Muse Code ist Metas agentischer Coding-Harness für das Terminal: Er plant Aufgaben, bearbeitet Dateien, führt Befehle in einer Sandbox aus und bindet MCP-Server an, um aus den Muse-Spark-Modellen einen im Terminal arbeitsfähigen AI Harness für Entwickler zu machen. Betrieben wird er von Meta. Stand: 20. September 2026.
Was ist Muse Code?
Muse Code stammt von Meta und ist laut eigener Dokumentation eigens für die Muse-Spark-Modellfamilie gebaut. Ein öffentlich dokumentiertes Ankündigungsdatum für Muse Code nennen die geprüften offiziellen Seiten nicht; laut Changelog ist 0.1.0 die erste veröffentlichte Version, aktuell (Stand 20. September 2026) liegt Muse Code laut Changelog bei Version 1.2.1. Installiert wird Muse Code über curl -fsSL https://dev.meta.ai/install.sh | sh (macOS, Linux) beziehungsweise irm https://dev.meta.ai/install.ps1 | iex unter Windows; gestartet wird die native muse-Binärdatei im Projektverzeichnis. Die Software ist proprietär, ein öffentliches Quellcode-Repository ist nicht dokumentiert. Neben der interaktiven Nutzung im Terminal stellt Meta ein TypeScript-SDK (npm install @muse-code/sdk) bereit, das über den Befehl muse serve ein eigenes Protokoll für programmierbare Integrationen anbietet.
Muse Code als AI Harness
Laut Dokumentation plant, bearbeitet und führt Muse Code Befehle aus, um eine Aufgabe im Projekt zu erledigen – abgesichert durch Genehmigungen und einen von Beginn an aktiven Betriebssystem-Sandbox. Beim ersten Start in einem unbekannten Verzeichnis fragt die Anwendung ausdrücklich, ob dem Workspace vertraut wird. Projektanweisungen liegen in AGENTS.md, alternativ liest Muse Code auch ein vorhandenes CLAUDE.md; Nutzereinstellungen liegen in ~/.config/muse/settings.json. Für Gedächtnis unterscheidet die Dokumentation zwischen persönlichem, außerhalb des Repositorys gespeichertem Projektgedächtnis und committetem, mit dem Team geteiltem Projektgedächtnis unter .agents/memory/ – mit dem ausdrücklichen Hinweis, dass geteiltes Gedächtnis in nicht vertrauenswürdigen Workspaces eine Angriffsfläche für Prompt-Injection darstellen kann. Über MCP-Server lassen sich externe Systeme per stdio oder streamable_http anbinden, wobei MCP-Werkzeuge laut Dokumentation das Sandboxing umgehen. Skills liegen unter .agents/skills/<skill-id>/SKILL.md und werden per Slash-Befehl aufgerufen; Hooks binden Shell-Befehle über <project-root>/.muse/hooks.json an Lebenszyklus-Ereignisse wie SessionStart oder PreToolUse. Für komplexe Aufgaben startet eine Haupt-Sitzung Sub-Agenten mit optionaler Git-Worktree-Isolation, standardmäßig bis zu acht gleichzeitig, konfigurierbar über agents.execution_capacity. Vier standardmäßig aktive Observer-Agenten laufen parallel mit und schlagen Maßnahmen zu Gedächtnisabruf, Skill-Nutzung, Zielverfolgung und Verifikation behaupteter Arbeit vor, ohne sie selbst auszuführen.
Modelle und Modellzugang
Muse Code wird laut Dokumentation eigens für die Muse-Spark-Modellfamilie von Meta gebaut; Standardmodell ist muse-spark-1.2, wählbar über den Start-Parameter --model oder mitten in der Sitzung über den Slash-Befehl /models. Ein dokumentierter Wechsel zu Modellen anderer Hersteller innerhalb von Muse Code ist nicht vorgesehen. Ein frei konfigurierbarer eigener API-Endpunkt für den Modellzugriff ist öffentlich nicht dokumentiert. Ob sich der Modellzugriff dennoch über einen zentralen Proxy führen lässt, ist damit offen; Unternehmen, die Muse Code neben anderen Modellanbietern einheitlich budgetieren und protokollieren wollen, können dafür das AI Gateway von innFactory für die übrigen, OpenAI-kompatibel angebundenen Modelle im eigenen Stack einsetzen.
Einsatz im Unternehmen: Datenschutz und Governance
Für die Muse-Spark-Modelle unterscheidet die Meta Model API laut Dokumentation einen Standard- und einen deutlich günstigeren Contributor-Tarif; beim Contributor-Tarif räumen Nutzer im Gegenzug für reduzierte Kosten das Recht ein, dass Meta Prompts und Ausgaben zum Training künftiger Modelle verwendet. Diese Tarifwahl gilt laut Dokumentation auch für den nutzungsbasierten Zugang über Muse Code, das daneben ein separates, monatlich pauschal abgerechnetes Abonnement anbietet; ein dediziertes EU- oder DSGVO-Addendum nennt die Dokumentation nicht. Sicherheitsseitig weist die Dokumentation ausdrücklich darauf hin, dass MCP-Werkzeuge das Sandboxing umgehen und Hooks außerhalb der Sandbox mit bereinigter Umgebung laufen – beides sollte in eine interne Risikobewertung einfließen. Wichtig für die Praxis: Quellcode und Prompts gehen an Meta als Modellanbieter – dieser Datenfluss gehört vorab ins Verzeichnis der Verarbeitungstätigkeiten, ergänzt um eine Prüfung der aktuellen Konditionen direkt bei Meta.
Muse Code mit herdr orchestrieren
Laut Dokumentation des Terminal-Orchestrierers herdr erkennt dieser Muse-Code-Sitzungen über ein Screen-Manifest, jedoch ohne Zustands- oder Sitzungsintegration. Das erlaubt eine grundlegende Statusanzeige von Muse-Code-Instanzen neben anderen Coding-Agenten in einer gemeinsamen Terminal-Oberfläche.
Einordnung: Entwickler-Harness und Unternehmens-Harness
Muse Code ist ein Harness für Entwickler, die komplexe, oft länger laufende Coding-Workstreams mit mehreren Sub-Agenten bearbeiten. Für Fachanwender außerhalb der Entwicklung ist CompanyGPT der passende Harness: Werkzeuge über MCP-Server und n8n-Workflows, Kontext über companyRAG, Rollen aus Entra ID oder Keycloak und Audit-Logs für Fachabteilungen. Das AI Gateway bildet dabei die gemeinsame Kosten- und Governance-Schicht für beide Welten, soweit die jeweiligen Harnesses einen eigenen Endpunkt zulassen. Einen Überblick über weitere Coding-Agenten und Orchestrierer finden Sie in unserer Übersicht aller AI Harnesses. Wir unterstützen Unternehmen dabei, auch neue Coding-Harnesses wie Muse Code sicher, governance-konform und mit zentraler Kostenkontrolle zu bewerten und einzuführen.