Pieces MCP + OpenClaw: Daily Standups und Meeting-Preps automatisieren

Wie oft hast du dich vor einem Meeting gefragt: „Was habe ich gestern zu diesem Thema eigentlich gemacht?“ Oder ärgerst du dich beim täglichen Standup, dass wichtige Details untergehen? Pieces MCP adressiert genau diesen Kontextverlust. In Kombination mit OpenClaw lässt sich daraus ein Agenten-Workflow bauen, der Arbeitsverlauf, Notizen und Projektkontext gezielt abrufen kann.

Pieces geht über einen reinen Code-Snippet-Manager hinaus. Die Anwendung erfasst kontinuierlich Arbeitskontexte wie Code-Änderungen, Browser-Verlauf, Notizen, Kalendertermine und Anwendungsdaten. Das Herzstück ist nach Angaben von Pieces die Long-Term Memory Engine LTM-2.7, die diese Informationen lokal speichert und strukturiert aufbereitet. Über das Model Context Protocol stellt Pieces diese Kontextdaten KI-Agenten bereit, unter anderem OpenClaw.

Kommunikation zwischen Pieces MCP und OpenClaw

OpenClaw nutzt für MCP-Integrationen den integrierten Manager MCPorter. In der MCPorter-Konfiguration definierst du den Pieces-MCP-Server beispielsweise so:

{
  "mcpServers": {
    "pieces": {
      "command": "mcp-remote",
      "args": [
        "http://localhost:39300/model_context_protocol/2025-03-26/mcp"
      ]
    }
  }
}

Entscheidend ist der Endpunkt: Verwende den MCP-Pfad, nicht den älteren SSE-Pfad. Läuft PiecesOS auf einem anderen Rechner, kann Port 39300 über einen Tunnel erreichbar gemacht und die URL entsprechend angepasst werden.

Nach einem Neustart des OpenClaw Gateways erscheinen die Pieces-Tools in der Werkzeugliste des Agents. Der Pieces-MCP-Skill auf ClawHub nennt vor allem diese Funktionen:

• ask_pieces_ltm: Abfrage des Langzeitgedächtnisses nach spezifischen Kontexten
• create_pieces_memory: Erzeugen neuer Memory-Einträge, etwa zur Dokumentation von Entscheidungen
• search_pieces_workstream: Durchsuchen von Arbeitsstreams nach Themen, Zeiträumen oder Quellen

Drei konkrete Anwendungsfälle

1. Automatisches Daily Standup

Statt morgens mühsam zusammenzutragen, was am Vortag erledigt wurde, generierst du den Bericht automatisch. Ein Cron-Job kann den Pieces-Speicher abfragen:

## In deiner OpenClaw-Cron-Konfiguration
- name: "Daily Standup Generation"
  schedule: "0 9 * * 1-5"  # 9 Uhr an Werktagen
  command: |
    Was habe ich gestern gearbeitet? Bitte fasse die wichtigsten Aktivitäten zusammen und liste offene Blocker auf.

OpenClaw ruft dafür ask_pieces_ltm auf, filtert die Einträge des Vortags, gruppiert sie nach Projekten und formatiert eine kurze Übersicht. Diese lässt sich anschließend für Slack, Teams oder Notion nutzen. Der Prozess greift auf die von Pieces dokumentierte LTM-2.7-Engine zurück.

2. Meeting-Vorbereitung mit Kontexteinblendung

Vor einem Termin kann OpenClaw nach Arbeitselementen suchen, die mit dem Meeting-Thema verknüpft sind. Dafür kombiniert der Agent Kalenderdaten mit den Arbeitsstreams in Pieces.

Er beantwortet Fragen wie: „Welche Code-Änderungen habe ich in den letzten zwei Wochen am Modul X vorgenommen?“ oder „Was stand in den Notizen zum letzten Workshop mit Team Y?“ Das Ergebnis ist eine kompakte Briefing-Note für die Besprechung.

3. Auto-Debugging mit Incident-Kontext

Bei einem Alert in der Produktionsumgebung kann OpenClaw den Pieces-Speicher nach ähnlichen Fehlermustern durchsuchen. Findet der Agent relevante Einträge, etwa frühere Debugging-Sessions oder passende Commit-Messages, kann er einen Memory-Eintrag zum aktuellen Vorfall anlegen und ihn mit der Historie verknüpfen.

Einrichtung: Schritt für Schritt

Voraussetzungen prüfen

• Pieces Desktop App installiert und gestartet
• Long-Term Memory Engine in der App aktiviert
• Node.js 18+ und OpenClaw gemäß offiziellem Setup eingerichtet
• mcp-remote global installiert, laut Pieces-Dokumentation etwa in Version 0.1.38

Konfiguration anpassen

1. Öffne oder erstelle die MCPorter-Konfiguration.
2. Füge den Pieces-Server-Eintrag hinzu.
3. Bei Remote-Betrieb: Ersetze localhost:39300 durch die Tunnel-URL.
4. Starte das Gateway neu. Der Pieces-MCP-Skill auf ClawHub beschreibt diesen Schritt ebenfalls.

Verbindung testen

Sobald OpenClaw wieder läuft, frage den Agent: „Welche Pieces-Tools stehen zur Verfügung?“ Die Antwort sollte die LTM-Funktionen auflisten. Ein einfacher Testlauf ist: „Was habe ich in den letzten zwei Tagen gearbeitet?“

Sicherheit und Berechtigungsmodus

OpenClaw kann im Modus permissionMode: 'bypassPermissions' Tools autonom ausführen. In Kombination mit Schreibfunktionen wie create_pieces_memory ist das leistungsfähig, erfordert aber Sorgfalt.

Sinnvolle Maßnahmen sind:

• OpenClaw in einer Docker-Umgebung mit eingeschränktem Dateisystemzugriff betreiben
• Schreib-Tools in der MCPorter-Konfiguration deaktivieren, wenn Vollautomatisierung vermieden werden soll
• Ausführungsprotokolle regelmäßig prüfen

Für den Einstieg empfiehlt sich der interaktive Modus, um die Pieces-Integration zunächst manuell zu validieren.

Praxisrelevanz

Die meisten KI-Agenten arbeiten mit kurzfristigem Kontext: Sie verarbeiten die aktuelle Nachricht und gegebenenfalls die letzten Antworten. Pieces MCP ergänzt diese Arbeitsweise um Langzeitgedächtnis. OpenClaw kann dadurch nicht nur auf direkte Anfragen reagieren, sondern frühere Arbeit gezielt in neue Aufgaben einbeziehen.

Für Entwickler und Wissensarbeiter bedeutet das: Der Agent kann vergangene Probleme wiederfinden, Arbeitsmuster berücksichtigen und präzisere Vorschläge liefern. Die Automatisierung von Standups und Meeting-Vorbereitungen ist nur der Anfang. Denkbar sind außerdem:

• Automatische Wissensdokumentation bei Feature-Abschluss
• Kontextuelle Erinnerungen an frühere Architektur-Entscheidungen
• Proaktive Recherche zu häufig auftretenden Themen in den Arbeitsstreams

Was das praktisch bedeutet

Pieces MCP macht OpenClaw zu einem Agenten, der nicht nur aktuellen Kontext verarbeitet, sondern auch Arbeitsgeschichte abrufen kann. Die Integration zeigt, wie MCP-Server die Fähigkeiten von OpenClaw erweitern: externe Werkzeuge liefern strukturierten Kontext, OpenClaw nutzt ihn für konkrete Aufgaben.

Der Vorteil liegt im geringen Bruch mit bestehenden Abläufen. Pieces erfasst Kontext im Hintergrund, OpenClaw ruft den Speicher bei Bedarf ab. Für Teams, die Standups, Meeting-Vorbereitung oder Incident-Nachbereitung automatisieren wollen, ist das ein überschaubares Setup mit direktem Praxisnutzen.