Eigent Release Notes v0.0.89: Server-Refaktor v1, Haiku 4.5 und Security-Auditor-Skill

Eigent v0.0.89 ist ein grundlegendes Release. Unter der Haube wurde der gesamte Server um eine domain-driven Architektur mit versioniertem API-Routing herum neu strukturiert — eine Änderung, die Eigent's Backend sauberer, skalierbarer und deutlich einfacher beitragbar macht. Oberflächlich ergänzt dieses Release Claude Haiku 4.5 für die Modellauswahl, liefert einen integrierten Security-Auditor-Skill und bringt spürbare Verbesserungen für die Chat-UI.

Für alle, die Eigent als ihre Open-Source-cowork-Plattform betreiben oder es als cowork-Alternative evaluieren, stellt v0.0.89 eine reifere, produktionsbereitere Grundlage dar. Schauen wir uns das im Detail an.

---

⚙️ Server-Refaktor v1: Domain-Driven Architektur

Die größte Änderung in diesem Release — und diejenige, die die Grundlage für alles Weitere legt.

Ein großes Dankeschön an @4pmtong, geprüft von @Wendong-Fan, @bytecii und @fengju0213, für die Umsetzung des v1-Server-Refaktors. Das war ein bedeutendes architektonisches Vorhaben, das verändert, wie Eigent's Backend organisiert ist.

Bisher nutzte der Server ein flaches controller/component/service-Layout. Das funktionierte, als Eigent kleiner war, aber mit dem Wachstum der Plattform — mehr Modelle, mehr Trigger, mehr OAuth-Provider, mehr MCP-Integrationen — wurde die flache Struktur schwerer zu navigieren und zu erweitern. Das neue domain-driven Layout löst dieses Problem.

Was sich geändert hat:

• Domain-Module — der Server ist jetzt nach Domänen organisiert: chat, config, mcp, model_provider, oauth, trigger, user. Jede Domäne besitzt ihre eigenen Ebenen api/, schema/ und service/
• Kerninfrastruktur — gemeinsam genutzte Hilfsfunktionen, die zuvor über component/ verteilt waren, sind jetzt in core/ gebündelt
• Gemeinsames Paket — domänenübergreifende Themen (Authentifizierung, Middleware, Exception-Handling, Logging, HTTP-Hilfsfunktionen, Typen) befinden sich in einem dedizierten shared/-Paket
• Trace-ID-Unterstützung — Request-Tracking (Anfrageverfolgung) via contextvars und Middleware, wodurch das Debugging verteilter Agent-Aufgaben einfacher wird
• Versioniertes API-Routing — alle Frontend-API-Aufrufe wurden von /api/... nach /api/v1/... migriert und decken Chat-, Config-, MCP-, Trigger-, OAuth-, User- und Model-Provider-Endpunkte ab
• Legacy-Bereinigung — component/auth.py, component/permission.py, component/stack_auth.py und component/time_friendly.py wurden entfernt

Das ist die Art von Grundlagenarbeit, die Eigent zu einer ernsthafteren Open-Source-cowork-Plattform macht — eine, die Mitwirkende sicher navigieren können und auf der Teams nachhaltig aufbauen können.

🔗 PR: https://github.com/eigent-ai/eigent/pull/1509

---

🔐 Security-Auditor: Integriertes Skill für Code-Sicherheit

Jeder eigent cowork Agent liefert jetzt standardmäßig Sicherheitsbewusstsein mit.

Ein Dank an @statxc, geprüft von @a7m-1st und @Pakchoioioi, für die Bereitstellung von skill-security-auditor als Standard-Beispielskill. Dieses Skill gibt allen Eigent Agents einen strukturierten, professionellen Ansatz für Code-Audits, Secrets-Erkennung und Vulnerability-Scanning.

Das Security-Auditor-Skill ist ein gutes Beispiel dafür, was Eigent zu einer überzeugenden cowork-Alternative macht: Statt ein separates Sicherheitstool auszuführen, können Sie Sicherheitsprüfungen direkt an einen Eigent Agent delegieren — als Teil Ihres normalen Workflows.

Was enthalten ist:

• 6-stufiger Audit-Workflow — Reconnaissance, Secrets-Erkennung, OWASP Top 10-Scanning, Dependency-Audit, Konfigurationsprüfung sowie Auth-/Autorisierungsprüfung
• Bibliothek für Vulnerability-Muster — detaillierte Erkennungsmuster für Injection, Authentifizierungsfehler, Kryptografie-Probleme, Deserialisierung, SSRF und Dateioperationen in Python, JavaScript, TypeScript, Go und Java. Framework-spezifische Prüfungen für Django, Flask, Express und Spring Boot
• Bibliothek für Secrets-Muster — Regex-Muster für mehr als 20 Secret-Typen (AWS, GCP, Azure, GitHub, Slack, Stripe, SendGrid und weitere), Datenbank-Verbindungsstrings und private Schlüssel — mit Regeln zur Reduzierung von False Positives
• scan_project.py — ein vollständiger Projekt-Scanner, der nach fest kodierten Secrets, gefährlichen Funktionsaufrufen und unsicheren Konfigurationsmustern sucht. Unterstützt Text- und JSON-Ausgabe
• scan_secrets.py — ein fokussierter Secrets-Scanner mit False-Positive-Filterung (überspringt standardmäßig Platzhalter, Env-Var-Referenzen und Testdateien), mit verfügbarer --include-tests-Flag
• Keine Abhängigkeiten — beide Skripte laufen nur mit der Standardbibliothek. Keine pip-Installationen erforderlich

Es waren keine Änderungen an Electron, Frontend oder Backend nötig — das Skill wird automatisch aus resources/example-skills/ über den bestehenden Mechanismus seedDefaultSkillsIfEmpty() erkannt.

🔗 PR: https://github.com/eigent-ai/eigent/pull/1479

---

📊 Klarere Token-Nutzung im Chat-Header

Kleine UI-Änderung. Großer Unterschied dabei, zu verstehen, was Ihre Agents verbrauchen.

Ein Dank an @dataCenter430, geprüft von @a7m-1st, für die Überarbeitung der Token-Anzeige im Chat-Header, sodass sie tatsächlich informativ ist und nicht nur eine Zahl, die man im Kopf entschlüsseln muss.

Zuvor war die Token-Anzahl neben „Chat“ im Header kryptisch — eine rohe Zahl wie 19994406 ohne Label und ohne Kontext. Jetzt ist sie ein richtiges Informationselement.

Was neu ist:

• Hover-Tooltip — beim Überfahren der Token-Anzahl wird ein „Token usage“-Label mit einer kurzen Erklärung eingeblendet
• Aufschlüsselung nach Aufgabe und Projekt — der Tooltip zeigt sowohl die aktuelle Token-Anzahl der Aufgabe als auch die Projektgesamtsumme (z. B. „This task: 1,234 · Project total: 5,678“)
• cursor-help-Styling — visuelle Kennzeichnung, die signalisiert, dass der Wert interaktiv ist
• i18n-Unterstützung — neue Locale-Keys (chat.token-usage, chat.token-usage-this-task, chat.token-usage-project-total) wurden für alle unterstützten Sprachen hinzugefügt

Wenn Sie mehrstufige Agent-Workflows in Ihrem eigent cowork Workspace ausführen, ist das Verständnis des Token-Verbrauchs sowohl auf Aufgaben- als auch auf Projektebene entscheidend für Kostenkontrolle und Kapazitätsplanung.

🔗 PR: https://github.com/eigent-ai/eigent/pull/1501

---

🤖 Modellunterstützung für Claude Haiku 4.5

Schnellere, schlankere Agents, wenn Sie sie brauchen.

Ein Dank an @Abishek-Newar für die Ergänzung von Claude Haiku 4.5 zur Modellpalette von Eigent. Haiku 4.5 ist Anthropics schnellstes und kosteneffizientestes Modell in der Claude-4-Familie — ideal für Aufgaben mit hohem Durchsatz, schnelle Klassifizierungsschritte und leichte Agents, die nicht die volle Reasoning-Leistung von Sonnet oder Opus benötigen.

Was hinzugefügt wurde:

• Claude Haiku 4.5 ist im Modellauswähler für alle Agent-Typen verfügbar
• Volle Kompatibilität mit bestehenden Eigent cowork Agent-Workflows
• Kosteneffiziente Option für Workloads, bei denen Geschwindigkeit wichtiger ist als Tiefe

Haiku 4.5 in der Auswahl zu haben, gibt Ihnen das komplette Claude-4-Spektrum in Ihrem eigent cowork Workspace — wählen Sie für jede Aufgabe das passende Modell, ohne die Plattform zu verlassen.

🔗 PR: https://github.com/eigent-ai/eigent/pull/854

---

🔢 Locale-abhängige Formatierung der Token-Anzahl

Zahlen sollten gut lesbar sein. Jetzt sind sie es.

Ein Dank an @dev-miro26 für eine fokussierte, aber wirkungsvolle Verbesserung: Token-Anzahlen in der gesamten App verwenden jetzt Number.toLocaleString(), um Tausendertrennzeichen passend zur Locale darzustellen.

Eine Zahl wie 19994406 wird für en-US-Nutzer zu 19,994,406, für de-DE-Nutzer zu 19.994.406 und so weiter — automatisch, basierend auf den regionalen Einstellungen des Nutzers.

Wo es angewendet wird:

• Token-Anzahl im Chat-Header in HeaderBox
• Aktive und historische Projekt-Token-Anzahlen in der History-Seitenleiste

Ein kleiner Gewinn an Benutzerfreundlichkeit, der die Verbrauchsanzeige auf einen Blick deutlich leichter lesbar macht — besonders in längeren Agent-Sitzungen.

🔗 PR: https://github.com/eigent-ai/eigent/pull/1475

---

🐛 Fehlerbehebungen

Dieses Release bringt außerdem mehrere gezielte Fixes:

• Behoben: Trigger-Action-Card erschien mitten im Stream — Die Karte „Add trigger action“ erscheint jetzt erst, nachdem die finale END-Nachricht des Assistenten vollständig getippt wurde, wodurch vorzeitige UI-Elemente verhindert werden, während das Markdown noch gestreamt wird. (#1474 — @kiannidev)

• Behoben: Langer Task-Text lief aus der ChatBox-Task-Card heraus — min-w-0 wurde hinzugefügt, damit der Task-Text-Container innerhalb der Flex-Zeile korrekt schrumpfen kann, und die nicht wirksame Klasse overflow-wrap-anywhere wurde durch [overflow-wrap:anywhere] ersetzt, sodass langer Task-Content korrekt umbricht. (#1505 — @fengju0213)

• Native macOS-Electron-Styles zurückgesetzt — Das in v0.0.88 eingeführte macOS-Vibrancy-/Native-Window-Design wurde zurückgesetzt, während an Stabilitätsverbesserungen gearbeitet wird. (#1512 — @4pmtong)

---

❤️ Die Community setzt die Messlatte weiter höher

Dieser Sprint lieferte:

• Einen vollständigen domain-driven Server-Refaktor mit versioniertem API-Routing
• Claude Haiku 4.5 in der Modellpalette
• Ein Security-Auditor-Skill in Produktionsqualität, entwickelt und beigesteuert von der Community
• Eine intelligentere Token-Anzeige im Chat-Header
• Locale-abhängige Formatierung der Token-Anzahl in der gesamten UI
• Drei wichtige Fehlerbehebungen

v0.0.89 ist ein Release, das Eigent an der Oberfläche leistungsfähiger und darunter robuster macht. Egal, ob Sie es als Ihr primäres Open-Source-cowork-Tool verwenden, es als cowork-Alternative zu geschlossenen Plattformen evaluieren oder zum eigent cowork-Ökosystem beitragen — dieses Release bewegt die Dinge spürbar voran.

Lassen Sie uns weiterbauen.