Werkzeuge & Skills

Fünf Herkünfte, ein Verzeichnis — die Executive sieht keinen Unterschied, woher ein Werkzeug kommt. Skills und Werkzeuge sind nicht an den Modellprovider gebunden.

Eingebaut Heute

Eingebaut, u. a.: search_memory, remember, list_tasks, add_task, list_goals, add_goal, update_goal, run_command (kritisch), http_get und vault_use. Dazu bedingte Bündel: Chat-Tools (wenn ein Kanal verbunden ist), Reach-Tools (youtube_lesen, github_lesen, reddit_lesen, rss_lesen, netz_suchen) und der Browser (web_ansehen).

Skills Heute

• SKILL.md — eine Anleitung für das Modell, aber nur mit getrennter Freigabe für exakten Pfad, Namen, Byteumfang und SHA-256.
• Python-Dateien mit run(arguments) — benötigen HUNCH_ALLOW_PYTHON_SKILLS=true, ein getrenntes hashgebundenes Vertrauensmanifest und werden als write_low_risk geführt; bei aktivem Gate fragt die Runtime vor jedem Aufruf.

Fremde GitHub-, App- und Übernahme-Texte bleiben zunächst in Quarantäne. Kein späterer Loader darf einen vorhandenen Werkzeugnamen ersetzen. Ort: HUNCH_SKILLS_DIR (Vorgabe ./skills).

MCP Heute

Werkzeuge fremder Server aus mcp_config.json, dynamisch geladen. Umgekehrt bietet Hunch selbst einen MCP-Server (stdio) an — siehe Gedächtnis.

REST-Connectoren Heute

Schnittstellen aus connectors.json — ohne eine Zeile Code.

Externe Agent-Harnesses Heute

Eingebaut: Codex, Claude Code, Gemini CLI, Aider. Eigene über ~/.hunch/harnesses.json. Für das Modell ist das ein Werkzeug run_agent, immer als kritisch eingestuft — ein fremder Agent bringt seine eigene Loop mit und hängt nicht am Governor dieser Runtime; die Freigabe vor dem Start ist die Kontrolle. Positivliste für Umgebungsvariablen, Zeitgrenze und gekappte Ausgabe schützen zusätzlich.

Der lokale Codex-Anbieter in der App ist davon getrennt: Standard ist nur lesen. Schreibzugriff im gewählten Arbeitsordner muss bewusst ausgewählt werden und läuft anschließend ohne Einzelrückfrage; Vollzugriff bietet Hunch nicht an.

Kompatibilität — aktuelle Grenze Heute

Jeder Anbieter kann angebunden werden, wenn Modell oder Werkzeug über einen unterstützten Standard oder Adapter erreichbar ist (MCP, Function-Schemas, Markdown/Python-Skills, REST, Harnesses). Ein proprietäres Plugin-Paket kann einen Adapter benötigen. Nicht jedes Plugin jedes Anbieters funktioniert automatisch.