Was wir im September 2026 veröffentlicht haben

Im August sind Connic MCP und eine native Slack-Verbindung erschienen. Seit September nehmen Agenten auch Anrufe entgegen. Connic Voice führt die Gespräche über Echtzeit-Sprachmodelle, und neue Verbindungen verknüpfen Agenten mit Rufnummern, SMS, WhatsApp und RCS. Der neue Playground führt bereitgestellte Agenten direkt im Dashboard aus. Mit integrierten Browser-Tools bedienen Agenten jetzt Websites. Fehlt ihnen eine Information, fragen sie einen Menschen. Environments haben Einstellungen für Aufbewahrung, Maskierung, Zugriff und Kopieren erhalten. Der Basispreis eines LLM-Agenten-Runs ist um 28 % gesunken; die bezahlten Tarife haben höhere Limits bekommen.

Gespräche mit Connic Voice

Connic Voice ist als Beta verfügbar und lässt Agenten live per Sprache kommunizieren. Ein natives Echtzeitmodell verarbeitet das Audio des Anrufers direkt und antwortet gesprochen. Prompts, Python-Tools, Retrieval, MCP-Server, auffindbare Tools und Delegation funktionieren auch während eines Anrufs. Voice nutzt OpenAI-Realtime-Modelle über OpenAI oder Azure OpenAI und native Audiomodelle von Gemini über Google Gemini oder Vertex AI, jeweils mit den eigenen Zugangsdaten des Projekts beim Anbieter.

version: "1.0"
name: voice-assistant
type: llm
model: openai/gpt-realtime
description: "A helpful voice assistant"
system_prompt: |
  Keep replies short and natural. Reply in the user's language.
voice_config:
  transcription_model: gpt-realtime-whisper
  greeting: "Hi! How can I help?"
  thinking_sound: true

Im Block voice_config lassen sich außerdem Stimme, Sprache, die Erkennung von Sprecherwechseln, Unterbrechungen und ein Timeout bei Inaktivität festlegen. Während Tools laufen, spielt ein leiser Ton, der pausiert, sobald jemand spricht. Der Agent kann das Gespräch selbst beenden; seine Verabschiedung wird vorher immer vollständig abgespielt. Bei Modellen, die es unterstützen, etwa Gemini 3.8 Live Extended Thinking, legt reasoning_effort am Agenten die Reasoning-Stufe fest.

Für Rufnummern haben wir außerdem neue Voice-Verbindungen eingeführt, etwa Twilio Voice und Telnyx Voice. Sie leiten eingehende Anrufe an einer bestehenden Rufnummer an einen bereitgestellten Voice-Agenten weiter. Die Vorlage Voice Customer Support bietet einen Ausgangspunkt mit einem Gemini-Live-Agenten, der seine Antworten aus Retrieval bezieht und mit einem simulierten Tool zeigt, wie ein Ticket angelegt wird.

Die Ankündigung von Connic Voice beschreibt den Start, die Voice-Dokumentation nennt unterstützte Modelle und die aktuellen Einschränkungen der Beta.

Gespräche über SMS, WhatsApp und RCS

Kunden können einem Agenten jetzt per SMS und MMS, WhatsApp oder RCS schreiben. Dafür haben wir neue Messaging-Verbindungen hinzugefügt, darunter Twilio Messaging und Telnyx Messaging. Eine eingehende Verbindung startet für jede Nachricht die verknüpften Agenten und übergibt Text, Absenderdaten und Anhänge als Dateien.

Antworten verschickt eine ausgehende Verbindung in einem der im August eingeführten Versandmodi: Automatic, Agent-tool oder Middleware. Eine Nachricht kann Text, Medien-URLs oder eine genehmigte Vorlage enthalten. Ist kein Empfänger festgelegt, geht die Antwort an den Kunden zurück, der geschrieben hat. Jede eingehende Nachricht trägt zudem eine stabile Gesprächs-ID. Wird sie als Session-Key eingesetzt, erinnert sich der Agent an frühere Nachrichten:

session:
  key: input.conversation_id
  ttl: 86400

Ein gespeicherter Twilio- oder Telnyx-Kontozugang gilt für die Voice- und die Messaging-Verbindungen desselben Anbieters. Ein einmal eingerichtetes Konto deckt damit Anrufe und Nachrichten ab.

Die Dokumentation zu Twilio Messaging und Telnyx Messaging beschreibt die Einrichtung von Absendern und Kanälen.

Agenten im Playground ausführen

Der Playground ist als Beta verfügbar. Er führt einen Agenten manuell aus und zeigt das Ergebnis direkt neben der Eingabe. Er öffnet sich als Panel unterhalb der aktuellen Projektseite, lässt sich in der Höhe anpassen und bleibt beim Wechsel zwischen Seiten geöffnet. Aktiviere ihn in der Seitenleiste des Projekts oder über Open Playground auf der Seite eines Agenten. Wähle danach einen aktiven Agenten, gib Text oder JSON ein und klicke auf Run. Ausgabe, Traces, Logs und die letzten manuellen Runs erscheinen im Panel. Der Playground verwendet die Tools und Kontozugänge des gewählten Environments.

Der Playground ersetzt die bisherige Ansicht zum manuellen Auslösen auf der Agentenseite. Der Quickstart nutzt ihn für den ersten Run.

Browser-Automatisierung für Agenten

Agenten können jetzt einen Browser bedienen. Die neuen web_browser_*-Tools öffnen und lesen Seiten, klicken, tippen, erstellen Screenshots, die das KI-Modell sieht, steuern die Maus, verwalten Tabs und Dialoge und laden Dateien herunter und hoch. Ein einziger Eintrag unter tools aktiviert alle Browser-Tools.

version: "1.0"
name: browser-agent
model: connic/gpt-5.6-sol
session: true
description: "Agent that interacts with websites"
system_prompt: |
  Open the requested website and inspect its available controls.
  Use the browser tools to complete the requested task.
  Close the browser when finished.
tools:
  - web_browser_*

Mit session: true bleiben Cookies und Local Storage zwischen den Runs eines Agenten erhalten. Eine Website, bei der sich der Agent angemeldet hat, erkennt ihn beim nächsten Run wieder. Persistente Sessions steuern Gesprächsverlauf und Browserzustand jetzt getrennt über session.history und session.browser. Browserzeit kostet 0,03 € pro Minute, solange ein Browser geöffnet ist, mit einer Mindestabrechnung von einer Minute pro Session. Jeder Browser schließt sich, wenn sein Run endet.

Die Vorlage Browser Automation Demo kombiniert die Browser-Tools mit den unten beschriebenen Eingabeanfragen. Sie fragt nach einer E-Mail-Adresse, einem verdeckt eingegebenen Passwort und einem Projekttitel, meldet sich dann im Connic-Dashboard an und legt das Projekt an.

Unser Leitfaden zur Browser-Automatisierung zeigt ein vollständiges Beispiel, die Referenz der Web-Tools dokumentiert jedes Browser-Tool.

Einen Menschen um eine Eingabe bitten

Approvals konnten bisher einen Tool-Aufruf anhalten, bis ihn jemand genehmigt hat. Jetzt kann ein Agent auch pausieren, um einen Menschen nach Informationen zu fragen, die er sonst nirgends bekommt, etwa nach einem MFA-Code. Aus jedem benannten Input unter approval.inputs erzeugt Connic ein Tool, ganz ohne Python-Code. Die Antwort des Menschen wird zum Ergebnis dieses Tools.

approval:
  inputs:
    - get_mfa:
        prompt: Use this tool to request a 2FA code when needed.
        params:
          - reason: str
          - account_email: str
        label: MFA code
        sensitive: true
  timeout: 300

Die Anfrage erscheint auf der Approvals-Seite, die Parameter des Agenten stehen über dem Eingabefeld, und das Projekt-Team wird wie bei jeder Freigabe benachrichtigt. Antworten sind auch über die REST API oder Connic MCP möglich. Mit sensitive: true erscheint die Eingabe verdeckt, die gespeicherte Antwort wird verschlüsselt und der Antworttext in Logs und Traces maskiert. Das KI-Modell erhält ihn trotzdem.

Deployment-Tests können die Antwort vorgeben: Ein Eintrag unter approval_decisions akzeptiert jetzt neben der Entscheidung auch eine response.

Die Approvals-Dokumentation beschreibt Inputs, Parameter und sensible Antworten. Unser Leitfaden zu Human-in-the-Loop zeigt, wo Freigaben und Eingabeanfragen in einen Workflow passen.

Aufbewahrung, Maskierung und Löschen von Runs

Jedes Environment legt jetzt fest, wie lange seine Runs gespeichert bleiben und welche aufgezeichneten Felder verborgen werden. Beide Einstellungen liegen in der Bearbeitungsansicht des Environments unter Settings → Git & Environments.

{
  "token": "root-token",
  "user": {"token": "[REDACTED]", "name": "Ada"},
  "items": [{"token": "[REDACTED]", "id": 1}],
  "message": "token=user-token"
}

Die Maskierung betrifft nur die Aufzeichnung. Agenten, Tools und aufrufende Anwendungen erhalten weiterhin die ursprünglichen Werte. Beim Löschen eines Runs entfernt Connic Inputs, Outputs, Kontext und Traces, behält aber Status und Dauer. Die Nutzungsmetriken bleiben dadurch vollständig.

Die Environment-Dokumentation erklärt die Aufbewahrung und die Pfadsyntax der Maskierung, die Dokumentation zu Runs das Löschen.

Berechtigungen und Kopieren zwischen Environments

Environments können jetzt einschränken, wer dort Deployments starten oder Daten kopieren darf. In der Ansicht jedes Environments legt On-demand deployments fest, welche Berechtigungsgruppen manuell bereitstellen dürfen, auch über connic deploy. Copy from this env bestimmt, welche Gruppen Daten aus diesem Environment in andere kopieren dürfen. Automatische Deployments und PR-Workflows über einen verbundenen Git-Branch laufen weiter wie bisher.

Bereits vorhandene Einträge im Ziel werden übersprungen, sofern nicht Replace gewählt ist. Sensible Variablenwerte und API-Zugangsdaten kopiert Connic auf dem Server; im Browser bleiben sie verborgen.

Die Environment-Dokumentation beschreibt Berechtigungen und das Kopieren, die REST-API-Referenz die Eingrenzung von API-Keys.

Günstigere Runs und höhere Tariflimits

Der Basispreis eines LLM-Agenten-Runs ist von 0,047 € auf 0,0337 € gesunken, ein Minus von 28 %. Größere Run-Pakete und Vorauszahlungen senken die Kosten weiter.

Die Mengenrabatte gelten für den Start von LLM-Agenten, Judge-Bewertungen, Laufzeit, Speicher und Retrieval-Ingest. Tool- und Sequential-Agenten zahlen keine Gebühr pro Run mehr. Ihre Laufzeit wird weiter berechnet, und jeder Schritt einer Sequenz ist ein eigener Run, der nach seinem Agententyp abgerechnet wird. Eine Websuche kostet jetzt 0,015 €, ein Seitenabruf 0,015 € pro extrahierter Seite, statt pro Aufruf einen zusätzlichen Run zu verbrauchen.

Auch die Limits der bezahlten Tarife sind gestiegen. Developer erlaubt jetzt 10 parallele Runs pro Agent, Run-Timeouts von 15 Minuten, 25 aktive Verbindungen und 90 Tage Datenaufbewahrung. Pro erlaubt 100 parallele Runs pro Agent, Run-Timeouts von 60 Minuten, 5 gleichzeitige Deployments, 50 aktive Verbindungen und 365 Tage Datenaufbewahrung.

Die Preisseite enthält den Rechner und alle Preise.

Weitere Verbesserungen

• •Neue verwaltete KI-Modelle: connic/gemini-3.8-flash ergänzt ein schnelles multimodales Modell mit einem Kontextfenster von 1 Mio. Tokens, connic/qwen3.8-27b ein kompaktes Open-Weight-Modell mit Bildverständnis. Katalog der verwalteten KI-Modelle
• •Environment-Auswahl in der CLI: connic dev fragt, ob ein schneller Test starten oder ein wiederverwendbares benanntes Environment genutzt werden soll, und merkt sich das benannte Environment. connic deploy listet die Ziel-Environments auf und fragt nach einer Bestätigung. Mit connic dev --quick, connic deploy --list und connic deploy --env staging --yes laufen Skripte und CI ohne Rückfragen. CLI-Referenz
• •Deploy & skip tests: Projekte mit verbundenem Git-Repository können auf der Seite Deployments ein manuelles Deployment ohne Deploy-Gate starten, etwa für einen Hotfix, während ein instabiler Test repariert wird. Durch einen Push ausgelöste Deployments durchlaufen das Gate weiterhin. Dokumentation zum Deploy-Gate
• •Assertions auf Tool-Ergebnisse: expected_tool_calls prüft über das Binding result jetzt auch den Rückgabewert eines Tools, bei MCP-Tools einschließlich Fehlerkennzeichen und Inhaltsteilen. Assertion-Referenz
• •Sequenzschritte als Child-Runs: Jeder Schritt eines Sequential-Agenten erscheint jetzt als eigener verknüpfter Child-Run mit separatem Trace. Runs und Traces
• •Schnellere Run-Details: Log- und Trace-Daten werden erst beim Aufklappen ihres Abschnitts dargestellt, deshalb öffnen sich große Runs schneller. Antworten, die aus einem JSON-Codeblock bestehen, erscheinen formatiert und als JSON hervorgehoben.
• •Run-Timeouts: Retrieval-Abfragen und Anfragen an verwaltete KI-Modelle enden jetzt mit der Deadline des Runs. Wiederholungsversuche beim KI-Modell brechen früher ab, wenn die verbleibende Zeit nicht mehr reicht.
• •Connic auf Deutsch: Website, Dokumentation und Blog gibt es jetzt auch auf Deutsch. Wer im Browser Deutsch bevorzugt, bekommt auf englischen Seiten einen Hinweis zum Wechseln.