3.4). Das spart Kosten bei längeren Chats.

Kontextmenü und Zitieren im Chat

Umgesetzt Meilenstein 13

Seit 0.3.2: Markierten Text in Antworten, eigenen Nachrichten, Vergleichsspalten und Quellenlisten weiterverwenden – per Rechtsklick, über eine Leiste unter der Markierung (auch am Handy) oder mit Umschalt+F10.

• Zitieren: Der markierte Text landet als Zitat im Eingabefeld, mit seiner Herkunft (Modell, „Ich“ oder „Quelle [n]“). Mehrere Zitate kommen nacheinander in eine Nachricht.
• Schnellaktionen: Nachfragen, Erklären, Vereinfachen, Übersetzen, Gegenargumente, Belege suchen und Kopieren mit Quellenangabe.
• Gesendet wird nichts von selbst. Umschalt+Rechtsklick zeigt weiter das Menü des Browsers, das eigene Menü lässt sich in den Einstellungen abschalten.
• Anleitung: Wiki: Chat-Bedienung.

Anhänge und Bild-Eingabe

Umgesetzt Meilenstein 5

• Bilder und Dokumente per Büroklammer anhängen, aus der Zwischenablage einfügen oder ins Eingabefeld ziehen. Bilder öffnen sich per Klick groß (Lightbox).
• Bilder gehen nur an Modelle mit dem Häkchen „Bilder verstehen“, über alle drei Anbieter-Adapter. Dokumente (PDF, DOCX, TXT, MD) gehen als Text mit.
• Datenschutz: Jedes Bild wird auf dem Server neu kodiert. Dabei fallen EXIF-Daten wie der Aufnahmeort (GPS), Kameradaten und eingebettete Kommentare weg. Der Dateityp wird am Inhalt geprüft, nicht an der Endung.
• Anhänge sind nur für den Chat sichtbar, zu dem sie gehören, und werden nur nach Rechteprüfung ausgeliefert.

Formeln und SVG-Vorschau

Umgesetzt Meilenstein 5

• Mathematische Formeln werden mit KaTeX gesetzt. KaTeX liegt auf dem eigenen Server, es wird nichts aus dem Netz geladen.
• SVG-Code in Antworten zeigt eine Vorschau, mit Umschalter auf den Code und „Als Datei speichern“. Die Vorschau ist nur ein Bild: Skripte, Links und nachgeladene Inhalte im SVG wirken nicht.

Projekte

Umgesetzt Meilenstein 5

Chats zu Projekten bündeln, wie in ChatGPT oder Claude – etwa „Umzug“ oder „Steuererklärung“.

• Ein Projekt gibt seinen Chats Anweisungen, ein Standardmodell und vorausgewählte Sammlungen eigener Dokumente mit.
• Projekte stehen in der Seitenleiste über den Chats, aufklappbar, anheftbar und archivierbar. Die Suche findet auch Projektnamen.
• Projekte sieht nur, wer sie angelegt hat.
• Anleitung: Wiki: Projekte.

Chats teilen

Umgesetzt Meilenstein 5

• Einen Chat mit einzelnen Konten oder einer Gruppe teilen. Je Freigabe gelten Rechte nach RWUD: Lesen (immer), Schreiben (mitschreiben), Bearbeiten (Nachrichten ändern, umbenennen) und Löschen.
• Empfänger finden geteilte Chats unter „Mit mir geteilt“ und können sie als eigene Kopie fortsetzen.
• Ein Widerruf wirkt sofort, auch für eine gerade laufende Antwort.
• Kosten trägt, wer eine Antwort auslöst, nicht der Besitzer des Chats. Welche Modelle jemand wählen darf, richtet sich nach seiner eigenen Rolle und seinem Budget.
• Mitteilungen (seit 0.3.6): Löscht oder archiviert ein Empfänger den Chat oder löscht er eine Antwort, bekommt der Besitzer eine Mitteilung im persönlichen Menü – mit Name und Chattitel, ohne Inhalte.
• Anleitung: Wiki: Chats teilen.

Lokale Modelle mit LM Studio

Umgesetzt Meilenstein 4

LM Studio läuft auf einem PC im Heimnetz und stellt einen OpenAI-kompatiblen Server bereit. MultiGPT bindet ihn als Anbieter an, startet oder weckt ihn aber nicht.

• Eine Statusanzeige in der Kopfzeile zeigt, ob LM Studio gerade erreichbar ist. Der Browser fragt alle 30 Sekunden nach, solange der Tab sichtbar ist.
• Ist LM Studio aus, sind lokale Modelle ausgegraut. Ist es an, werden die Modelle angeboten, die LM Studio tatsächlich meldet, samt ihren Fähigkeiten.
• Fällt LM Studio mitten in einer Antwort aus, bleibt der bisherige Text erhalten, und die Ursache wird angezeigt – mit eigenem Hinweis, wenn der Kontext des Modells zu klein ist.
• Lokale Modelle kosten 0 € und bleiben auch bei ausgeschöpftem Budget nutzbar.
• Im echten Heimnetz im Einsatz: Chat (z. B. gpt-oss-20b), Embeddings (nomic-embed-text) und OCR (olmOCR) laufen über LM Studio.

Modellverwaltung (seit 0.3.2, für LM Studio ab 0.4): Auf Wunsch bestimmt MultiGPT selbst, welche Modelle in LM Studio geladen sind.

• Vor Chat, Vergleich, Embeddings, OCR und Abbildungen lädt MultiGPT das passende Modell mit seinem Kontextfenster und entlädt dafür andere – nie über ein Speicherbudget für die Grafikkarte, mit einer Reserve für Anzeige und System.
• Angeheftete und gerade genutzte Modelle bleiben geladen, die Indexierung verdrängt das Chatmodell nicht. Passt etwas nicht, meldet der Chat „Zu wenig Grafikspeicher“, ein Indexierungslauf wartet.
• Modelle der Indexierung bleiben nur für den Lauf geladen (seit 0.3.4). Modelle, die 30 Minuten nicht genutzt wurden, entlädt der Worker.
• Im Admin lässt sich je Modell das Kontextfenster wählen, daneben steht der erwartete Speicher; eine Seite zeigt die geladenen Modelle. Auf der Konsole: mgpt-ctl lms.
• Teilen sich mehrere MultiGPT-Installationen ein LM Studio, entlädt jede nur Modelle, die sie selbst geladen hat (seit 0.3.6).
• Anleitung: Wiki: Anbieter und Modelle.

Modelle und Fähigkeiten

Umgesetzt Meilenstein 4 / 4a

Die Fähigkeiten-Matrix in der Verwaltung zeigt je Anbieter alle Modelle mit ihren Fähigkeiten, direkt änderbar:

• Hauptart: Chat, Bilderzeugung, Embedding, Spracherkennung, Sprachausgabe oder Musik.
• Häkchen: Werkzeuge, Bilder verstehen, Bilder bearbeiten.
• MCP: kein, alle oder ausgewählte MCP-Server (siehe unten).

Neue Modelle bekommen ihre Fähigkeiten automatisch: LM Studio meldet sie selbst, sonst schätzt MultiGPT sie aus der Modell-ID. Für vorhandene Modelle holt sudo mgpt-ctl guess_capabilities --apply das nach. Anleitung: Wiki: Anbieter und Modelle.

Rollen, Gruppen und Budgets

Umgesetzt Meilenstein 2 / 6

Vier Startrollen, in der Verwaltung anpassbar:

• Rechte werden auf dem Server geprüft, vor jeder Seite und vor jedem Anbieteraufruf – nicht nur durch Ausblenden in der Oberfläche. Eigene Rechte gibt es u. a. für Bilderzeugung, Berechnungen und PDF-Dokumente.
• Privatsphäre: Chats sind privat. Auch Verwalter sehen fremde Chats nicht, nur Verbrauchszahlen. Einzige Ausnahme: Für Jugendlichen-Konten gibt es die Option „Einsicht in Chats erlaubt“ (standardmäßig aus). Ist sie an, können Verwalter die Chats dieses Kontos lesen, aber nicht schreiben, und das Mitglied sieht dauerhaft einen Hinweis.
• Gruppen: Sammlungen und einzelne Chats lassen sich mit Gruppen teilen.
• Eine Seite „Familie“ (/familie/) für Verwalter: Konten anlegen und sperren, Rollen zuweisen, Passwörter zurücksetzen, Budgets setzen, die Einsicht schalten, Gruppen pflegen und den Verbrauch aller ansehen.

Kontenrahmen und Kosten

Umgesetzt Meilenstein 6

Jeder Anbieter rechnet über ein Abrechnungskonto ab:

• monetär in EUR oder USD (Cloud-Anbieter), nur Tokens (lokale Modelle wie LM Studio) oder Pauschale (Abo, Anfragen und Tokens werden nur gezählt).
• Preise mit Gültigkeit: je Modell ab einem Datum, mit eigenen Preisen für Cache, Langkontext und Reasoning-Tokens. Bildpreise je Größe und Qualität. MultiGPT bringt keine Preise mit, der Verwalter pflegt sie selbst.
• Wechselkurse für USD-Konten, jede Antwort wird als Buchung mit Tokens, Betrag und Kurs festgehalten. Seit 0.3.6 holt der Worker den EZB-Referenzkurs USD→EUR werktags automatisch (abschaltbar), und Konten in EUR lassen sich auf USD umstellen; bisherige Buchungen bleiben unverändert.
• Budgets je Konto, Rolle und Person (Person vor Rolle): in Euro, bei Token-Konten als Kontingent. Ab 80 % erscheint ein Hinweis, ab 100 % sind die Modelle dieses Kontos bis zum Monatswechsel gesperrt. Kostenfreie Modelle bleiben nutzbar.
• Mein Verbrauch (/verbrauch/) zeigt jeder Person Tokens und Kosten je Konto und Modell, den Stand der Budgets und die letzten Monate.
• Anleitung: Wiki: Kosten und Budgets.

Vergleichsmodus

Umgesetzt Meilenstein 6

Dieselbe Frage an zwei oder drei Modelle gleichzeitig stellen und die Antworten nebeneinander lesen.

• Ein Schalter im Eingabefeld öffnet die Auswahl von zwei oder drei Modellen.
• Die Antworten erscheinen als Spalten und werden im Chat-Baum als Versionen derselben Nachricht gespeichert. Später schaltet „‹ 1/3 ›“ zwischen ihnen um.
• Wählt man eine Antwort aus, wird ihr Modell zum Standardmodell des Chats.
• Im Vergleich sind MCP-Werkzeuge aus, damit keine Rückfragen in mehreren Spalten gleichzeitig entstehen.

Werkzeuge über MCP

Umgesetzt Meilenstein 4a

MultiGPT ist Client für das Model Context Protocol. Modelle, die Werkzeuge unterstützen, rufen damit Funktionen aus angebundenen MCP-Servern auf.

• MCP-Server legt nur ein Verwalter an – lokal (stdio) oder per Streamable HTTP. Zugangsdaten werden verschlüsselt gespeichert.
• Import: Konfigurationen im Format {"mcpServers": {…}} (wie bei Claude Desktop, Cursor oder n8n) lassen sich einfügen. Einträge mit Platzhaltern statt echter Zugangsdaten werden deaktiviert angelegt.
• Online-Status: Jeder Server zeigt „online“, „offline“ mit Ursache, „ungeprüft“ oder „deaktiviert“; der Worker prüft regelmäßig.
• Einstufung: Eine Werkzeugtabelle zeigt alle Werkzeuge eines Servers. Werkzeuge, die etwas verändern oder nach außen senden, laufen erst nach einer Bestätigung im Chat. Neue, nicht eingestufte Werkzeuge gelten als bestätigungspflichtig.
• Freigabe je Modell: Der Verwalter legt fest, welche Modelle MCP nutzen dürfen (kein, alle, ausgewählte Server). Das schützt vor Modellen, die sich leichter zu ungewollten Aufrufen verleiten lassen. Geprüft wird auf dem Server, zusätzlich zur Freigabe der Rolle.
• Jeder Aufruf erscheint im Chat als aufklappbare Zeile mit Argumenten, Ergebnis und Dauer. Höchstens 10 Werkzeugrunden je Antwort, Zeitlimit je Aufruf.
• Werkzeuge nach Bedarf (seit 0.3.2): Bei vielen Werkzeugen – etwa n8n mit über 50 – bekommt das Modell nur einen Kern und sucht weitere mit find_tools. Dazu schätzt MultiGPT die Anfrage vor dem Senden, lässt notfalls ältere Nachrichten weg und meldet einen zu kleinen Kontext mit Zahlen.
• Verwalter sehen MCP-Server, die offline gehen, live in der Statusleiste (seit 0.3.5).
• Anleitung: Wiki: MCP.

MultiGPT als MCP-Server

Umgesetzt Meilenstein 15

Seit 0.3.2 ist MultiGPT auch selbst MCP-Server: Unter https://<hostname>/mcp/ steuern andere Programme wie n8n, Claude Desktop oder eigene Agenten MultiGPT mit dem API-Key eines Kontos.

• Werkzeuge: Modelle fragen (ask), Dokumente hochladen, durchsuchen und lesen, Indexierung starten, verfolgen, pausieren und abbrechen, Verzeichnisquellen einlesen, erzeugte Dateien abholen und Werkzeuge wie create_pdf oder run_python direkt aufrufen. Die Ergebnisse kommen direkt als Text, Bild oder PDF zurück (seit 0.3.3).
• Chats lesen (seit 0.3.6): Mit dem Recht „Chats lesen“ listet und liest ein Key eigene und mit dem Konto geteilte Chats – nie fremde, auch nicht für Verwalter. Chats, die ask anlegt, landen standardmäßig im Projekt „API“.
• Rechte: Ein Key kann nie mehr als sein Konto. Jedes Mitglied legt Keys unter Einstellungen → API-Keys an, soweit die Rolle es erlaubt (an für Verwalter und Erwachsene). Keys werden nur gehasht gespeichert, sind widerrufbar und haben auf Wunsch ein Ablaufdatum.
• Jeder Aufruf landet ohne Inhalte im Audit-Log. Für ältere Clients gibt es zusätzlich den Transport HTTP+SSE unter /mcp/sse.
• Auf der Konsole: mgpt-ctl apikey und mgpt-ctl index status --follow.
• Anleitung: Wiki: API-Keys und Wiki: n8n.

Berechnungen in der Sandbox

Umgesetzt Meilenstein 4a

Sprachmodelle verrechnen sich leicht. Modelle mit Werkzeugen bekommen deshalb das eingebaute Werkzeug run_python und rechnen exakt.

• numpy (Numerik, Statistik), scipy (seit 0.3.6), sympy (Gleichungen, Ableitungen, Integrale, exakte Brüche), mpmath (hohe Genauigkeit) und die Standardbibliothek.
• Diagramme mit matplotlib erscheinen als PNG oder SVG in der Antwort, SVG wird auf dem Server bereinigt.
• Im Chat sind Code und Ausgabe aufklappbar zu sehen.
• Sicherheit: Der Code gilt als nicht vertrauenswürdig und läuft in einer bubblewrap-Sandbox – ohne Netz, ohne Server-Dateien, ohne Schlüssel und Umgebung, mit Grenzen für Zeit, Speicher und Prozesse. Ohne funktionierende Sandbox wird das Werkzeug gar nicht angeboten.
• Eigenes Rollenrecht „Berechnungen ausführen“ (an für Verwalter, Erwachsene, Jugendliche). Anleitung: Wiki: Berechnungen.

Arbeitsblätter und Dokumente als PDF

Umgesetzt Meilenstein 4a

Seit 0.3.1: Wer um ein Blatt bittet, bekommt ein druckfertiges PDF (Werkzeug create_pdf), das sich im Chat mit „Ansehen“ öffnet.

• Lineaturen für das Schreibenlernen: Lineatur 0 bis 4 mit Häuschen, liniert, Karo 5 und 10 mm, maßhaltig in Millimetern.
• Mathe: Rechenaufgaben mit Lösungsblatt, Rechenkästchen, Einmaleins, Zahlenstrahl, Uhrzeiten. Aufgaben und Lösungen erzeugt der Server, nicht das Modell – so stimmen die Lösungen immer.
• Sachunterricht und allgemeine Arbeitsblätter mit Lückentext, Ankreuzaufgaben und Bildern, dazu Briefe, Einladungen und Tabellen.
• Zum Drucken „Tatsächliche Größe“ bzw. 100 % wählen, damit die Lineaturen stimmen.
• Sicherheit: Das PDF entsteht in einem eigenen Prozess ohne Netz- und Dateizugriff; nur eigene Anhänge dürfen als Bild hinein.
• Eigenes Rollenrecht „Dokumente erzeugen (PDF)“ (an für Verwalter, Erwachsene, Jugendliche). Anleitung: Wiki: Dokumente erzeugen.

Fragen an eigene Dokumente (RAG)

Umgesetzt Meilenstein 7

• Sammlungen anlegen und Dokumente hochladen (PDF, DOCX, TXT, MD und Bilddateien, bis 25 MB je Datei), privat oder mit Gruppen geteilt – nur lesend oder mit Schreibrecht.
• Ein Hintergrunddienst (Worker) liest den Text, erkennt gescannte Seiten per OCR, teilt den Text in Abschnitte und berechnet Embeddings. Laufende Aufträge lassen sich abbrechen.
• Mehrere Dokumente gleichzeitig (seit 0.3.5, Standard 2) in eigenen Worker-Prozessen. Läufe lassen sich pausieren und fortsetzen (seit 0.3.6), Hochgeladenes kommt vor großen Läufen dran.
• Im Chat wählt man Sammlungen aus. Gesucht wird mit PostgreSQL und pgvector, auf Wunsch zusammen mit der deutschen Volltextsuche.
• Unter der Antwort stehen die verwendeten Dokumente mit Fundstelle. Ein PDF lässt sich im Browser ansehen und springt dabei zur richtigen Seite.
• Abbildungen: Auf Wunsch beschreibt ein Vision-Modell Bilder und Diagramme in PDFs und Word-Dokumenten. Die Beschreibung wird mit durchsucht und lässt sich wie Text zitieren.
• Dokument-Werkzeuge: Modelle mit Werkzeugen können Dokumente auflisten (list_documents), Angaben und Inhaltsverzeichnis abrufen (document_info) und Abschnitte im Wortlaut lesen (read_document). Sie lesen nur und sehen nur Sammlungen, die man selbst lesen darf.
• Zugriffsschutz: Abschnitte aus fremden privaten Sammlungen landen nie in einer Abfrage; der Zugriff wird in der Suchabfrage selbst geprüft. Verwalter sehen in der RAG-Übersicht nur Metadaten, keine Inhalte.
• Komplett lokal: Embeddings mit nomic-embed-text und OCR mit olmOCR laufen über LM Studio im Heimnetz, Tesseract auf dem Server springt auf Wunsch ein. So verlassen keine Dokumentinhalte das Haus.
• Verzeichnisquellen: Ein Verwalter kann eine Sammlung aus einem Ordner auf dem Server oder NAS füllen, der periodisch neu eingelesen wird. Erlaubt sind nur Ordner unterhalb der in RAG_SOURCE_ROOTS freigegebenen Verzeichnisse.
• Anleitung: Wiki: RAG.

Zitieren

Umgesetzt Meilenstein 7

• Jede Dokumentquelle trägt ihre Fundstelle: Gliederungsabschnitt, Seite und Absatz, z. B. „Abschn. 7.5.3, S. 12, Abs. 3“.
• Zitierstil je Konto: DIN ISO 690, APA 7, Harvard, Chicago (Author-Date) oder MLA 9. „Zitat kopieren“ und „Literaturverzeichnis kopieren“ gibt es auch als BibTeX.
• Die Zitate setzt der Server nach festen Regeln, nicht das Modell.
• Literaturangaben lassen sich je Dokument pflegen: Bücher, Sammelbände, Kapitel, Artikel, Berichte und Normen mit Nummer und Ausgabe (z. B. „DIN EN ISO 9001:2015-11“). Eine DOI-Abfrage bei Crossref ist vorbereitet und standardmäßig aus.
• Anleitung: Wiki: Zitieren.

Websuche und Seitenabruf

Umgesetzt Meilenstein 8

• Ein Schalter „Websuche“ im Eingabefeld. Die Treffer gehen als nummerierte Quellen an das Modell, die Links stehen unter der Antwort. Das funktioniert auch mit lokalen Modellen.
• Such-Backend ist ein selbst gehostetes SearXNG im Heimnetz.
• Seiten abrufen und Websites durchsuchen: Modelle mit Werkzeugen lesen einzelne Seiten (fetch_url) oder mehrere Seiten einer Website (crawl_site). URLs aus der Frage werden direkt gelesen. robots.txt wird beachtet.
• Schutz: Adressen im Heimnetz sind gesperrt, auch über Weiterleitungen (SSRF-Schutz). Abgerufene Seiten gelten als nicht vertrauenswürdig und gehen nur als markiertes Quellmaterial an das Modell, nicht als Anweisung. URLs erscheinen nicht im Log.
• Erfundene Links: Links in einer Antwort, die in keiner Quelle, keinem Werkzeugergebnis und nicht in der Frage vorkommen, bekommen ein ⚠. Der Knopf „Belege prüfen“ bereitet eine Nachfrage mit Websuche vor. Grundregeln für alle Modelle mahnen, nichts zu erfinden.

Bilder erzeugen und bearbeiten

Teilweise umgesetzt Meilenstein 9

Umgesetzt (0.3.0): Bilderzeugung mit OpenAI (gpt-image) oder Google Gemini.

• Chatmodelle mit Werkzeugen rufen dafür selbst das Werkzeug generate_image auf, statt Bilder als SVG-Code zu „zeichnen“.
• Modus „Bild“ im Eingabefeld mit Format (quadratisch, hoch, quer) und Qualität.
• Kann das gewählte Modell keine Werkzeuge, bietet MultiGPT vor dem Senden „Mit Bildmodell erzeugen“ an – nie ohne Zustimmung.
• Bilder werden ohne Metadaten gespeichert, die Kosten je Bild gebucht. Die Beschreibung geht nur an den Anbieter des Bildmodells.
• Anleitung: Wiki: Bilder.

Geplant:

• Bereich auf dem Bild markieren und ändern lassen (Inpainting) oder Varianten erzeugen.
• Klassische Bearbeitung (zuschneiden, skalieren, drehen, umwandeln, Text einsetzen, Collage) über einen mitgelieferten MCP-Server – auch per Anweisung wie „mach das Bild quadratisch“. Das Original bleibt erhalten.

Sprache

Geplant Meilenstein 10

• Mikrofonknopf: Die Aufnahme wird zu Text, den man vor dem Senden korrigieren kann.
• Lautsprecherknopf an jeder Antwort, optional automatisches Vorlesen.
• Braucht HTTPS im Heimnetz, weil Browser das Mikrofon sonst nicht freigeben.

Scratchpad

Geplant Meilenstein 13

• Material aus Chats, eigenen Dokumenten, dem Web, Werkzeugen, Bildern und Notizen sammeln, jeweils mit Herkunft und Zitierangabe.
• Daraus ein belegtes Gesamtdokument erzeugen: Das Modell schreibt nur aus den Einträgen, Kurzbelege und Literaturverzeichnis setzt MultiGPT, wörtliche Zitate werden geprüft.
• Vorab gibt es seit 0.3.2 das Kontextmenü im Chat (siehe oben) und seit 0.4.0 die dauerhafte Ablage von Dateien aus Werkzeugaufrufen (siehe „Neu in 0.4.0“); eigene Prompt-Vorlagen und „Ins Scratchpad“ folgen.

Runner

Umgesetzt Meilenstein 14

Seit Version 0.4.0. Der Runner ist eine Arbeitsumgebung für Modelle – nicht auf dem Server, sondern als Container auf dem Rechner, an dem der Browser läuft. Darin arbeitet ein Modell wie ein Coding-Werkzeug, aber eingesperrt. Eine Anleitung steht im Wiki unter Runner.

• Arbeitsweise: Das Modell liest, sucht und ändert Dateien (read, write, edit, glob, grep), führt Befehle mit bash aus, testet und bessert nach – in vielen Runden, bis die Aufgabe erledigt ist. Im Arbeits-Image stehen Python, git, Node und weitere Standardwerkzeuge bereit.
• Eingesperrt: Der Container läuft mit Podman rootless, hat standardmäßig kein Netz (je Rolle einschaltbar), kein Home-Verzeichnis und nur einen flüchtigen Arbeitsbereich im Arbeitsspeicher. Gestartet wird nur ein festes Image mit festen Grenzen für CPU, Speicher und Prozesse.
• Arbeitsstand auf dem Server: Nach jeder Änderung wird committet; der Arbeitsstand liegt als git-Bundle mit der ganzen Historie in der Datenbank von MultiGPT, wird mit ihr gesichert und lässt sich herunterladen. Auf dem Rechner bleibt nach der Sitzung nichts übrig. Bisher wird jedes Mal der ganze Stand übertragen; nur die Änderungen hochzuladen (inkrementelle Bundles) fehlt noch.
• Im Browser: ein Terminal (direkt per WebSocket, auch für Programme, die eine Eingabe erwarten), eine Vorschau für HTML-Seiten im abgeschotteten Rahmen und die Aufgabenliste des Modells. Ergebnisse holt man auf Wunsch als Anhang in den Chat.
• Webserver und Ports: Mit serve startet das Modell den Webserver lighttpd für statische Dateien. Er lauscht im Container auf 8080 (http) und 8443 (https) und ist am Rechner unter 24080 und 24443 erreichbar. Achtung: Standardmäßig bindet der Runner diese Ports an 0.0.0.0, also im ganzen Heimnetz und ohne Anmeldung. Auf den Rechner selbst beschränkt sie die Einstellung MGPT_EXPOSE_BIND=127.0.0.1.
• Pakete nachladen: Mit dem Rollenrecht „Paketquellen“ kann das Modell Debian-Pakete (apt_install) sowie pip-, npm-, cargo- und GitHub-Pakete nachladen – nur über einen Proxy mit fester Positivliste von Paketquellen, nie ins Heimnetz oder zu beliebigen Seiten.
• Scratchpad: eine Ablage für Zwischenergebnisse, wahlweise im Container (flüchtig) oder in einem Ordner auf dem Rechner. Nach MultiGPT kommt nur, was das Modell mit publish als Anhang veröffentlicht.
• Geräte im Heimnetz: per ssh oder telnet, aber nur zu Geräten, die der Verwalter freigibt, und mit Rückfrage vor jedem Befehl. Das Modell wählt Geräte nur nach Namen, die Zugangsdaten verwaltet der Server. Mit setup_host richtet ein Modell auf Nachfrage einen freigegebenen Rechner als weiteren Runner ein.
• MultiGPT bleibt der zentrale Punkt: Jeder Zugriff läuft über den Server, der Rechte, Rückfragen, Kontingent und Audit-Log prüft. Der Runner verbindet sich nur ausgehend über TLS und wird per Token gekoppelt (widerrufbar, mit Ablauf). Der Server signiert seine Rahmen, und die Werkzeuge des Runners stehen in einem signierten Katalog; was nicht stimmt, nimmt der Runner nicht an.
• Das Agententeam: Auch Agenten wie n8n oder Claude erreichen den Runner nur über einen API-Key von MultiGPT mit dem Recht runner.use.
• Zeitkontingent „Runner-Laufzeit“: Container-Minuten je Rolle bzw. Person und Monat, Hinweis ab 80 %, Stopp bei 100 % – der Arbeitsstand bleibt.
• Der Runner-Agent: ein kleines Rust-Programm multigpt-runner (statische Programme für amd64 und arm64), das man von MultiGPT herunterlädt und als Dienst des eigenen Nutzers betreibt. Voraussetzung: Linux mit systemd und Podman rootless; unter Windows und macOS über WSL2 bzw. eine Linux-VM.
• Noch offen: Docker wird nicht unterstützt, nur Podman. Container-Logs auf der Seite „Runner“ fehlen, und die Werkzeugläufe erscheinen noch nicht live im Chat-Terminal.

Neu in 0.4.0

Umgesetzt

Außer dem Runner (siehe oben) bringt 0.4.0 diese Änderungen seit 0.3.6:

• Schnittstelle „LM Studio“: eine eigene Anbieterart, bei der nur die Adresse des LM-Studio-Servers anzugeben ist. Der Chat läuft über /v1, die Verwaltung über /api/v1. Die Modellverwaltung läuft nur darüber.
• Token pro Sekunde je Antwort: Im Kopf jeder Antwort stehen die Geschwindigkeit und die Zeit bis zum ersten Token, von MultiGPT selbst gemessen – für alle Anbieter.
• Austausch bei vollem Grafikspeicher: Blockiert ein anderes Modell den Platz, bietet der Chat an, es zu entladen und das gewünschte zu laden – nur nach Bestätigung.
• Denktiefe je Modell: Die möglichen Stufen liest MultiGPT aus LM Studio, und je Modell lässt sich eine Vorgabe setzen.
• Speicherschätzung für Gemma 4 und Qwen3.8 nach gemessenem Bedarf; Chatmodelle ohne Angabe werden mit „parallel 1“ geladen.
• Scratchpad auf dem Server: Dateien aus Werkzeugaufrufen (auch SVG, bereinigt) werden dauerhaft gespeichert, erscheinen an der Antwort und im Menü „Scratchpad“.
• MCP-Server neu verbinden: Nach einem Ausfall lässt sich ein MCP-Server direkt im Chat wieder verbinden.

Bewusst nicht in Version 1

• Kein Starten oder Aufwecken von LM Studio aus der App heraus.
• Kein Sprachdialog in Echtzeit.
• Keine eigenen Bildmodelle auf dem Server.
• Keine Trennung mehrerer Haushalte in einer Installation.