Agenten, die denken, indem sie Code schreiben.

Der Plan ist das Programm — prüfbar, anpassbar, testbar, auditierbar.

Teams, die Agenten in ihr SaaS bauen, verbrennen ein Quartal mit Runtime, Judges und Mandanten-Isolation. Tavora liefert diese Schicht — du baust den Agent.

Gleiche Modelle. Gleiche Tools. Anderes Reasoning-Substrat.

Auf die Warteliste Doku lesen

Pro kostenlos für alle Teams, die wir reinlassen · Go- & TypeScript-SDKs · Self-Host verfügbar · schon ein Konto?

    turn_19f8e2 · think · 1 Schritt · 0.4s 
// agent: "why is INV-3041 overdue and what should I do?" 

const inv  = await stripe.invoice.get("INV-3041"); 
const cust = await crm.customer.get(inv.customer_id); 

if (inv.attempt_count >= 3 && inv.last_failure === "card_declined") { 
 const cardCountry  = inv.payment_method.country; 
 const ourProcessor = config.processor.country; 

 if (cardCountry !== ourProcessor) { 
   return propose([ 
     { action: "switch_processor", to: cardCountry }, 
     { action: "email",  template: "payment_link", to: cust.email }, 
     { action: "notify", channel: "csm", customer: cust.id }, 
   ]); 
 } 
} 
Tools aufgerufen · 0 Evals gescheitert · wiederabspielbar 

Im Einsatz bei Teams, die Agenten ausliefern bei Brookline, Lattice.fi und Northpath.

Warum Tavora

Agenten, die denken,
indem sie Code schreiben.

Die meisten Agent-Plattformen arbeiten mit Function-Calling in einer Schleife — das LLM wählt ein Tool, bekommt ein Ergebnis, wählt erneut. Das primäre Reasoning-Tool eines Tavora-Agents ist think — JavaScript, ausgeführt in einer sandboxed Runtime. Das Programm, das das LLM schreibt, ist der Plan.

turn_19f8e2 · think · 1 Schritt · 0.4s

// agent: "why is INV-3041 overdue and what should I do?" 

const inv  = await stripe.invoice.get("INV-3041"); 
const cust = await crm.customer.get(inv.customer_id); 

if (inv.attempt_count >= 3 && inv.last_failure === "card_declined") { 
 const cardCountry  = inv.payment_method.country; 
 const ourProcessor = config.processor.country; 

 if (cardCountry !== ourProcessor) { 
   return propose([ 
     { action: "switch_processor", to: cardCountry }, 
     { action: "email",  template: "payment_link", to: cust.email }, 
     { action: "notify", channel: "csm", customer: cust.id }, 
   ]); 
 } 
} 

2 Tools aufgerufen · 0 Evals gescheitert · wiederabspielbar

→ In einem Schritt kompositionsfähig

Der Agent braucht keine sechs Turns, um sechs Aufrufe zu kombinieren. Was ein JavaScript-Ausdruck kann — Fetch, Verzweigung, Schleife, Transformation — erledigt der Agent in einem einzigen Gedanken.
→ Lesbar als Quellcode

Wenn etwas schiefgeht, liest du den Code, den der Agent ausgeführt hat. Keine Folge opaker Tool-Calls — echter Quellcode. Jeder falsche Plan ist nur ein Diff von der Lösung entfernt.
→ Sicher durch Konstruktion

Die Runtime ist eine gehärtete ES5.1-Sandbox. Kein Dateisystem, kein Subprozess, kein Netzwerk. Speicher und Zeit sind gedeckelt. Tools werden pro Agent und pro Mandant explizit freigegeben.

Gleiche Modelle. Gleiche Tools. Anderes Reasoning-Substrat.

Von der Idee bis Embedded

Validieren. Bauen. Shippen.

01 Validieren

Probier den Flow in Studio.

Chatte mit deinem Agent im Browser. Gib ihm eine Aufgabe und die Tools. Das LLM schreibt JS, führt es in einer Sandbox aus und zeigt dir, was es getan hat. Wenn etwas falsch ist, siehst du warum.

02 Bauen

Promote, wenn die Evals passen.

Studio läuft bei jeder Änderung gegen deine Eval-Suite. Pass-Rate über deinem Schwellwert? Auf einen versionierten Agent promoten. Darunter? Bleibt im Draft.

03 Shippen

Ein SDK-Call, mandantenfähig.

Snippet ins Backend kopieren. Tenant-Ref deines Kunden mitgeben — Memory, Secrets und Audit werden automatisch gescoped. Ein Agent, jeder Mandant.

Was du bauen kannst

Mehrstufige Agenten,
auf die sich deine Nutzer wirklich verlassen.

Kundensupport

Tier-1-Tickets klassifizieren, routen, lösen

Priorität einstufen, Kunden im CRM nachschlagen, Antwort mit Quellenangaben entwerfen, bei Bedarf an Oncall eskalieren. Vollständige Audit-Spur pro Ticket.

Interne Ops

Refund-Eligibility & Approval-Flows

Policy-Matrix prüfen, Berechnung ausführen, ab Schwellwert menschliche Freigabe anfordern. Derselbe Code, den deine Leute nutzen — nur mit LLM am Steuer.

Onboarding

Geführte App-Einrichtung

Begleitet neue Nutzer durch die Konfiguration. Liest ihre Daten, stellt Rückfragen, ruft deine APIs auf — jeweils mit Bestätigung vor jedem Write.

Analytics

Natürlich-sprachliche Queries auf Mandantendaten

Nutzer stellt eine Frage in Klartext; der Agent schreibt SQL gegen das Mandanten-Schema, führt sie aus und rendert das Ergebnis inline.

Alle 10 Muster in 4 Buckets ansehen

Ein Snippet

Bind jeden Agent ein.
Auf einen Mandanten gescoped.

Embed in Studio klicken. Snippet einfügen. Tenant-Ref deines Kunden mitgeben — Memory, Secrets und Audit des Agents sind damit gescoped.

SDK-Referenz → Multi-Tenancy-Guide

app.tsx

agent.go

aus Studio kopiert · billing-assistant v1.4.0

import { TavoraChat } from "@tavora/react"; 

export function CustomerSidebar({ orgID, customer }) { 
 return ( 
   <TavoraChat 
     agent="billing-assistant" 
     tenant={orgID} 
     context={{ customer }} 
   /> 
 ); 
} 

Dein erster eingebetteter Agent in einem Sprint.

Pro ist kostenlos für alle Teams, die wir reinlassen. Trag dich auf der Warteliste ein — oder überspring die Schlange mit einem 30-Minuten-Call.

Auf die Warteliste Sprich mit uns →