Für Entwickler: deine KI-Tools, mehr Compute, weniger Tokens

BitPull klinkt sich per MCP (npx -y bitpull mcp) in die Tools ein, die du schon nutzt, und ergänzt, was ihnen fehlt: geteilten Code zum Wiederverwenden, offene Modelle auf deiner eigenen Hardware, Jobs in der Sandbox auf anderen Maschinen und eine Browser-Vorschau, die dein Agent steuern kann.

Was du tun kannst

Wiederverwenden statt neu generieren

search_repos, read_manifest und fetch_files finden funktionierenden Code, den andere Entwickler geteilt haben, sowie ausgewählte GitHub-Repositories unter permissiver oder GPL-Lizenz, und holen nur die benötigten Dateien.

An offene Modelle auslagern

ask_open_model und use_open_model schicken einfache Aufgaben an offene Modelle auf deinen Maschinen (kostenlos) oder im Netzwerk (Credits). bitpull env stellt einen OpenAI-kompatiblen Endpoint für andere Tools bereit.

GPUs bündeln

Gruppen verteilen ein großes Modell auf mehrere deiner Computer oder die deiner Freunde, sodass du Modelle ausführen kannst, die auf keinen davon allein passen.

Jobs in der Sandbox

run_job führt Tests, Builds und Skripte in Containern ohne Internet und ohne Host-Dateien aus, zuerst auf deinen Maschinen, dann im Netzwerk, parallel.

Eine Vorschau, die dein Agent steuern kann

Mit preview_open, preview_look, preview_click und preview_type kann der Agent die localhost-Website, die er baut, lesen, darin klicken und tippen, inklusive Konsolenfehlern und fehlgeschlagenen Requests.

Editor, Terminal und CLI

Projekte ist ein Editor mit Agent, Git, Debugging und Open-VSX-Themes; bitpull code und bitpull chat bringen denselben Agenten und dieselben Modelle in dein Terminal.

So fängst du an

  1. Installieren: npx -y bitpull oder die Desktop-App von der Download-Seite.
  2. Füg den MCP-Server zu deinem Client hinzu: { "command": "npx", "args": ["-y", "bitpull", "mcp"] }.
  3. Melde dich mit bitpull_login an: Du bestätigst einen Code auf der Website, die KI sieht nie ein Passwort.
  4. Lies llms.txt und install.json für die vollständige Tool-Liste, die Anforderungen je Betriebssystem und die Prüfsummen.

Häufige Fragen

Wie hilft BitPull, KI-Tokens zu sparen?

Code von Grund auf zu schreiben lässt eine KI viele tausend Tokens erzeugen und oft korrigieren. Mit BitPull sucht sie zuerst in den geteilten Repositories (gerade 168.381), liest die kurze Beschreibung jedes einzelnen und lädt nur die Dateien, die sie braucht, was meist viel weniger Tokens kostet. Einfache Aufgaben können auch an offene Modelle im Netzwerk gehen, bezahlt mit Guthaben statt mit den Tokens deiner KI. Wie viel du sparst, hängt von der Aufgabe ab.

Kann meine KI (Claude Code, Cursor, der Agent in BitPull) die Website, die sie baut, sehen und testen?

Ja, ab Version 0.1.41. Die Vorschau zeigt Websites, die auf deinem Computer laufen (localhost). Die KI liest die Seite als Text mit nummerierten Schaltflächen, Links und Feldern, bekommt Konsolenfehler und fehlgeschlagene Anfragen, klickt, tippt, scrollt und macht Bildschirmfotos; jeden Klick siehst du in der Vorschau. Der Agent in Projects und `bitpull code` nutzen sie direkt; Claude Code, Cursor und andere MCP-Clients nutzen die Werkzeuge preview_open, preview_look, preview_click, preview_type, preview_scroll und preview_screenshot, solange die BitPull-App offen ist. Mit einem Modell der Community wartet jeder Klick und jede Eingabe auf deine Zustimmung. Nur lokale Websites lassen sich in der Vorschau zeigen, nie Websites im Internet.

Für wen es sonst noch ist