Conductor ist das Tool, das die meisten zuerst nennen, wenn es darum geht, mehrere Coding-Agents gleichzeitig laufen zu lassen. Das hat es sich verdient. Eine native Mac-App, Agents in isolierten Workspaces, saubere Diffs zum Reviewen – und kein tmux-Turnen mehr, wie es dieses Muster früher erforderte.
Die nützliche Frage ist also nicht, welches Tool parallele Agents ausführt – das tun beide. Sondern: Was passiert, wenn die Arbeit aufhört, der Nachmittag eines einzelnen Entwicklers zu sein? Wenn eine zweite Person den Run sehen muss, wenn jemand mit Windows dazukommt, wenn der Agent eine Maschine braucht, die kein Laptop ist, und wenn der Plan woanders leben muss als in einer Workspace-Liste. Dieser Leitfaden zieht genau diese Grenzen und sagt klar, wo Sharkly die falsche Antwort ist.
TL;DR
Conductor führt parallele Claude-Code-, Codex- und Cursor-Agents in isolierten Workspaces unter macOS aus, mit einem kostenlosen Tarif, in dem Sie eigene Abos und Keys mitbringen, sowie kostenpflichtigen Tarifen, die Conductor Cloud, eine API, Live-Zusammenarbeit für Teams und Enterprise-Identity-Kontrollen ergänzen. Laut Dokumentation ist es noch nicht für Windows oder Linux verfügbar. Sharkly führt Agents auf Computern aus, die Sie verbinden – darunter Remote-Server und Container –, unter macOS, Linux und Windows, und bettet sie in ein Arbeitssystem ein: Tasks, Projects, Sprints, Crews und bidirektionale Jira-Synchronisierung. Ist Ihr Team komplett auf macOS und wünscht sich die polierteste native Erfahrung, ist Conductor eine starke Antwort. Muss die Ausführung den Laptop verlassen oder soll die Planung gemeinsam mit der Ausführung leben, übernimmt Sharkly.
Was Conductor richtig macht
Conductor hat etwas bewiesen, das inzwischen die ganze Kategorie voraussetzt: Parallele Agent-Arbeit braucht Isolation und eine Review-Oberfläche – und beides sollte einen Klick entfernt sein statt ein Shell-Ritual.
Die Homepage beschreibt das Produkt unmissverständlich: „Run parallel Claude Code, Codex, and Cursor agents in isolated workspaces on your Mac." Jeder Agent bekommt seinen eigenen Workspace, sodass zwei Agents, die dieselben Dateien bearbeiten, kein Merge-Desaster mehr sind. Einen Workspace anlegen, einen Agent zuweisen, das resultierende Diff prüfen – das sind Interface-Aktionen, keine Befehle, die man sich merken muss.
Die Preisgestaltung ist ehrlich, was das Verhältnis zur Runtime angeht. Der kostenlose Tarif sagt, dass Sie eigene Abos und Keys mitbringen – die richtige Haltung für eine Ebene, die das Modell nicht selbst ausführt. Die kostenpflichtigen Tarife ergänzen Conductor Cloud mit Cloud-Workspace-Stunden und eine Conductor-API in Pro, während der Teams-Tarif Live-Zusammenarbeit für Teams jeder Größe, zentrale Abrechnung und ein Admin-Portal hinzufügt. Enterprise ergänzt einen Auftragsverarbeitungsvertrag, SAML SSO, SCIM und einen SLA mit dediziertem Support.
Gerade dieser letzte Punkt ist für einen fairen Vergleich wichtig, denn die ältere Darstellung „Conductor ist ein Solo-Tool" ist veraltet. Es gibt einen Team-Tarif mit Zusammenarbeit und Admin-Kontrollen. Jeder Vergleich, der das auslässt, will Ihnen etwas verkaufen.
Wenn Sie die weitere Landschaft lokaler Runner sehen möchten: Unser Vergleich von Claude Squad, Conductor und tmux zeigt, wie sich diese Ansätze in der Praxis unterscheiden.
Wo eine Mac-native App an ihre Grenzen stößt
Aus dem Design ergeben sich drei Grenzen – und nur eine davon betrifft Funktionen.
Plattform. In der Installationsdokumentation von Conductor heißt es: „Conductor is not available for Windows or Linux yet." Für ein reines Mac-Team ist das irrelevant. Für ein Team mit einem Windows-Entwickler, einer Linux-Workstation oder einer CI-nahen Build-Maschine entscheidet es die Frage, bevor überhaupt ein Funktionsvergleich beginnt.
Der Ausführungs-Host. Workspaces laufen dort, wo die App läuft. Conductor Cloud ergänzt in den kostenpflichtigen Tarifen gehostete Workspace-Stunden, was das abmildert, doch das lokale Modell dreht sich weiterhin um die Maschine des Entwicklers. Agent-Arbeit, die eine Maschine mit VPN-Route, einer befüllten Datenbank oder einer GPU braucht, verlangt einen anderen Host – und das ist meistens kein Laptop.
Die Arbeitseinheit. Ein Workspace ist eine Session. Das ist eine gute Abstraktion für „dieser Agent, dieser Branch, dieses Diff". Ein Backlog-Element ist es nicht. Es trägt keine Priorität, keine Sprint-Zugehörigkeit, keine Akzeptanzkriterien, keinen Blocker, den jemand anderes ausräumen muss, und keine Historie darüber, was ein Reviewer vor drei Wochen entschieden hat. Teams, die das brauchen, halten es woanders – und dann leben Planung und Ausführung in zwei Systemen, die auseinanderdriften.
Nichts davon sind Mängel. Es ist die Form eines fokussierten lokalen Tools, und genau diese Fokussierung macht es so angenehm in der Nutzung.
Die Entscheidung in zwei Fällen
Nehmen Sie Conductor, wenn alle auf macOS arbeiten, die gewünschten Agents Claude Code, Codex oder Cursor sind, die Arbeit problemlos auf Entwickler-Rechnern oder gehosteten Workspace-Stunden läuft und Ihre Planung bereits in einem Tracker liegt, mit dem Sie zufrieden sind. Eine native App mit Live-Zusammenarbeit ist leichter als ein Arbeitssystem – und leichter ist ein Feature.
Nehmen Sie Sharkly, wenn die Ausführung außerhalb des Laptops oder plattformübergreifend stattfinden muss oder wenn das Team Planung, Ausführung und Review in einem Datensatz zusammenführen möchte.
Die Definition, die den Unterschied trägt: Ein Computer in Sharkly stellt den Ausführungs-Host für Agent-Arbeit bereit und kann ein lokaler Computer, ein Remote-Server, ein Container oder ein unterstützter Cloud-Host sein. Ein kleiner lokaler Dienst verbindet den Computer mit Sharkly, erkennt verfügbare Runtimes, empfängt Arbeit, bereitet das Task-Verzeichnis vor, startet die ausgewählte Runtime und streamt den Fortschritt zurück.
Diese Trennung ist das gesamte Design. Der Agent legt fest, wie Arbeit behandelt werden soll. Der Computer liefert den Host und die lokalen Ressourcen. Die Runtime führt die eigentliche Agent-Session aus. Der Task bleibt der gemeinsame Datensatz für das Team.
Was das Arbeitssystem zusätzlich bietet
Wenn Sie mit der parallelen Isolation bereits zufrieden sind, ist dieser Abschnitt der einzige Grund, weiterzulesen.
Arbeit hat ein Zuhause, das die Session überdauert. Ein Task ist die zentrale Arbeitseinheit. Er gehört zu einer Organization und einem Space und kann zusätzlich zu einem Project oder Sprint gehören. Er erfasst Ziel und Beschreibung, Status, Priorität, Termine, Labels und Task-Typ, die verantwortliche Person, den Agent oder Crew, der bzw. die mit der Ausführung beauftragt ist, Kommentare und Anhänge sowie den Ausführungsstatus, Trace und das Ergebnis des Agents. Wenn ein Run stockt, hängt der Stillstand am Task – genau dort, wo die Person ihn findet, die die Arbeit morgen übernimmt.
Agent-Setups werden Team-Eigentum. Ein Agent ist eine gespeicherte Arbeitskonfiguration und kein einmaliger Prompt: Anweisungen, Runtime, Skills, Repositories, Umgebung und Run-Einstellungen. Ein Team kann separate Agents für Code-Änderungen, Review, Tests, Dokumentation oder operatives Triage pflegen, ohne dieselben Anweisungen jedes Mal neu zu schreiben. Unser Erklärstück dazu, was ein Coding-Agent-Skill ist, behandelt den Teil mit den wiederverwendbaren Anweisungen.
Koordination bekommt Struktur, wenn sie nötig ist. Eine Crew ist eine wiederverwendbare Gruppe aus People und Agents, koordiniert von einem leitenden Agent – für Arbeit, die von rollenbasierter Zusammenarbeit, Sequenzierung oder einem Leader profitiert, der entscheidet, welcher Agent als Nächstes handelt. Nutzen Sie einen einzelnen Agent, wenn ein einzelner Agent ausreicht; der Crews-Leitfaden sagt ausdrücklich, wann man besser nicht zu einer Crew greift.
Der Tracker bleibt verbunden. Sharklys Jira-Integration unterstützt Jira Cloud sowie Jira Server bzw. Data Center, mit Import, Einweg-Synchronisierung oder bidirektionaler Synchronisierung, die ein Jira-Projekt mit einem Space verknüpft. Teams, die Jira nicht verlassen können, müssen es auch nicht.
Runtimes sind erweiterbar. Wenn der lokale Dienst die gewünschte Ausführungsfähigkeit nicht erkennt, können Sie in den Computer-Details eine benutzerdefinierte ACP-Runtime hinzufügen: Icon, Namen und Startbefehl konfigurieren, speichern und dann „Test connection" auswählen.
Ein konkretes Beispiel
Ein zwölfköpfiges Team liefert eine Web-App und einen internen Datendienst aus. Acht Entwickler arbeiten auf Macs, zwei auf Windows, und zwei erledigen den Großteil ihrer Arbeit per SSH auf einer Linux-Box mit der Datenpipeline.
Die acht Mac-Entwickler waren zufrieden damit, parallele Agents lokal laufen zu lassen. Die anderen vier konnten nicht mitmachen – und genau das war das eigentliche Problem: Das Tooling beschrieb, wie acht Personen arbeiteten, nicht wie das Team arbeitete.
Sie verbanden stattdessen Computer, statt Hardware zu vereinheitlichen: mehrere Laptops plus die Linux-Box, auf der die Pipeline-Umgebung und die Netzwerkroute zum Staging bereits vorhanden waren. Arbeit, die die Pipeline braucht, läuft dort. Arbeit, die das lokale Setup eines Entwicklers braucht, läuft auf dessen Laptop. Die Windows-Entwickler verbinden sich auf dieselbe Weise.
Jeder Run bekommt weiterhin einen isolierten Worktree – auf diesen Teil wollten sie nicht verzichten. Unser Leitfaden zum Ausführen paralleler Agents in isolierten Worktrees behandelt die Mechanismen, die gleichzeitige Runs sicher machen.
Verändert hat sich, was ein Reviewer sieht. Statt eines Diffs, der von irgendeiner Maschine auftaucht, zeigt der Task das Ziel, den Agent, der ihn ausgeführt hat, den Computer, auf dem er lief, den Trace, die Blocker und die Diskussion. Das Standup liest den Sprint, nicht acht separate Workspace-Listen.
Sharkly vs. Conductor: ein fairer Vergleich
| Conductor | Sharkly | |
|---|---|---|
| Kategorie | Nativer paralleler Agent-Runner für macOS | Arbeitsmanagement- und Ausführungsebene für People und Agents |
| Plattformen | macOS; laut Dokumentation sind Windows und Linux noch nicht verfügbar | Installer für macOS, Linux und Windows für die CLI und den lokalen Dienst |
| Agents | Claude Code, Codex und Cursor | Auf dem Computer erkannte Runtimes plus benutzerdefinierte ACP-Runtimes, die Sie konfigurieren |
| Ausführungs-Host | Ihr Mac plus Conductor-Cloud-Workspace-Stunden in kostenpflichtigen Tarifen | Computer, die Sie verbinden: lokal, Remote-Server, Container oder unterstützter Cloud-Host |
| Isolation | Isolierte Workspaces pro Agent | Isolierte Worktrees pro Run, verknüpft mit einem gemeinsamen Task |
| Arbeitseinheit | Workspace oder Session | Task, optional in einem Project oder Sprint |
| Team-Funktionen | Live-Zusammenarbeit, zentrale Abrechnung, Admin-Portal in Teams; SAML SSO und SCIM in Enterprise | Organizations, Spaces, gemeinsame Agents, Crews und Review-Flow |
| Modell-Abrechnung | Eigene Abos und Keys mitbringen | Die Abos oder API-Keys, die in diesen Tools bereits konfiguriert sind |
| Tracker-Integration | Arbeitet parallel zu Ihrem Tracker | Bidirektionale Jira-Synchronisierung für Cloud, Server und Data Center |
Häufige Fehler
Nach Parallelität vergleichen. Beide isolieren parallele Runs gut. Auf dieses Merkmal hin zu entscheiden, sagt Ihnen gar nichts. Entscheiden Sie nach Plattformabdeckung, Ausführungs-Host und der Frage, ob die Planung gemeinsam mit der Ausführung leben soll.
Die veraltete Darstellung als „Solo-Tool" verwenden. Conductor hat einen Teams-Tarif mit Live-Zusammenarbeit und einem Admin-Portal. Wenn jemand behauptet, es könne kein Team bedienen, hat er zuletzt vor längerer Zeit nachgesehen.
Ein Arbeitssystem hinzufügen, das Sie nicht brauchen. Wenn alle auf macOS arbeiten, die Planung im Tracker gut funktioniert und Agents problemlos auf Laptops laufen, ist eine Arbeits-Ebene nur Overhead. Sagen Sie Nein dazu.
Hardware vereinheitlichen, damit das Tool passt. Macs zu kaufen, damit ein Tool funktioniert, ist eine Entscheidung, die man vorher gründlich prüfen sollte – besonders, wenn ein Teil der Arbeit ohnehin auf einen Server gehört.
Fazit
Conductor ist die beste Ausprägung einer fokussierten Idee: parallele Agents, isolierte Workspaces, sauberes Review, nativ auf dem Mac, mit Team-Tarifen obendrauf. Passt Ihr Team vollständig in die macOS-Welt und hat Ihre Planung bereits ein Zuhause, dann ist dieser Fokus ein Feature, das Sie nicht gegen etwas Schwereres eintauschen sollten.
Sharkly beantwortet eine andere Frage: Wo läuft Agent-Arbeit, wenn sie auf einen Server gehört, wie kommt ein plattformübergreifendes Team dazu, und wie bleiben Planung, Ausführungs-Trace und menschliche Entscheidung im selben Datensatz? Sharkly ist kein Ersatz für Claude Code, Codex oder andere Ausführungstools. Es ergänzt die gemeinsame Ebene für Tasks, Computer, Kontext, Kontrolle und Review rund um die Tools, die Ihr Team bereits nutzt.
Wenn Ihr Parallel-Agent-Setup funktioniert, aber nur für einen Teil Ihres Teams, dann ist genau das die Lücke. Starten Sie mit Sharkly, verbinden Sie einen Computer, der kein Laptop ist, und weisen Sie ihm einen Task zu.
FAQ
Läuft Conductor unter Windows oder Linux? In der Installationsdokumentation heißt es, Conductor sei noch nicht für Windows oder Linux verfügbar, verbunden mit der Einladung, sich für eine Benachrichtigung anzumelden. Prüfen Sie die aktuellen Docs, bevor Sie entscheiden.
Führt Sharkly Agents wie Conductors Workspaces in isolierten Worktrees aus? Ja. Runs sind isoliert, damit parallele Agents nicht kollidieren – die Isolation hängt dabei an einem gemeinsamen Task statt an einer lokalen Workspace-Liste.
Kann ich Conductor weiter nutzen und Sharkly ergänzen? Ja, wobei es meist sauberer ist, pro Arbeitspaket ein Zuhause zu wählen. Eine übliche Aufteilung: lokale parallele Runs für persönliche Arbeit und Sharkly für Arbeit, die das Team sehen, zuweisen und reviewen muss.
Welche Agents unterstützt Sharkly? Jede Runtime, die der lokale Dienst auf dem verbundenen Computer erkennt, sowie jede benutzerdefinierte ACP-Runtime, die Sie mit Icon, Namen und Startbefehl konfigurieren.
Wer bezahlt die Modellnutzung in jeweils welchem Fall? Beide überlassen das Ihnen. Conductors kostenloser Tarif sagt: eigene Abos und Keys mitbringen; Sharkly erklärt, dass die Modellnutzung weiterhin über die Abos oder API-Keys läuft, die in diesen Tools konfiguriert sind.
Braucht Sharkly einen dedizierten Server? Nein. Ein Computer kann ein Laptop sein. Der Punkt ist, dass er es nicht sein muss – Arbeit, die eine bestimmte Umgebung braucht, kann dort laufen, wo diese Umgebung bereits existiert.
