Backmesh

Was ist Backmesh?

Backmesh ist ein Open-Source-Backend für KI-Anwendungen im Web und auf mobilen Geräten. Seine Hauptfunktion besteht darin zu verhindern, dass die privaten Schlüssel von LLMs wie OpenAI, Gemini oder Anthropic in die Client-Seite eingebettet werden. Entwickler können so sicherstellen, dass ihre Anwendungen über einen geschützten Gateway auf die Modelle zugreifen können, während sie weiterhin die vorhandenen Model-SDKs nutzen können.

Es bietet sowohl offizielle Hosting-Dienste als auch die selbst gehostete Lösung von Cloudflare an. Backmesh befasst sich hauptsächlich mit der Sicherheit der Schlüssel, der Authentifizierung der Benutzer, der Eindämmung von Missbrauch sowie der Trennung der Ressourcen. Es handelt sich dabei nicht um einen Chatbot, eine Plattform für das Trainieren von Modellen oder einen allgemeinen Agenten-Builder.

Hauptfunktionen von Backmesh

Verstecken der LLM-API-Schlüssel

Der private Schlüssel des Modell-Services wird von Backmesh verschlüsselt gespeichert; der Client übermittelt lediglich den JWT des angemeldeten Benutzers. Dadurch wird das Risiko verringert, dass der Schlüssel zusammen mit dem Anwendungscode durchsickert und zu unerwünschten Rechnungen führt.

JWT-Benutzerauthentifizierung

Der Gateway überprüft die von Supabase oder Firebase ausgestellten JWTs, um sicherzustellen, dass die Anfrage von einem gültigen Benutzer innerhalb der Anwendung stammt. Entwickler müssen den privaten Schlüssel des Modellservices auf der Client-Seite nicht offenlegen.

Anpassung der Anfragenbegrenzung nach Benutzer-Einstellungen

Entwickler können die Obergrenze für die Anfragen pro Benutzer innerhalb eines bestimmten Zeitraums festlegen. Wenn diese Grenze überschritten wird, gibt das Gateway eine 429-Antwort zurück; die Anwendung muss dabei klare Anweisungen zur erneuten Anmeldung bereitstellen.

Ressourcenzugriffskontrolle

Backmesh kann Dateien, Threads sowie andere Ressourcen mit Zustand in API-Systemen schützen, sodass die Benutzer, die diese Ressourcen erstellt haben, weiterhin auf ihren Inhalt zugreifen können. Dieses Verfahren trägt dazu bei, eine unbefugte Weitergabe von Daten zwischen verschiedenen Endbenutzern zu verhindern.

Kompatibel mit mehreren Modelldiensten

Die offiziellen Dokumente nennen OpenAI, Gemini, Anthropic und Cloudflare Workers AI. Die tatsächlich verfügbaren Endpunkte, die fließenden Antworten sowie die Dateifunktionen sollten im jeweiligen SDK einzeln getestet werden.

Analyse von Aufrufen ohne zusätzliches SDK

Die Self-Hosting-Konsole kann Aufrufe der Modelle automatisch aufzeichnen, um die Fehlerrate, Kosten, Reaktionszeit sowie die Nutzungsdistribution der Modelle zu überwachen. Laut den offiziellen Angaben enthält die Self-Hosting-Version keine Analyse-Dashboards wie in der SaaS-Version.

Selbstverwaltete Bereitstellung

Die Open-Source-Version kann auf einem persönlichen Cloudflare-Konto bereitgestellt werden und mit Workers sowie KV betrieben werden. Die Selbsthoster müssen die Kosten für Cloud-Ressourcen, die Verwaltung von Schlüsseln, die Protokollierung, Updates sowie die Sicherheitswartung selbst tragen.

Anleitung zur Verwendung von Backmesh

1. Bestimmen Sie das Identitätsystem sowie den LLM-Dienst, die von der Anwendung verwendet werden, und ordnen Sie die erforderlichen API-Endpunkte.
2. Registrieren Sie ein Backmesh-Hosting-Konto oder deployen Sie die Open-Source-Version in Ihrem Cloudflare-Konto.
3. Erstellen Sie einen LLM API Gatekeeper und geben Sie die Adresse der Modell-Schnittstelle sowie den privaten Schlüssel ein.
4. Konfigurieren Sie die Parameter des Supabase- oder Firebase-Projekts, damit das Gateway JWTs überprüfen kann.
5. Legen Sie für einzelne Benutzer angemessene Zeitfenster und Obergrenzen für Anfragen fest.
6. Ersetzen Sie in der Anwendung die API-Adresse des Modells durch die Gateway-Adresse von Backmesh.
7. Verwenden Sie den JWT des aktuell angemeldeten Benutzers anstelle der privaten Schlüssel des Modells, um Anfragen zu senden.
8. Testen von Fehlern wie ungültige Token, Überschreitung der Grenzen, Eigentumsverhältnisse der Dateien sowie fließende Ausgaben.
9. Nach dem Go-Live sollten Kosten, Fehlerrate, Verzögerungen und abweichende Aufrufe ständig überwacht werden.

Empfehlungen bei der Anmeldung

• Zuerst werden im Testprojekt die JWT-Signatur, die Ablaufzeit sowie die Benutzeridentität überprüft.
• Für teure Modelle und Endgeräte mit hohen Kosten werden strengere Limits pro Benutzer festgelegt.
• Die Fehler 401, 403, 429 sowie Fehler der Modellservices werden an der Frontend-Seite ordnungsgemäß behandelt.
• Schreiben Sie keine Passwörter zur Verwaltung, Cloudflare-Schlüssel oder private Modelle in den Client.
• Testen Sie die Isolation des Zugriffs zwischen Benutzern für Ressourcen wie Dateien, Threads und Assistenten.
• Regelmäßig die Schlüssel wechseln und den Aufrufprotokollen nach ungewöhnlichem Traffic prüfen.

Für welche Benutzer geeignet

• JavaScript-Team zur Entwicklung von KI-Anwendungen für den Browser.
• Entwickler, die mobile AI-Apps mit Flutter oder React Native erstellen.
• Projekte, bei denen die Anmeldung der Benutzer über Supabase oder Firebase verwaltet wird.
• Unternehmerische Teams, die das Risiko von Lecks von LLM-Schlüsseln sowie missbräuchlicher Nutzung der Kosten verringern möchten.
• Technisches Team erforderlich für ein von Cloudflare selbst gehostetes AI-Gateway.
• SaaS-Produkte, die es ermöglichen, die Kosten und Leistungsfähigkeit anhand eines Endnutzer-Analysemodells zu bewerten.

Vorteile von Backmesh

• Schützen Sie Schlüssel, gewährleisten Sie JWT-Authentifizierung, begrenzen Sie den Datenverkehr und steuern Sie Ressourcenrechte in einem einzigen Gateway.
• Die Anwendung muss lediglich die Basisadresse und das Authentifizierungstoken ersetzen, wodurch die Anpassungen relativ begrenzt sind.
• Unterstützung für mehrere gängige Modell-Dienste sowie zwei häufige Identitätsanbieter.
• Die Open-Source-Version ermöglicht es Teams, den Code zu prüfen und in ihrem eigenen Cloudflare-Konto zu deployen.
• Die Managed-Version bietet eine automatisierte Analyse der LLM-Aufrufe auf Benutzerebene.
• Auf der Preiseite werden die Anfragenanzahl, die monatlichen aktiven Nutzer sowie die Regeln für die Zusatzgebühren angegeben.

Einsatzbeschränkungen und Hinweise

• Backmesh kann eine vollständige Sicherheitsprüfung der Anwendung sowie den Schutz von Cloud-Konten nicht ersetzen.
• Die aktuellen offiziellen Dokumentationen unterstützen hauptsächlich Supabase und Firebase; andere Authentifizierungssysteme müssen separat überprüft werden.
• Die Self-Hosting-Lösung setzt Cloudflare Workers und KV voraus, was entsprechende Plattformkosten verursacht.
• Die self-hosted-Version verfügt nicht über ein offizielles LLM-Analyse-Dashboard für SaaS.
• Die Kosten für die API des Modellservices sind nicht im Backmesh-Abonnement enthalten.
• Eine zu lockere Limitierungskonfiguration kann weiterhin hohe Rechnungen für das Modell verursachen, während eine zu strenge Konfiguration normale Nutzer beeinträchtigt.
• Bei Dateien und Threads sollten die Strategien zur Ressourcenisolation sowie zur Datenspeicherung überprüft werden.
• Offene Lizenzen müssen im Zusammenhang mit der tatsächlichen Implementierung und den Änderungsweisen bewertet werden.

Preis für Backmesh

Im Folgenden sind die Preise für Hosting-Dienste vom 26. August 2026 auf der offiziellen Website aufgeführt. Die Website bietet eine 15-tägige Probephase an. Steuern, Jahresabrechnungen sowie Unternehmensverträge können sich ändern; letztendlich gelten die Angaben auf der Zahlungsseite oder im Verkaufsangebot.

Alle drei Stufen bieten eine unbegrenzte Anzahl an LLM API Gatekeepern, eigene Discord-Kanäle, eine Bandbreitenbeschränkung pro Benutzer sowie eine Kontrolle des Zugriffs auf Ressourcen. Unter „unbegrenzt“ ist weiterhin im Einklang mit den Dienstbedingungen, den Regeln für einen angemessenen Gebrauch sowie dem Verkaufsvertrag zu verstehen.

Erklärungen zu Open Source und Self-Hosting

Das Backmesh-Kernlager ist auf GitHub öffentlich verfügbar, verwendet hauptsächlich TypeScript und unterliegt der GNU Affero General Public License v3.0. Es handelt sich um ein echtes Open-Source-Projekt, doch bei der Nutzung, Änderung sowie beim Bereitstellen von Diensten über das Internet müssen die Anforderungen der AGPL-3.0 eingehalten werden.

Die offiziellen Selbsthosting-Anleitungen basieren auf Cloudflare Workers und KV und umfassen Schritte wie das Klonen von Code, das Erstellen eines KV-Namensraums, die Konfiguration von Umgebungsvariablen sowie das Bereitstellen von Workers. Die Analysetools für SaaS-Plattformen gehören nicht zum Funktionsumfang der selbsthosteten Version.

Daten und Sicherheit

Der Sicherheitswert von Backmesh ergibt sich hauptsächlich daraus, dass die Modell-Schlüssel auf der Serverseite gespeichert werden, JWTs überprüft werden und Anfragen nach Benutzerberechtigungen begrenzt werden. Das Entwicklerteam sollte weiterhin das Identitätsmanagement-System, die Cloudflare-Konten, die Passwörter für den Backend-Bereich sowie die Umgebungsvariablen schützen.

Vor der offiziellen Einführung müssen die Prozesse zur Überprüfung der Gültigkeit der Token, zum Abmelden der Benutzer, zum Zugriff auf Ressourcen zwischen verschiedenen Benutzern, zur Maskierung von Protokollen sowie zum Löschen von Daten überprüft werden. Kein Gateway kann garantieren, dass die Ausgaben des Modells korrekt sind, und es kann auch nicht automatisch alle Anforderungen im Bereich der Privatsphäre oder der branchenspezifischen Vorschriften erfüllen.

Häufige Fragen

Kann Backmesh einen Datenleck der LLM-Schlüssel verhindern?

Es verhindert, dass der private Schlüssel des Modells direkt in Web- oder mobilen Clients gespeichert wird, doch die Entwickler müssen weiterhin Konten im Hintergrund, Umgebungsvariablen und Identitätsysteme schützen.

Welche Modelldienste werden von Backmesh unterstützt?

In den offiziellen Dokumenten werden OpenAI, Gemini, Anthropic und Cloudflare Workers AI aufgelistet; die Kompatibilität der jeweiligen Endpunkte sollte vor der Anbindung getestet werden.

Welche Benutzerauthentifizierungssysteme werden von Backmesh unterstützt?

Die aktuellen offiziellen Dokumente unterstützen ausdrücklich Supabase und Firebase und verifizieren Anfragen über Benutzer-JWTs.

Kann Backmesh kostenlos verwendet werden?

Die Managed-Version bietet eine 15-tägige Testphase, danach kostet die Starter-Version 10 US-Dollar pro Monat; die Open-Source-Version kann selbst gehostet werden, erfordert jedoch eigene Ressourcen von Cloudflare sowie Kosten für Wartung und Betrieb.

Kann Backmesh selbst gehostet werden?

Ja. Offiziell werden Anleitungen zur Bereitstellung mit Cloudflare Workers und KV bereitgestellt; die selbst gehostete Version enthält keine Analyse-Dashboarde für SaaS-Lösungen.

Ist Backmesh ein Open-Source-Projekt?

Ja. Der Kernspeicher wird unter der AGPL-3.0-Lizenz bereitgestellt; bei seiner Nutzung und Änderung müssen die entsprechenden Open-Source-Pflichten eingehalten werden.