TL;DR: Orca ist eine Desktop-App von Stably, um eine Flotte von Coding-Agenten gleichzeitig auszuführen, jeder in seinem eigenen isolierten Git-Worktree. Sie steuert jeden CLI-Agenten über Ihre bestehenden Abonnements, fügt Terminal-Splits, Diff-Annotationen, SSH-Worktrees, einen Chromium Design Mode, GitHub- und Linear-Browsing sowie eine mobile Begleit-App hinzu. Stand 1. September 2026 hat sie 58.464 Sterne, ist MIT-lizenziert und läuft auf macOS, Windows und Linux. Sie eliminiert Sie als Engpass für den Durchsatz. Sie sagt Ihnen nicht, welcher der fünf Diffs korrekt ist, und sie hinterlässt keinen Datensatz, den jemand anderes lesen kann.
Dies ist ein tiefer Einblick in eines der Tools aus unserer Zusammenstellung von fünf Open-Source-KI-Agenten-Tools, die es wert sind, 2026 installiert zu werden.
Ein Agent in einem Terminal ist eine Arbeitseinheit. Sie geben einen Prompt ein, warten, überprüfen, geben erneut einen Prompt ein. Der Agent ist schnell, und Sie sind der langsame Teil, was nach zwei Jahren Fortschritt bei den Tools ein seltsamer Zustand ist.
Die offensichtliche Lösung ist, mehrere gleichzeitig auszuführen, und das offensichtliche Problem dabei ist, dass Agenten, die denselben Arbeitsbaum bearbeiten, sich gegenseitig zerstören. Orca löst beides und bietet dann eine Fülle von Funktionen, die hauptsächlich darauf abzielen, Kontextwechsel zu vermeiden.
Die Kernidee: ein Worktree pro Agent
Git-Worktrees ermöglichen es, dass ein Repository mehrere Arbeitsverzeichnisse gleichzeitig in verschiedenen Branches ausgecheckt hat. Orca macht dies zum Grundprinzip. Jeder Agent erhält seinen eigenen Worktree, sodass fünf Agenten gleichzeitig am selben Repository arbeiten können, ohne sich gegenseitig in den Dateien zu stören.
Das Muster, das dies mehr als nur eine Annehmlichkeit macht, ist das "Fan-out". Sie nehmen einen Prompt, senden ihn gleichzeitig an mehrere Agenten und vergleichen die Ergebnisse:
Verteilen Sie einen Prompt auf fünf Agenten, jeder in seinem eigenen isolierten Worktree, vergleichen Sie dann die Ergebnisse und übernehmen Sie den Gewinner.
Für eine gut spezifizierte Aufgabe ist das Verschwendung. Für eine wirklich schwierige Aufgabe, bei der Sie nicht vorhersagen können, welcher Ansatz erfolgreich sein wird, ist es das Wertvollste auf dieser Liste. Drei Versuche einer kniffligen Migration von drei verschiedenen Modellen werden nicht auf dieselbe Weise fehlschlagen, und die Auswahl des besten von dreien ist besser als die Iteration des ersten.
Dies von Hand zu tun, bedeutet fünf Terminal-Tabs, fünf git worktree add Befehle und eine mentale Zuordnung, welcher Tab welcher ist. Das ist genau die Art von Buchhaltung, die Leute nach einer Woche aufgeben.
Was es ausführt
Alles, was in einem Terminal läuft. Die unterstützte Liste ist lang und umfasst Claude Code, Codex, Cursor CLI, GitHub Copilot CLI, OpenCode, Grok, Amp, Antigravity, Pi, oh-my-pi, Hermes Agent, Devin, Goose, Auggie, Charm, Cline, Codebuff, Command Code, Continue, Droid, Kilocode, Kimi, Kiro, Mistral Vibe, Qwen Code, Rovo Dev und MiMo Code, plus eine allgemeine Unterstützung für jeden anderen CLI-Agenten.
Entscheidend ist, dass es Ihre eigenen Abonnements und API-Schlüssel verwendet. Hier werden Ihnen keine Tokens weiterverkauft oder Ihre Anfragen proxy-mäßig weitergeleitet. Wenn Sie Claude Code mit Opus 5 und Codex gegen Open-Modelle betreiben, führt Orca beides über die Konten aus, für die Sie bereits bezahlen.
Das macht auch den Vergleich mehrerer Modelle wirklich günstig. Einen Prompt auf Claude Code, Codex und OpenCode zu verteilen, kostet Sie drei Abonnementanfragen anstelle einer neuen Anbieterbeziehung.
Installation
# macOS
brew install --cask stablyai/orca/orca
# Arch Linux
yay -S stably-orca-bin
Direkte Downloads für macOS Apple Silicon und Intel, ein Windows-Installer und ein Linux AppImage sind auf der Releases-Seite verfügbar. Für einen Headless-Linux-Server gibt es orca serve und eine dedizierte Anleitung im Repository.
Die mobile Begleit-App lässt sich mit der Desktop-App koppeln und ist im iOS App Store erhältlich, mit einer Android-APK in den Releases.
Die Funktionen, die nach der ersten Woche wichtig sind
Die parallelen Worktrees stehen im Mittelpunkt. Dies sind die Funktionen, die den täglichen Gebrauch verändern.
Kontowechsel und Nutzungsverfolgung. Sehen Sie die Nutzung von Claude und Codex sowie die Zeiten für die Rücksetzung von Ratenbegrenzungen in der App und wechseln Sie Konten im laufenden Betrieb, ohne sich ab- und wieder anmelden zu müssen. Wenn Sie fünf Agenten parallel ausführen, werden Sie auf Limits stoßen, und zu wissen, wann diese zurückgesetzt werden, ist der Unterschied zwischen einer Planung und dem Entdecken mitten in einer Aufgabe.
KI-Diffe annotieren. Fügen Sie Kommentare zu jeder Diff-Zeile hinzu und senden Sie sie an den Agenten zurück. Überprüfen, bearbeiten und committen Sie, ohne die App zu verlassen. Dies ist das korrekte Interaktionsmodell für die Ausgabe von Agenten, da nützliches Feedback zur Überprüfung fast immer zeilenspezifisch ist und das Eintippen von „Im Retry-Helfer sollte der Backoff exponentiell sein“ in ein Chatfenster den Bezug verliert.
SSH-Worktrees. Führen Sie Agenten auf einer größeren Remote-Maschine mit vollständiger Dateibearbeitung, Git und Terminals aus, mit automatischer Wiederverbindung und Portweiterleitung. Praktisch, wenn Ihr Laptop nicht fünf parallele Builds hosten kann, was er normalerweise nicht kann.
Design-Modus. Klicken Sie auf ein beliebiges Element in einem echten Chromium-Fenster, und Orca sendet dessen HTML, CSS und einen zugeschnittenen Screenshot an den Prompt des Agenten. Dies beseitigt den schlimmsten Teil der Frontend-Agentenarbeit, nämlich die Beschreibung, welches Element kaputt ist.
Terminal-Splits. Terminals der Ghostty-Klasse mit WebGL-Rendering, unendlichen Splits und Scrollback, das Neustarts überlebt. Merken Sie sich dieses letzte Detail; es kommt später wieder zur Sprache.
GitHub und Linear, In-App. Durchsuchen Sie PRs, Issues und Boards und öffnen Sie einen Worktree direkt aus einer Aufgabe heraus.
Orca CLI. Agenten können Orca selbst mit orca worktree create, snapshot, click und fill steuern, sodass Workflows skriptfähig statt nur klickbar sind.
Es gibt auch Drag-and-Drop von Dateien und Bildern in Prompts in einem VS Code-basierten Editor mit Autosave, schnellem Öffnen über Worktrees und Agenten hinweg, Markdown- und PDF-Vorschauen, Computernutzung für Workflows, die echte UI-Interaktion erfordern, sowie Benachrichtigungs- und Ungelesen-Status, damit Sie wissen, wann ein Agent fertig ist oder stagniert. Die Maintainer veröffentlichen täglich und sagen, der Changelog sei die eigentliche Feature-Liste, was sowohl eine faire Warnung als auch ein gutes Zeichen ist.
Wann Fan-out sich auszahlt und wann es Tokens verbrennt
Parallelität ist nicht umsonst, und der Fehlschlag besteht darin, fünfmal so viele Tokens auszugeben, um fünf Versionen derselben Antwort zu erhalten. Eine Faustregel aus der Anwendung dieses Musters: bei Unklarheiten ausfächern, bei Spezifikationen einzeln ausführen.
Fächern Sie aus, wenn die Aufgabe mehrere vertretbare Ansätze hat. Ein Refactoring des Zustandsmanagements, eine knifflige Datenmigration, ein Leistungsproblem, bei dem der Engpass noch nicht identifiziert wurde, eine unbekannte Bibliotheksintegration. Hier divergieren die Modelle wirklich, und die Streuung ist der Wert. Drei Agenten werden drei verschiedene Strukturen erzeugen, und eine davon wird besser sein, als Sie es geschrieben hätten.
Führen Sie einen Agenten aus, wenn die Aufgabe spezifiziert ist. Hinzufügen eines Feldes zu einem Endpunkt, Verdrahten eines Handlers, der zu vier bestehenden Handlern passt, Schreiben von Tests für eine Funktion, deren Verhalten dokumentiert ist. Fünf Agenten werden fünf nahezu identische Diffs erzeugen, und Sie hätten fünfmal für einen Rundungsfehler bezahlt.
Fächern Sie über Modelle hinweg aus, nicht nur über Runs. Drei Claude Code-Instanzen auf demselben Prompt gruppieren sich eng. Claude Code, Codex und OpenCode auf demselben Prompt divergieren viel stärker, da die Unterschiede aus dem Training und nicht aus der Stichprobenziehung stammen. Dass Orca dies zu einem Ein-Klick-Vergleich macht, ist hier die unterschätzte Funktion, und es ist der Grund, warum der Kontowechsler und die Nutzungsverfolgung genauso wichtig sind wie die Worktrees.
Schreiben Sie die Akzeptanzkriterien, bevor Sie ausfächern. Wenn Sie nicht angeben können, wie eine korrekte Antwort aussieht, bevor die Agenten starten, werden Sie einen Gewinner nach ästhetischen Gesichtspunkten auswählen. Das Aufschreiben von drei Kriterienpunkten dauert eine Minute und verwandelt die Überprüfung von einer Ermessensentscheidung in einen Check. Es gibt Ihnen auch etwas, das Sie den Agenten übergeben können, was normalerweise alle fünf Kandidaten verbessert.
Die Wirtschaftlichkeit ist einfach genug, um sie im Kopf zu behalten. Fan-out tauscht Tokens gegen eine breitere Suche im Lösungsraum. Das ist ein guter Tausch, wenn der Raum weit ist, und ein schlechter, wenn es nur eine vernünftige Antwort gibt.
Das Problem, das Orca schafft
Führen Sie fünf Agenten aus und Sie erhalten fünf Diffs. Was nun?
Das ist der Teil, den die Tools nicht beantworten, und es wird schlimmer, je besser die Tools werden. Fan-out vervielfacht die Ausgabe. Ihre Fähigkeit, Korrektes von Plausiblem zu unterscheiden, bleibt genau dieselbe. Fünf Diffs sorgfältig zu lesen, dauert länger, als den Code zu schreiben, daher überfliegen die Leute in der Praxis die Diffs, wählen den saubersten aus und mergen ihn.
Ein sauberes Aussehen ist nicht korrekt. Das ist das ganze Problem mit der Agentenausgabe, und es ist am schärfsten bei allem, was eine API berührt, denn dort rät der Agent, anstatt zu denken. Jeder Ihrer fünf Agenten erfand seine eigene Vorstellung davon, was der Endpunkt zurückgibt. Alle fünf schrieben Code, der ihre imaginäre Form verarbeitet. Alle fünf schrieben Tests, die gegen ihre eigene Annahme bestehen. Die Diffs stimmen nicht überein und keiner von ihnen ist durch Lesen überprüfbar.
Was Sie brauchen, ist ein Schiedsrichter, der nicht Sie sind. Das bedeutet einen Vertrag, den die Agenten nicht erfunden haben, und eine Testsuite, die bei der Differenz fehlschlägt:
- Die OpenAPI-Spezifikation ist die gemeinsame Wahrheit. Jeder Agent in jedem Worktree liest dieselben Schemata, Statuscodes und Fehlerumschläge anstelle von fünf separaten Vermutungen. Dies ist der Fall, der in die Verwendung Ihrer OpenAPI-Spezifikation als Agenten-Tools dargelegt wird.
- Mocks werden aus der Spezifikation generiert. Einschließlich der Fehlerzweige, sodass ein Agent, der nur den "Happy Path" behandelt hat, sofort scheitert, anstatt erst im Staging.
- Vertragstests entscheiden über den Gewinner. Führen Sie dieselbe Suite für alle fünf Worktrees aus. Zwei bestehen, drei nicht. Das ist eine Merge-Entscheidung, die auf Beweisen und nicht darauf basiert, welcher Diff um 18 Uhr am besten aussah.
- Formänderungen werden lautstark sichtbar. Wenn sich der Upstream-Vertrag ändert, brechen die Tests, anstatt dass das Verhalten stillschweigend abweicht. Siehe was passiert, wenn API-Änderungen KI-Agenten brechen.
Hier passt Apidog in ein Orca-Setup, und es ist eine wirklich komplementäre Ergänzung und kein bloßer Verkaufsversuch. Orca liefert Ihnen günstig fünf Kandidatenantworten. Eine Spezifikation plus eine deterministische Testsuite macht auch die Wahl zwischen ihnen günstig. Ohne diese zweite Hälfte vervielfacht die Parallelität Ihre Überprüfungsaufwand anstatt Ihres Durchsatzes. Laden Sie Apidog herunter und integrieren Sie die Spezifikation, bevor Sie das Fan-out aktivieren, nicht danach. Das umfassendere Argument, warum die Verifizierung eher wächst als schrumpft, wenn Agenten mehr Code schreiben, finden Sie unter brauchen Sie im Zeitalter der KI-Agenten noch ein API-Tool, und die Zuverlässigkeitspraktiken dazu unter Zuverlässigkeit von KI-Agenten in der Produktion.
Scrollback ist kein Datensatz
Nun zur zweiten Lücke, die weniger ein Fehler in Orca ist, als vielmehr eine Grenze dessen, was es ist.
Orca ist ein ausgezeichnetes Cockpit für einen Operator. Alles lebt auf Ihrer Maschine: die Worktrees, die Terminalsitzungen, die Diffs, das Scrollback, das Neustarts hilfreich überlebt. Das ist genau richtig für Solo-Arbeiten und wird zum Problem, sobald eine zweite Person etwas wissen muss.
Sie führen am Donnerstag fünf Agenten aus. Am Montag fragt ein Teamkollege, warum sich die Wiederholungslogik im Zahlungs-Client geändert hat. Die Antwort befindet sich in einem Terminalfenster auf Ihrem Laptop, sofern Sie diesen Worktree nicht geschlossen haben. Der Prompt, der ihn erzeugt hat, ist verschwunden, die Argumentation ist verschwunden, und das einzige dauerhafte Artefakt ist eine von einem Modell geschriebene Commit-Nachricht.
Prompts sind keine Aufzeichnungen. Ein Cockpit ist keine Organisation.
Sharkly ist auf der anderen Seite dieser Linie gebaut, und die beiden sind philosophisch näher beieinander, als die Kategoriebezeichnungen vermuten lassen. Beide isolieren die Arbeit pro Einheit. Beide ermöglichen es Ihnen, Ihre eigene Ausführung und Ihre eigenen Abonnements mitzubringen. Der Unterschied liegt in der Einheit: Orcas Einheit ist ein Worktree, den Sie betrachten, und Sharklys ist eine Aufgabe, die die Sitzung überdauert.
- Die Aufgabe ist der gemeinsame Datensatz, nicht der Prompt. Fortschritt, Tool-Aufrufe und Ergebnisse werden dorthin zurückgespielt, und die Ausgabe des Agenten landet als Kommentare, auf die Sie antworten können. Die Frage vom Montag hat eine Antwort, die keine Bildschirmaufnahme ist.
- Ein Agent ist eine gespeicherte Konfiguration. Anweisungen, Laufzeit, Fähigkeiten, Repositories, Umgebung. Das Setup, das Sie für den Zahlungsdienst optimiert haben, wird wiederverwendet, anstatt jeden Morgen in ein neues Fenster neu eingegeben zu werden.
- Ein Team (Crew) besteht aus einem führenden Agenten plus weiteren Agenten und Personen, die Leader-First arbeiten. Der Leader liest den Aufgabenkontext, entscheidet, welche Mitglieder hinzugezogen werden sollen, und kombiniert die Ergebnisse an einem Ort. Das ist Fan-out mit einem Syntheseschritt, anstatt Fan-out plus dem Lesen von fünf Diffs durch Sie.
- Ausführung ist BYO (Bring Your Own). Sie verbinden einen Computer, der Ihr Laptop, ein Server oder ein Container sein kann, und Sharkly verwendet die bereits darauf installierte Laufzeitumgebung. Das gleiche Modell wie Orcas Nutzung Ihrer eigenen Abonnements und derselbe Grund, warum es das richtige ist.
- Repository-Arbeit läuft in einem separaten Worktree pro Aufgabe. Derselbe Isolierungstrick, angewendet auf Aufgabenebene statt auf Pane-Ebene.
- Backlog läuft nicht. Eine Aufgabe, die im Backlog liegt, startet nichts, sodass die Arbeit vorbereitet und überprüft wird, bevor Tokens ausgegeben werden. Dieser Checkpoint fehlt den meisten parallelen Agenten-Setups.
- Struktur, die ein Team bereits versteht. Spaces, Projekte, Sprints, Aufgaben, mit Jira-Synchronisierung für Teams, die dort arbeiten.
Die ehrliche Zusammenfassung: Wenn Sie alleine arbeiten, ist Orca wahrscheinlich ausreichend und sehr gut. Sobald eine zweite Person Einblick in die Aktionen der Agenten benötigt, brauchen Sie einen dauerhaften Aufgabenrekord, und kein Scrollback kann dies bieten.
Ein funktionierendes Setup
Wenn Sie dies einführen, eine Reihenfolge, die das übliche Chaos vermeidet:
- Installieren Sie Orca und verwenden Sie eine Woche lang einen Agenten. Das Terminal, der Editor und die Diff-Annotation sind es wert, bevor Sie Parallelität berühren.
- Verbinden Sie zuerst die Spezifikation und die Vertragstests. Fan-out ohne Schiedsrichter verschlimmert die Dinge. Dies ist der Schritt, den die Leute überspringen.
- Fächern Sie nur bei schwierigen Problemen aus. Drei Agenten bei einem unklaren Refactoring, ein Agent bei einem klaren Ticket. Alles auszufächern verschwendet Tokens und Ihre Aufmerksamkeit.
- Reduzieren Sie zuerst die Token-Kosten jedes Agenten. Fünf Agenten, die dasselbe Repository durchsuchen, sind fünfmal so viel Verschwendung, also kombinieren Sie dies mit codebase-memory-mcp.
- Verwenden Sie Annotationen anstelle von erneutem Prompting. Zeilenkommentare zurück an den Agenten sind besser als das Umschreiben der gesamten Anweisung.
- Wechseln Sie zu SSH-Worktrees, wenn Ihr Laptop nicht mehr mithalten kann. Das wird passieren, etwa beim dritten oder vierten Agenten bei jedem echten Build.
- Fügen Sie eine Aufgabenebene hinzu, wenn eine zweite Person beteiligt ist. Alleine, überspringen Sie es. In einem Team ist die Aufzeichnung nicht optional.
FAQ
Ersetzt Orca meine IDE? Meistens für agentengesteuerte Arbeit. Es verfügt über einen VS Code-basierten Editor mit Autosave, einen Dateiexplorer, Terminals und Diff-Review. Für tiefgreifendes Debugging behalten die Leute immer noch eine vollständige IDE.
Benötige ich separate Abonnements für jeden parallelen Agenten? Nein. Orca verwendet die Konten, die Sie bereits haben, und die integrierte Nutzungsverfolgung zeigt Ihre Claude- und Codex-Limits sowie die Rücksetzzeiten an. Sie werden beim gleichzeitigen Ausführen mehrerer Agenten auf Ratenbegrenzungen stoßen; das ist eine Frage der Planbegrenzung, nicht von Orca.
Ist das Ausführen von fünf Agenten in einem Repo tatsächlich sicher? Ja, da jeder seinen eigenen Git-Worktree erhält, können sie die Dateien der anderen nicht überschreiben. Der gemeinsame Zustand außerhalb des Repos, d.h. Datenbanken, laufende Dev-Server und Ports, muss weiterhin von Ihnen verwaltet werden. Weisen Sie sie separaten Umgebungen zu, sonst erhalten Sie verwirrende Fehler, die wie Agentenfehler aussehen.
Wie wähle ich zwischen den Diffs? Führen Sie dieselbe Testsuite für alle aus und lassen Sie sie entscheiden. Wenn Ihre Tests die Kandidaten nicht unterscheiden, müssen die Tests behoben werden, bevor Sie das Fan-out skalieren. Das Nachvollziehen dessen, was jeder Agent tatsächlich aufgerufen hat, hilft ebenfalls, was unter Verfolgung von Agenten-Tool-Aufrufen behandelt wird.
Orca oder ein Arbeitsmanagement-Tool wie Sharkly? Unterschiedliche Ebenen, und sie ergänzen sich. Orca ist der Ort, an dem Sie Agenten im Moment steuern. Ein Aufgabensystem ist der Ort, an dem die Arbeit lebt, zugewiesen wird und danach überprüfbar bleibt. Alleine benötigen Sie möglicherweise nur das Erste.
Ist es wirklich MIT-lizenziert? Ja, im Gegensatz zu einigen Tools in dieser Kategorie. Stably ist ein kommerzielles Unternehmen und die Desktop-App ist Open Source unter MIT-Lizenz.
Zusammenfassung
Orca ist die stärkste verfügbare Antwort auf das Durchsatzproblem. Parallele Worktrees, ein echtes Terminal, Diff-Annotationen, Remote-Ausführung und eine mobile Begleit-App ergeben ein ernstzunehmendes Tool, und die Nutzung eigener Abonnements statt des Weiterverkaufs von Tokens ist das richtige Geschäftsmodell.
Was es Ihnen liefert, sind mehr Kandidatenantworten pro Stunde. Das ist nur ein Fortschritt, wenn Sie auch zwischen ihnen entscheiden und sich erinnern können, was passiert ist. Der Entscheidungsteil benötigt einen Vertrag und eine Testsuite, das ist Apidog. Der Erinnerungsteil benötigt eine Aufgabe, die die Sitzung überdauert, das ist Sharkly.
Fünf Agenten ohne Schiedsrichter bedeuten nicht die fünffache Ausgabe. Es ist die fünffache Überprüfungswarteschlange.