Was wir im Februar 2026 veröffentlicht haben

Im Februar kamen eine verwaltete Datenbank für persistente Daten, eine Template-Bibliothek für den Projektstart und Judges zur Bewertung von Agenten-Ausgaben hinzu. Neu sind außerdem eine Telegram-Verbindung, Web Page Reading, persistente Sessions und mehrere Verbesserungen an der Konfiguration.

Agent Database

Jedes Environment enthält jetzt eine verwaltete Datenbank. Agenten können Records in Collections ohne Einrichtung, Migrationen oder externe Services speichern, abfragen, aktualisieren und löschen. Collections werden beim ersten Insert automatisch angelegt; die Daten bleiben je Environment isoliert.

Sechs integrierte Tools geben Agenten vollständige Kontrolle:

• ✓db_find: Dokumente mit Filtern, Sortierung, Pagination und Feldauswahl abfragen
• ✓db_insert: Ein oder mehrere Dokumente gleichzeitig speichern
• ✓db_update: Passende Dokumente anhand eines Filters aktualisieren
• ✓db_delete, db_count, db_list_collections

Füge dem Agenten die benötigten Tools hinzu:

name: order-processor
model: connic/gpt-5.6-luna
system_prompt: |
  You process incoming orders and track their status.

tools:
  - db_insert
  - db_find
  - db_update
  - db_count

Filter unterstützen Operatoren wie $gt, $in, $regex, $and/ $or und weitere. Jedes Dokument erhält automatisch die Felder _id, _created_at und _updated_at.

Im neuen Bereich Storage > Database des Dashboards lassen sich Collections durchsuchen, Dokumente prüfen, abgeleitete Schemas ansehen und Daten manuell einfügen.

Agent Templates Library

Ein neues Agentenprojekt muss nicht länger bei null beginnen. Die Template-Bibliothek bietet vorgefertigte Agentenprojekte, die im Dashboard durchsucht oder direkt über die CLI installiert werden können.

Jedes Template ist ein vollständiges Projekt mit Agenten, Tools, Middleware und README. Verfügbar sind unter anderem:

• ✓Invoice processing mit Extraktion, Validierung und strukturiertem Output
• ✓Customer support mit Ticket-Triage und RAG-gestützten Antworten
• ✓Telegram personal assistant mit Web Search, Notizen und persistenten Sessions
• ✓Stripe dunning für automatisierte Workflows zur Einziehung ausstehender Zahlungen
• ✓Weitere Beispiele sind Email Helpdesk, Fraud Detection, Document Pipeline und Compliance Auditor

Installiere Templates beim Scaffolding eines neuen Projekts:

$ connic init my-project --templates=invoice
$ connic init my-project --templates=invoice,customer-support

Template-Abhängigkeiten und READMEs werden automatisch im Projekt zusammengeführt. Im Template-Katalog des Dashboards sind außerdem alle Templates mit Architektur, Dateistruktur und Codevorschau dokumentiert.

Judges

Judges evaluieren Agenten-Runs automatisch mit LLMs. Über Bewertungskriterien und eine Sample Rate lässt sich festlegen, ob sie die Ausgabe bei jedem Run oder nur bei einem bestimmten Anteil der Runs bewerten.

Jeder Judge wird mit folgenden Angaben konfiguriert:

• •Scoring Criteria: Benannte Bewertungskriterien mit Beschreibung und maximalem Score, etwa Accuracy von 10 oder Tool Usage von 5
• •Trigger Mode: Automatisch nach jedem abgeschlossenen Run oder manuell bei Bedarf
• •Sample Rate: 1–100 % der Runs evaluieren, um Abdeckung und Kosten auszubalancieren
• •Filters: Nur Runs evaluieren, die bestimmte Bedingungen erfüllen, etwa Status, Agent-Name oder Kontextwerte
• •Notification Threshold: Benachrichtigung erhalten, wenn durchschnittliche Scores unter einen Grenzwert fallen

Bewertungen liefern Scores pro Kriterium samt Begründung und erklären, warum ein Run diese Bewertung erhalten hat. Judges lassen sich im neuen Tab Judges des Projekts erstellen und verwalten.

Telegram-Verbindung

Mit der neuen Telegram-Verbindung lassen sich Agenten an Telegram anbinden. Inbound empfängt Nachrichten und löst Agenten aus; Outbound sendet Agenten-Ausgaben als Antworten.

Die Einrichtung dauert eine Minute:

1. Erstelle über @BotFather einen Bot und kopiere das Token
2. Erstelle in Connic eine Telegram-Verbindung und füge das Token ein
3. Verknüpfe die Verbindung mit einem Agenten

Der Agent erhält Nachrichtentext, Chat-ID und vollständige Nachrichtendetails. Für eine Antwort wird JSON mit Chat-ID und Antworttext zurückgegeben:

{
  "chat_id": 987654321,
  "text": "Your order #12345 is on its way!"
}

Web Page Reading

Mit dem neuen Tool web_read_page können Agenten eine beliebige URL abrufen und den Seiteninhalt als bereinigtes Markdown erhalten. In Kombination mit web_search lassen sich zunächst relevante Seiten finden und anschließend vollständig einlesen.

tools:
  - web_search
  - web_read_page

Der Agent übergibt eine URL und erhält den gerenderten Inhalt als Markdown. Damit kann er Informationen extrahieren, Artikel zusammenfassen oder Daten aus Dokumentationen übernehmen.

Persistente Agenten-Sessions

Agenten können jetzt den Gesprächsverlauf über mehrere Requests hinweg beibehalten. Sessions werden über einen Wert aus dem Trigger-Payload oder Middleware-Kontext identifiziert. So erhält jeder Nutzer oder Chat-Thread einen eigenen persistenten Speicher.

session:
  key: context.chat_id    # from middleware
  ttl: 86400              # expire after 24h of inactivity

Session-Keys können Middleware-Kontext (context.chat_id) oder Felder der ursprünglichen Eingabe (input.user_id) referenzieren. Die optionale TTL steuert, wann inaktive Sessions ablaufen. Sessions überstehen Redeployments; aktive Sessions lassen sich im Dashboard unter Storage > Sessions ansehen und verwalten.

Weitere Verbesserungen

• •Conditional Tools: Expressions über Input und Middleware-Kontext steuern, welche Tools pro Run verfügbar sind. Ein Mapping statt eines einfachen Strings ergänzt eine Bedingung: web_search: context.search_enabled
• •Concurrency Rules: Für jeden Schlüsselwert, etwa die Kennung eines Kunden oder Prozesses, bleibt nur ein Run aktiv. Mit queue warten neue Runs auf den Abschluss des aktiven Runs; mit drop werden Duplikate verworfen
• •CLI Rename: Der Befehl connic dev heißt jetzt connic lint, damit sein Zweck klarer wird: die Agent-Konfiguration vor dem Deployment lokal validieren