Die vier Orte · Agentenwerk

Lernziele

Du ordnest jedes Stück Kontext einem der vier Orte zu und begründest die Wahl.
Du erklärst, warum ein Tool blockiert und nie aus der Liste entfernt wird.
Du unterscheidest Session und Memory und nennst die drei Strategien der Kompaktierung.

Wie Modelle lesen hat die Physik geklärt: Die Aufmerksamkeit bevorzugt Anfang und Ende des Kontextfenster · engl. context windowAlles, was das Modell bei einem Aufruf liest: Anweisungen, Verlauf, Dateien, Tool-Ergebnisse. Was dort fehlt, existiert für das Modell nicht.Im Glossar, jedes TokenDie Einheit, in der Modelle Text lesen und abrechnen: meist ein Wortteil. Anbieter rechnen pro Million Tokens ab.Im Glossar kostet, und Caching lohnt sich nur, wenn der Anfang stillsteht.

Die Arbeitsweise, die daraus folgt, lässt sich einfach formulieren. Jedes Stück Kontext gehört an genau einen von vier Orten. Die meisten Probleme mit Agenten gehen auf etwas zurück, das am falschen Ort liegt.

Schritt 1 von 4

Systemprompt

Ganz vorn: nur was bei jedem Aufruf gilt. Bytegleich, damit der Cache trifft.

Eins: der Systemprompt

In den Systemprompt · engl. system promptDer feste Anfang jedes Aufrufs: Rolle, harte Regeln, Ausgabeformat. Er steht vor dem Gesprächsverlauf und gilt für das ganze Gespräch.Im Glossar gehört nur, was bei jedem Aufruf gilt: Rolle, harte Regeln, Ausgabeformat. Er muss bytegleich bleiben, also ohne Zeitstempel, ohne Benutzernamen, ohne abgerufene Erinnerungen und ohne „aktuelle Aufgabe“.

Alles Dynamische darin bricht den Cache bei jeder Anfrage, weil der Systemprompt in der Cache-Hierarchie über den Nachrichten steht. Außerdem belegt es den gut beachteten Anfang mit Inhalten, die dort keinen Platz brauchen. Behandle jede Änderung am Systemprompt wie ein Release: geplant, versioniert und mit einem Diff.

Zwei: die Tools

Die Tool-Liste steht für das ganze Gespräch fest. Füg mitten im Lauf keine Definitionen hinzu und entferne keine. Tools stehen in der Cache-Hierarchie ganz vorn, deshalb macht jede Änderung den gesamten gecachten Anfang ungültig. Zugleich verschiebt sich das Verhalten des Modells.

Soll ein Tool · engl. toolEin Werkzeug, das das Modell aufrufen kann: eine API, eine Datenbankabfrage, ein Shell-Befehl, eine Suche. Über Tools wirkt das Modell auf die Welt.Im Glossar nicht mehr verfügbar sein, blockiere den Aufruf. Dein Code fängt ihn ab und gibt „Dieses Tool ist für diese Aufgabe deaktiviert“ zurück. Die Definitionen bleiben dabei unangetastet.

Definitionen sind teuer. Anthropic hat im Beitrag Advanced tool use (November 2025) ein übliches Setup mit fünf MCP · engl. Model Context ProtocolEin offenes Protokoll, über das ein Agent Tools aus externen Servern einbindet, etwa für GitHub, Slack oder eine Datenbank. Jeder Server bringt eigene Tool-Definitionen mit.Im Glossar-Servern gemessen: 58 Tools, die rund 55.000 Tokens belegen, bevor das Gespräch beginnt. Intern hat Anthropic vor der Optimierung 134.000 Tokens an Definitionen gesehen.

Dieser Kurs zieht die Grenze bei etwa zwanzig Tools. Darunter lässt du alle geladen. Darüber wechselst du zur Tool-Suche, die Kontext in der Praxis behandelt.

Drei: die Festplatte

Alles, was groß ist oder lange lebt, kommt in eine Datei. Ins Fenster gelangt nur der Pfad: Du behältst den Schlüssel und lässt den Inhalt draußen. Ein Tool, das eine Seite mit 40.000 Tokens holt, gibt deshalb die Seite selbst gar nicht zurück:

import hashlib, pathlib, urllib.request

def fetch_to_disk(url: str) -> str:
    text = urllib.request.urlopen(url).read().decode("utf-8", "replace")
    path = pathlib.Path("cache") / (hashlib.sha1(url.encode()).hexdigest() + ".txt")
    path.parent.mkdir(exist_ok=True)
    path.write_text(text, encoding="utf-8")
    return f"saved {len(text)} chars to {path}"

Der Agent liest Ausschnitte der Datei, wenn er sie braucht. Im Fenster steht statt des Dokuments eine Quittung von etwa 15 Tokens.

Vier: das Ende

Das Ende des Fensters ist der am besten beachtete Platz, den du hast. Wiederhole dort alle paar Schritte das aktuelle Ziel: ein bis zwei Zeilen, angehängt nach den letzten Tool-Ergebnissen.

In einem langen Loop · engl. agent loopDie Schleife eines Agenten: denken, handeln, beobachten, wiederholen. Zwischen den Durchläufen wird der Kontext des Modells jedes Mal neu gebaut.Im Glossar ist die ursprüngliche Anweisung längst in die schwache Mitte gerutscht. Die Wiederholung am Ende hält das Modell bei der Aufgabe und kostet etwa dreißig Tokens pro Runde.

Welcher der vier Orte?

Ordne jedes Stück Kontext dem Ort zu, an den es gehört.

Noch offen (8)

Antworte immer als JSON mit den Feldern status und summary.
Lösche nie Dateien außerhalb des Projektordners.
Ein Tool, das Tickets anlegt und im ganzen Gespräch gebraucht werden kann.
Ein Tool, das ab Schritt 12 für diese Aufgabe nicht mehr erlaubt ist.
Ein PDF mit 300 Seiten, das der Agent auswerten soll.
Das komplette Ergebnis einer Log-Suche mit 8.000 Zeilen.
„Aktuelles Ziel: den Test für die Login-Funktion grün bekommen.“ nach Runde 25.
Das heutige Datum und der Name der angemeldeten Person.

Systemprompt (0)

Tools (0)

Festplatte (0)

Das Ende (0)

Was die Session überdauert

Googles Whitepaper Context Engineering: Sessions, Memory zieht die Grenze sauber. Die Session · engl. sessionEin einzelnes Gespräch mit einem Agenten: der Verlauf aller Nachrichten und Tool-Ergebnisse plus der Arbeitszustand. Endet das Gespräch, endet die Session.Im Glossar ist die Werkbank für ein Gespräch. Memory · engl. memoryWissen, das ein Agent über mehrere Sessions hinweg behält. Es besteht aus extrahierten Fakten wie Vorlieben und Entscheidungen, die ein Modell aus Gesprächen herauszieht und mit dem Bestand abgleicht.Im Glossar ist der Aktenschrank, der über Gespräche hinweg bleibt. Entscheidend ist die Definition: Erinnerungen sind extrahierte Informationen. Das rohe Gespräch gilt nicht als Erinnerung.

Aus dem Gespräch werden Erinnerungen in zwei Schritten. Bei der Extraktion zieht ein Modell nur die Fakten heraus, die zu vorher festgelegten Themen passen, etwa Vorlieben, Entscheidungen und Ziele. Bei der Konsolidierung vergleicht ein Modell die neuen Fakten mit den vorhandenen. Es führt sie zusammen, aktualisiert sie oder löscht alte, die nicht mehr stimmen.

Beide Schritte laufen im Hintergrund, nachdem die Antwort verschickt ist. Die Person, die auf die Antwort wartet, merkt davon nichts. Zwischen Sessions bewahrst du die destillierte Fassung auf: stabile Vorlieben, getroffene Entscheidungen, hart erarbeitete Fakten. Das Transkript bleibt als Herkunftsnachweis auf der Festplatte.

Das Fenster kompaktieren

Für die laufende Session nennt das Whitepaper drei Strategien der Kompaktierung · engl. compactionDas Verkleinern des Gesprächsverlaufs während einer Session, etwa durch Abschneiden alter Runden oder durch eine laufende Zusammenfassung.Im Glossar, von einfach bis anspruchsvoll:

Gleitendes Fenster: Der Agent behält nur die letzten N Runden und verwirft alles Ältere.
Abschneiden nach Tokens: Der Agent füllt ein festes Token-Budget, von der neuesten Nachricht an rückwärts. Was nicht mehr hineinpasst, fällt weg.
Rekursive Zusammenfassung: Ein Modell ersetzt ältere Runden durch eine laufende Zusammenfassung. Sie steht vor den jüngsten Runden, die wörtlich bleiben.

Auslösen lässt sich die Kompaktierung über eine Schwelle (Tokens oder Runden), über Inaktivität oder über den Abschluss einer Aufgabe. Das Handbuch Loop Engineering vertieft die Kompaktierung in lang laufenden Loops.

Merksätze

Jedes Stück Kontext gehört an genau einen von vier Orten: Systemprompt, Tools, Festplatte oder das Ende.
Der Systemprompt enthält nur, was bei jedem Aufruf gilt, und bleibt bytegleich.
Die Tool-Liste bleibt fest. Ein Tool, das nicht mehr erlaubt ist, wird blockiert und bleibt definiert.
Große Inhalte liegen auf der Festplatte, ins Fenster kommen Pfad und Quittung.
Memory besteht aus extrahierten und konsolidierten Fakten. Das Transkript bleibt als Nachweis auf der Festplatte.

Prüf dich selbst

Denkfrage

Ein Team schreibt bei jedem Aufruf die drei letzten Erinnerungen der Person in den Systemprompt, damit der Agent persönlich antwortet. Was ist das Problem, und wohin gehören die Erinnerungen?

Denkfrage

Dein Agent hat nach 40 Runden das eigentliche Ziel aus den Augen verloren und optimiert eine Nebensache. Was änderst du?

Quellen

Introducing advanced tool use for Claude · Anthropic, Nov. 2025
Quelle der Zahlen 58 Tools, 55.000 und 134.000 Tokens.
Context Engineering: Sessions, Memory · Kimberly Milam, Antonio Gulli (Google), Nov. 2025
Prompt caching · Anthropic, Stand: Nov. 2026
Cache-Hierarchie und Tool-Änderungen mitten im Gespräch.