Goose Trial

Überblick

Goose ist ein Open-Source-AI-Agent für Terminal und Desktop mit Recipes, Extensions und lokalen oder Remote-Modellen, ursprünglich von Block entwickelt und seit Dezember 2025 bei der Agentic AI Foundation (AAIF) der Linux Foundation angesiedelt (goose docs, AAIF-Ankündigung).

Trial für Power User mit Repo-Automation via Recipes. Recipe-Sharing ist wie Code zu behandeln: Review, Signierung und Versionierung. Das Repository ist von block/goose nach aaif-goose/goose umgezogen (goose GitHub).

Adoptionssignale

• Foundation-Governance: goose ist eines der drei Gründungsprojekte der Agentic AI Foundation der Linux Foundation, angekündigt am 9. Dezember 2025 zusammen mit Anthropics MCP und OpenAIs AGENTS.md (Linux Foundation Pressemitteilung).
• Großes internes Deployment: Laut Blocks CISO nutzen nahezu alle der rund 12.000 Beschäftigten von Block goose, angebunden an Unternehmenssysteme wie Google-Konten und Square Payments (The Register).
• Community und Release-Rhythmus: rund 54.800 GitHub-Stars und 6.300 Forks unter Apache-2.0; v1.52.0 erschien am 23. September 2026 (goose GitHub, goose Releases).
• Referenz-Host für MCP: Die AAIF beschreibt goose als Proving Ground, in dem experimentelle MCP-Ideen wie MCP Apps, Code Mode und das Agent Client Protocol (ACP) zuerst an echte Nutzer ausgeliefert werden (AAIF Blog).
• Dokumentiertes Security-Hardening: Nach einer internen Red-Team-Übung hat Block Recipe-Transparenz, das Entfernen von Zero-Width-Zeichen und eine Prompt-Injection-Erkennung in goose ausgeliefert (Block Engineering Blog).

Risiken

• Manipulierte Recipes und nicht vertrauenswürdiger Kontext. In Blocks Red-Team-Übung „Operation Pale Fire“ versteckten frühe Kampagnen Prompt-Injections mit Zero-Width-Unicode in Google-Calendar-Einladungen; eine spätere Kampagne brachte einen goose-Entwickler dazu, ein manipuliertes Recipe zu öffnen, das einen Infostealer startete (Block Engineering Blog, The Register).
• Opt-in-Erkennung ohne Garantie. Die Prompt-Injection-Erkennung muss aktiviert werden, erkennt nur bekannte Muster, und der ML-Modus sendet Tool-Inhalte und Nachrichten an einen externen Endpunkt, was eine Datenschutzprüfung erfordert (Prompt injection detection).
• Lokaler Blast Radius. Der Agent führt Shell-Befehle aus und ändert Dateien mit den Rechten und Tokens der Entwickler; ohne Container- oder VM-Grenze erreicht ein fehlerhafter Tool-Call alles, worauf die Person Zugriff hat.
• Schnell wechselnde Oberfläche. Mehrere Releases pro Monat, der Repository-Umzug und die frühe Übernahme von MCP-Entwürfen bedeuten, dass Extensions und Recipes nach Upgrades erneut getestet werden müssen (goose Releases).

Empfehlung

goose im Trial mit Engineering- und Plattform-Teams einsetzen, die einen offenen, modellagnostischen Agent gegen ein freigegebenes Model Gateway oder ein lokales Modell betreiben wollen. Sinnvoll ist ein kuratierter Satz an MCP-Extensions, aktivierte Prompt-Injection-Erkennung (zunächst im Pattern-Modus, den ML-Modus erst nach Datenschutzprüfung) und die Ausführung in einem Dev-Container oder einer VM mit eng geschnittenen, kurzlebigen Tokens statt auf einem Arbeitsplatz mit Produktions-Credentials.

Recipes sind als Code zu behandeln: Ablage in einem Repository mit Review, keine Installation aus beliebigen Links, und Recipes sowie Kalender- oder E-Mail-Connectoren gehören ins Threat Modelling. Vor einer Standardisierung empfiehlt sich ein Vergleich mit den bereits genutzten Terminal-Agents (Claude Code, OpenCode, Gemini CLI) auf denselben Aufgaben; die AAIF-Governance ist das wesentliche Unterscheidungsmerkmal für Teams, die sich nicht von einem einzelnen Modellanbieter abhängig machen wollen.

Quellen

• goose docs
• goose GitHub
• goose Releases
• goose Recipes Guide
• Prompt injection detection
• Linux Foundation: Gründung der Agentic AI Foundation
• AAIF: goose als Proving Ground für MCP
• Block Engineering: How we red-teamed our own AI agent
• The Register: Block red-teamed its own AI agent