Het AI-agentframework
dat compliance vooropstelt
Multi-model AI met ingebouwde AVG-, HIPAA- en AI Act-bewijsrapportage. Werkt met elk model. Draait overal.
De meeste AI-frameworks laten compliance aan jou over.
MultiMind niet.
Eén API, elk model
OpenAI, Claude, Gemini, Mistral, Grok, DeepSeek, xAI, Together, Perplexity, Fireworks, Cerebras, 300+ modellen via OpenRouter, en lokale modellen via Ollama — één asynchrone interface, met streaming.
Ingebouwde compliance
Een kant-en-klare PII-guard detecteert, redigeert en auditeert gevoelige gegevens bij elke modelaanroep. AVG- en HIPAA-beleidsmodellering en compliance-dashboards zijn een volwaardige module, geen bijzaak.
Beheer de stack die je al hebt
Geen migratie weg van LangChain, LlamaIndex, CrewAI, AutoGen of Haystack nodig — wikkel ze in. Start multimind serve en laat elke OpenAI-compatibele app ernaartoe wijzen om PII-redactie, budgetten en audit toe te voegen met één gewijzigde regel.
Standaard onder controle
Kostenbudgetten die overbesteding stoppen vóór de aanroep, hallucinatiedetectie met bewijs op zinsniveau, en audittrails — elk een wrapper van één regel rond elk model.
Wissel van model, behoud context
Verplaats een lopend gesprek van GPT naar Claude naar een lokaal model — de context reist met je mee via ModelSession.
RAG die echt werkt
FAISS en Chroma met documentverwerking out-of-the-box, plus 40+ ondersteunde vectorstores waaronder Pinecone, Qdrant, Weaviate, Milvus, pgvector en LanceDB.
Persistent geheugen — agents die onthouden
Agents worden geleverd met persistent geheugen: context, beslissingen en voorkeuren blijven bewaard tussen sessies in plaats van bij elk gesprek te resetten. Je agent van maandag weet wat hij vrijdag heeft geleerd.
Een tweede brein uit je eigen documenten
Combineer agent-geheugen met de RAG-pipeline en 40+ vectorstores om een duurzaam tweede brein te bouwen uit je eigen documenten — wat je team weet, wordt iets wat je agents kunnen ophalen.
Jouw geheugen, jouw infrastructuur
Het tweede brein leeft waar jij het draait — met lokale modellen via Ollama werkt het volledig on-premises, zodat opgebouwde kennis je omgeving nooit verlaat.
Functies
Elke status hieronder is eerlijk — Beta betekent beta. Volledige details in FEATURES.md.
Multi-model chat
OpenAI, Claude, Gemini, Grok en meer via één asynchrone interface.
Streaming responses
Token-voor-token streaming bij alle providers.
Runtime PII-guard
Detecteert, redigeert, blokkeert en auditeert gevoelige gegevens bij elke aanroep.
Kostenbewaking & budgetten
Stopt overbesteding vóórdat de aanroep vertrekt.
Hallucinatiedetectie
Grounding-checks op zinsniveau tegen je eigen bronnen.
Model wisselen tijdens gesprek
ModelSession draagt context van GPT naar Claude naar een lokaal model.
Compliance-proxy (multimind serve)
OpenAI-compatibele proxy die met één regel guardrails toevoegt.
Governance-dashboard UI
multimind dashboard — guardrails en gebruik visualiseren.
Compliance-bewijsrapporten
Markdown/HTML-rapporten gekoppeld aan echte controlethema's.
Framework-adapters
LangChain, LlamaIndex, CrewAI, AutoGen, Haystack — inwikkelen, niet migreren.
AI-gebruiksaudit & doorbelasting
multimind audit — kosten en gebruik per team of project.
Anthropic MCP-server
Compliance-tooling beschikbaar via het Model Context Protocol.
RAG-pipeline
FAISS en Chroma met documentverwerking out-of-the-box.
Vectorstores (kernset)
Pinecone, Qdrant, Weaviate, Milvus, pgvector, LanceDB.
AI-agents met tools & geheugen
Native function-calling agents met persistent geheugen.
AVG- & HIPAA-compliance
Handhaving tijdens runtime, niet alleen beleidsdocumenten.
Vision-/multimodale invoer
Geef images= rechtstreeks door aan generate() of chat().
Docker-deployment
Compacte image van ~300MB, klaar om te draaien.
Zelf-orkestrerende agents
Begrensd spawnen van agents voor meerstapstaken.
Non-transformer modellen
Mamba en RWKV via dezelfde interface.
Fine-tuning (LoRA / QLoRA)
Parameter-efficiënte fine-tuning, CPU- en GPU-paden.
Vectorstores (uitgebreide set)
26 extra ondersteunde stores, minder beproefd in productie.
Soevereiniteitsklare AI voor Europa
Digitale soevereiniteit is geen functie die je koopt — het is een architectuur waarin je data, je modellen en je bewijs onder jouw controle blijven. MultiMind is daar precies voor gebouwd.
Draait volledig op je eigen infrastructuur
Lokale modellen via Ollama, on-premises of op in de EU gehoste infrastructuur — prompts, documenten en auditlogs hoeven je omgeving nooit te verlaten. De PII-scanner werkt zelfs offline, zonder API-sleutel.
Volledige digitale soevereiniteit met lock-in-vrije, Europese oplossingen
Dezelfde wijziging van één regel die een workload van GPT naar Claude verplaatst, verplaatst hem van een Amerikaanse cloud naar een in de EU gehost of lokaal model — via multimind serve, zonder de applicatiecode aan te raken.
AI Act- & AVG-bewijs, uit je eigen logs
Registratieplicht (Art. 12), transparantie (Art. 50), rechtsgrond en doelbinding — aangetoond met de audit- en kostenlogs die je applicatie al produceert, gegenereerd op je eigen machines.
MultiMind ondersteunt Europese digitale-soevereiniteitsdoelen door architectuur — lokale uitvoering, portabiliteit tussen aanbieders en zelf gegenereerd bewijs. Dat is een ontwerpeigenschap, geen certificering of juridische vaststelling.
Gebouwd voor de Europese AI Act en elk kader waar je al verantwoordelijk voor bent
MultiMind genereert compliance-bewijsrapporten op basis van je eigen runtime-artefacten — auditlogs, kostenlogs, PII-gebeurtenissen — en koppelt ze aan echte controlethema’s:
- Europese AI Act — Art. 12 registratieplicht, Art. 50 transparantie
- SOC 2 — monitoring, logische toegang
- HIPAA — 164.312(b) auditcontroles
- AVG (GDPR) — handhaving van rechtsgrond & doelbinding tijdens runtime
Elke koppeling wordt geformuleerd als “ondersteunt”, nooit als “voldoet aan”. Een rapport is technisch bewijs gegenereerd uit runtime-artefacten — geen juridisch advies, certificering of compliance-vaststelling. Een ontbrekend artefact betekent ontbrekend bewijs, niet afwezig risico.
multimind compliance report-evidence \
--audit-log audit.jsonl \
--costs-log costs.jsonl \
--project . \
--period 2026-07 \
--format html -o evidence.htmlBinnenkort: modellen trainen en beheren vanuit het dashboard
Het governance-dashboard hieronder (multimind dashboard) is echt en vandaag al beschikbaar — Overzicht, Audittrail, Kosten, Inventaris en Guardrails, waarbij alleen lokale artefacten van je eigen SDK worden gelezen. Volgende stap: modellevenscyclusbeheer in hetzelfde scherm.
Gepland — nog niet gebouwd
- No-code fine-tuning UI — een dashboard-front-end voor de bestaande LoRA/QLoRA fine-tuning-engine, met hyperparameteroptimalisatie en multi-task fine-tuning.
- RAG fine-tuning met synthetische data — genereer en train op synthetische voorbeelden uit je eigen documenten.
- Geavanceerd analytics-dashboard — diepere kosten- en prestatietrends naast de huidige uitgaven- en PII-grafieken.
- No-code agentbouwer — een visuele drag-and-drop workflowbouwer voor het samenstellen van agents en multi-model pipelines. Agents zijn vandaag code-first (
Agent+ tools in Python); er bestaat nog geen visuele interface. - Verbeteringen in multi-agent-orkestratie — agent-naar-agent-communicatie en hiërarchische agentsystemen, voortbouwend op de huidige begrensde agent-orkestratie.
Bron: ROADMAP.md — eerlijk bijgehouden, geen releasetoezegging.
Case studies
Twee manieren waarop teams MultiMind daadwerkelijk gebruiken — één voor developers, één voor de rest.
Voor developers: beheer een app die je al hebt — wijzig één regel
Geen migratie nodig. Start de compliance-proxy en laat elke OpenAI-compatibele client (LangChain, LlamaIndex, de kale openai-SDK, wat dan ook) ernaartoe wijzen.
1. Start de proxy
multimind serve --port 8400 --upstream openai \
--block-on ssn,credit_card \
--budget 25.00 \
--audit-log audit.jsonl2. Wijzig de base_url — dat is alles
from openai import OpenAI
# The ONLY change: base_url.
# Every call now gets PII redaction,
# budgets, and an audit trail.
client = OpenAI(
base_url="http://localhost:8400/v1",
api_key="unused-upstream-key-is-server-side",
)
client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "..."}],
)Resultaat: elke aanroep via de proxy wordt PII-geredigeerd, tegen het budget gecontroleerd, en gelogd naar audit.jsonl — zonder enige wijziging aan de applicatiecode van LangChain, LlamaIndex of CrewAI.
Voor de rest: gevoelige gegevens opsporen zonder code te schrijven
MultiMind is een veiligheidsgordel voor AI. Compliance officers, analisten en PM’s kunnen rechtstreeks vanuit een terminal controleren of een document gevoelige gegevens bevat — zonder Python-kennis, zonder API-sleutel, zonder internetverbinding. Zie de volledige niet-technische handleiding.
1. Scan een zin op gevoelige gegevens
multimind compliance scan-text \
"Contact Jane at jane.doe@corp.com or 555-123-4567"2. Lees het resultaat — eenvoudig en duidelijk
PII Findings (2)
┏━━━━━━━┳━━━━━━━┳━━━━━┳━━━━━━━━━━━━━━━━━━━┓
┃ Type ┃ Start ┃ End ┃ Match ┃
┡━━━━━━━╇━━━━━━━╇━━━━━╇━━━━━━━━━━━━━━━━━━━┩
│ email │ 16 │ 34 │ jane.doe@corp.com │
│ phone │ 38 │ 50 │ 555-123-4567 │
└───────┴───────┴─────┴───────────────────┘Resultaat: gevoelige gegevens worden onderschept voordat ze een AI-leverancier bereiken — en dezelfde guard produceert een fraudebestendige audittrail die vastlegt wat er gevonden werd en wanneer, zonder ooit de gevoelige waarden zelf op te slaan. Zo overhandigen aan een auditor.