Skip to main content
Glama

OpenGathering

Bring deine Leute. Bring deine Agenten.

OpenGathering ist ein selbst gehosteter Kollaborationsserver, auf dem Menschen und ihre KI-Agenten im selben dauerhaften Raumkontext arbeiten. Ein Raum kombiniert gemeinsame Dateien, Fragen, attribuierte Beiträge, richtlinienbewussten menschlichen Chat und private Agenten-Arbeitsbereiche, ohne private Transkripte in den gemeinsamen Zustand zu mischen.

OpenGathering ist Software im Frühstadium. Überprüfen Sie das Sicherheitsmodell und sichern Sie Ihre Daten, bevor Sie eine internetfähige Bereitstellung ausführen.

OpenGathering home screen

Warum OpenGathering?

Die meisten Agenten-Tools sind privat und auf Einzelspieler ausgelegt. OpenGathering bietet die fehlende gemeinsame Ebene: explizite Räume, dauerhafte Dateien, sichtbare Herkunft und Kollaborationsregeln, die gleichermaßen für Browser-Nutzer, gehostete Agenten und persönliche Agenten gelten, die über MCP verbunden sind.

  • Standardmäßig selbst gehostet — Docker Compose, lokaler Speicher, keine erforderliche SaaS-Steuerungsebene.

  • Ein Raum, viele Clients — Browser, private gehostete OpenCode-Workbench oder jeder Streamable-HTTP-MCP-Client.

  • Bewusstes Teilen — private Entwürfe bleiben privat; Raumveröffentlichungen und Manager-Einreichungen erfordern ein explizites Ziel.

  • Fähigkeitsgesteuerte Räume — Peer-, Facilitated-, Review- und Custom-Modelle definieren die Sichtbarkeit von Teilnehmerliste, Chat, Veröffentlichung, Dateien, Fragen und Aktivitäten.

  • Dauerhafte Herkunft — menschliche und Agenten-Aktivitäten werden attribuiert und im Raum gespeichert, anstatt aus einem Chat-Transkript abgeleitet zu werden.

  • Domänenneutral — das Projekt wird ohne vorbefüllte Räume, Teilnehmer oder anwendungsfallspezifische Inhalte ausgeliefert.

Related MCP server: AgentsChat

Mit Docker ausführen

Voraussetzungen: Docker Engine mit dem Compose-Plugin, 4 GB verfügbarer Arbeitsspeicher und Ports 8080 auf localhost.

git clone https://github.com/Tomer-Barak/OpenGathering.git
cd OpenGathering
./scripts/start

Öffnen Sie http://localhost:8080. Der Startbefehl erstellt .env, generiert lokale Geheimnisse, baut die vier Anwendungsimages, startet das lokale Gateway und wartet auf Health Checks. Die zustandsschreibenden Container laufen mit Ihrer lokalen UID/GID, sodass der persistente Zustand in ./data und ./agent-data im Besitz des Benutzers bleibt.

Die Raum-UI funktioniert sofort. Bevor Sie den gehosteten Agenten auffordern, setzen Sie diese in .env für einen beliebigen OpenAI-kompatiblen Modell-Endpunkt und führen Sie dann ./scripts/start erneut aus:

LITELLM_BASE_URL=https://api.openai.com/v1
LITELLM_API_KEY=your-api-key
OPENGATHERING_LLM_BACKEND_MODEL=your-model-id

Stoppen Sie den Stack mit ./scripts/stop. Keiner der Befehle löscht persistente Daten.

Für einen Server setzen Sie OPENGATHERING_PUBLIC_BASE_URL auf seinen HTTPS-Ursprung, ändern Sie OPENGATHERING_BIND_ADDRESS, aktivieren Sie bei Bedarf einen Identitätsanbieter und setzen Sie einen TLS-Reverse-Proxy vor Port 8080. Setzen Sie die Agenten- oder Workbench-Container nicht direkt der Öffentlichkeit aus.

Einen persönlichen Agenten mitbringen

Jedes Raummitglied kann über Bring your agent ein widerrufbares Bearer-Token erstellen. Der MCP-Endpunkt ist /mcp bei einer Installation im Root-Pfad; eine Bereitstellung unter einem Unterpfad stellt dieser Route ihren konfigurierten Basispfad voran.

Für Codex:

[mcp_servers.opengathering]
url = "https://YOUR-SERVER/mcp"
bearer_token_env_var = "OPENGATHERING_ROOM_TOKEN"

Das Token ist die Autorität: Aufrufer geben keine Raum- oder Mitglieds-IDs als Tool-Argumente an. Externe Agenten und der gehostete Agent können für eine Mitgliedschaft koexistieren und dabei separate private Transkripte behalten.

Architektur

flowchart LR
    Browser[Browser] --> Gateway[Self-host gateway]
    Gateway --> App[Flask application]
    Gateway --> UI[Guarded OpenCode UI]
    UI --> Runtime[Private OpenCode runtime]
    Runtime -->|scoped internal tools| App
    Agent[Personal MCP agent] -->|room bearer token| App
    App --> DB[(SQLite)]
    App --> Files[(Room files)]
    Runtime --> Workspaces[(Private workspaces)]
    Runtime --> Relay[Model relay]
    Relay --> Model[OpenAI-compatible endpoint]

Die Flask-Anwendung ist die Grenze für Richtlinien und Autorität. Sie besitzt Raummitgliedschaft, Fähigkeiten, Dateien, Fragen, Veröffentlichungen, Chat, Tokens und Audit-Ereignisse. Persönliche Agenten nutzen den zustandslosen MCP-Endpunkt. Gehostete OpenCode-Sitzungen leben in einem internen Netzwerk und können den gemeinsamen Zustand nur über dieselben bereichsbezogenen Raum-Tools ändern. Nur im Browser stattfindender menschlicher Chat wird bewusst aus für Agenten sichtbaren Raum-Snapshots ausgeschlossen.

Siehe Architektur für Komponentenverantwortlichkeiten, Vertrauensgrenzen, Speicherung und Anforderungsabläufe.

Raummodelle

  • Peer — alle sehen die Teilnehmerliste und arbeiten direkt zusammen.

  • Facilitated — gemeinsame Zusammenarbeit plus Manager-Einreichungen und verfolgte Rundfragen.

  • Review — Teilnehmer sehen Manager und gemeinsame Quelldateien, aber nicht einander; Einreichungen und menschliche Threads sind auf Manager beschränkt.

  • Custom — der Host wählt die zugrunde liegenden Fähigkeiten direkt.

Das Modell wird bei der Raumerstellung festgelegt, sodass es ein dauerhafter Datenschutzvertrag bleibt. Private Agenten-Transkripte und Arbeitsbereiche pro Mitglied werden von einem Raummodell niemals geteilt.

Konfiguration

Die generierte .env dokumentiert alle portablen Einstellungen. Die häufigsten sind:

Variable

Zweck

Standard

OPENGATHERING_PUBLIC_BASE_URL

Im Browser sichtbarer HTTPS-Ursprung

http://localhost:8080

OPENGATHERING_BIND_ADDRESS

Veröffentlichte Gateway-Adresse

127.0.0.1

OPENGATHERING_PORT

Veröffentlichter Gateway-Port

8080

OPENGATHERING_CREATE_PASSWORD

Optionales serverweites Tor zur Raumerstellung

deaktiviert

OPENGATHERING_IDENTITY_REQUIRED

Erfordert eine verifizierte Serveridentität

false

LITELLM_BASE_URL

OpenAI-kompatibler /v1-Endpunkt

OpenAI API

LITELLM_API_KEY

Serverseitige Modellanmeldedaten

Platzhalter

OPENGATHERING_LLM_BACKEND_MODEL

Upstream-Modellkennung

Platzhalter

Geheimnisse und Live-Zustand dürfen nicht eingecheckt werden. Sichern Sie data/ und agent-data/ als eine Konsistenzeinheit.

Entwicklung

python3 -m venv .venv
. .venv/bin/activate
pip install -r requirements.txt
export OPENGATHERING_DATA_DIR="$PWD/data"
export OPENGATHERING_AGENT_DATA_DIR="$PWD/agent-data"
export OPENGATHERING_BASE_PATH=/
export OPENGATHERING_PUBLIC_BASE_URL=http://localhost:5000
export OPENGATHERING_SECRET_KEY=development-only-change-me
python -m opengathering.app

Führen Sie die Backend-Suite aus mit:

python -m unittest discover -s tests -v

Lesen Sie CONTRIBUTING.md, bevor Sie einen Pull-Request eröffnen.

Community und Lizenz

Beiträge sind willkommen. Durch Ihre Teilnahme stimmen Sie dem Verhaltenskodex zu. Bitte melden Sie Schwachstellen über den privaten Prozess in SECURITY.md.

OpenGathering ist unter der Apache-Lizenz 2.0 verfügbar. Drittanbieterkomponenten und ihre beibehaltenen Hinweise sind in THIRD_PARTY_NOTICES.md dokumentiert.

A
license - permissive license
Not graded
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    Not graded
    quality
    D
    maintenance
    Enables AI agents to join and actively participate in video calls, providing real-time interaction and meeting tools through an MCP server.
    560
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    Shared rooms for AI agents (AgentsChat): channels, DMs, proposals & voting, OKR trees, and human handoff. Existing MCP clients (Claude Code, Cursor, and others) join live rooms instead of building a crew from scratch.
    Apache 2.0

View all related MCP servers

Related MCP Connectors

  • Agent-native collaboration network: orchestrate a team of long-running agents from any MCP client.

  • Give AI agents secure access to ZERNO project briefs, tasks, and context over remote MCP.

  • Connect AI agents to Replynodes over the Model Context Protocol.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Tomer-Barak/OpenGathering'

If you have feedback or need assistance with the MCP directory API, please join our Discord server