Der Agentenkurs · Kontext
Kontext in der Praxis
Lernziele
- Du prüfst das Kontextfenster eines echten Agenten mit sieben Messschritten.
- Du baust einen Agenten anhand der Befunde auf die vier Orte um.
- Du entscheidest, wann sich Tool-Suche und ein zusammenfassender Subagent lohnen.
Du kennst die Mechanik aus Wie Modelle lesen und die vier Orte. Diese Lektion ist die Arbeitssitzung dazu. Du prüfst einen bestehenden Agenten, baust ihn um und ergänzt die zwei Erweiterungen, die ab einer gewissen Größe zählen.
Das Fenster prüfen
Arbeite an einem echten Agenten und verlass dich nicht auf dein Gedächtnis. Hak jeden Schritt ab, sobald du die Zahl oder den Befund notiert hast.
Kontext-Audit
0 von 7 erledigt
Auf die vier Orte umbauen
Arbeite die Befunde des Audits der Reihe nach ab:
- Systemprompt ausdünnen. Lass nur stehen, was bei jedem Aufruf gilt. Jeden markierten dynamischen Wert verschiebst du in den Nachrichtenverlauf.
- Tool-Liste einfrieren. Leg die Tools zu Beginn des Gesprächs fest. Ersetz jedes Entfernen mitten im Lauf durch einen blockierten Aufruf, der eine Absage zurückgibt.
- Dicke Tools umschreiben. Sie schreiben ihre Ausgabe in eine Datei und geben Pfad plus eine Zeile Quittung zurück.
- Das Ende ergänzen. Häng nach jeweils ein paar Tool-Ergebnissen eine Zeile mit dem aktuellen Ziel an.
Danach wiederholst du das Audit. Die fünf Zahlen sollten sich sichtbar verschieben: hin zu einem kleinen, stabilen Anfang und einem kurzen, lebendigen Ende.
Ab zwanzig Tools die Tool-Suche
Alle Definitionen dauerhaft geladen zu lassen, skaliert ab einer gewissen Zahl nicht mehr. Anthropic berichtet im Beitrag Advanced tool use (November 2025) von internen Tests auf einer MCP-Evaluation mit großen Tool-Bibliotheken. Mit eingeschalteter Tool-Suche stiegen die Ergebnisse deutlich:
| Modell | Alle Tools geladen | Mit Tool-Suche |
|---|---|---|
| Claude Opus 4 | 49 % | 74 % |
| Claude Opus 4.5 | 79,5 % | 88,1 % |
Anthropic selbst empfiehlt die Tool-Suche ab etwa zehn Tools oder ab mehr als 10.000 Tokens an Definitionen. Dieser Kurs zieht die feste Grenze bei zwanzig. Halte einen kleinen Kern ständig genutzter Tools geladen, markier den Rest als verzögert ladbar und lass das Modell bei Bedarf nach Definitionen suchen. Der feste Anfang schrumpft, und laut diesen Zahlen trifft das Modell zugleich öfter das richtige Tool.
Ein zusammenfassender Subagent
Ein Subagent · engl. subagentEin Agent, den ein anderer Agent für eine Teilaufgabe startet. Er arbeitet in einem eigenen Kontextfenster und gibt nur sein Ergebnis zurück.Im Glossar wirkt wie eine Brandschutzwand für den Kontext. Verlangt eine Aufgabe, fünfzig Dateien zu lesen, startest du dafür einen Subagenten. Sein eigenes Fenster nimmt die fünfzig Dateien auf, zurück kommt eine Zusammenfassung von einer Seite. Der Hauptagent behält nur die Schlussfolgerung. Die Belege bleiben im Fenster des Subagenten.
Dasselbe Muster passt zu jedem großen Lesejob: Logs durchsuchen, große Diffs, Dokumentenstapel. Das Handbuch Agent-Harnesses zeigt, wie du solche Brandschutzwände in ein echtes Setup einbaust.
Im Hauptfenster gelesen
- Fünfzig Dateien liegen danach im Verlauf.
- Jede weitere Runde bezahlt sie erneut.
- Das Ziel rutscht hinter die Dateien in die Mitte.
Über einen Subagenten
- Die Dateien liegen nur im Fenster des Subagenten.
- Im Hauptfenster steht eine Seite Zusammenfassung.
- Das Ziel bleibt nah am Ende.
Tipps
- Wiederhole das Ziel am Ende alle drei bis fünf Schritte.
- Kein wörtliches Tool-Ergebnis über etwa 2.000 Tokens bleibt im Verlauf. Pfad plus Quittung ersetzt es.
- Blockiere Tools. Entfernen ist tabu.
- Behandle Änderungen am Systemprompt als Release und vergleich sie per Diff.
- Beobachte die Cache-Werte im Betrieb. Ein stiller Cache-Fehlschlag kann die Kosten für den festen Anfang verzehnfachen.
Probier es selbst aus
Drei Experimente machen die Mechanik sichtbar. Jedes dauert weniger als eine Stunde.
Selbst nachweisen
0 von 3 erledigt
Weiter geht es mit Modul 2: Die Schleife. Wer tiefer einsteigen will, findet im Handbuch Agent-Harnesses dieselbe Disziplin in einem echten Setup.
Merksätze
- Ein Kontext-Audit beginnt mit einem mitgeschnittenen Request und fünf Token-Zahlen.
- Dynamische Werte wandern aus dem Systemprompt in den Verlauf, dicke Tool-Ergebnisse auf die Festplatte.
- Ab etwa zwanzig Tools lädt der Agent einen kleinen Kern und sucht den Rest bei Bedarf.
- Ein Subagent liest große Mengen in seinem eigenen Fenster und gibt nur die Zusammenfassung zurück.
cache_read_input_tokensgleich null in einem laufenden Gespräch zeigt einen beweglichen Anfang.
Prüf dich selbst
Denkfrage
Dein Audit ergibt: Systemprompt 3.000 Tokens, Tools 45.000, Verlauf 60.000, davon ein Tool-Ergebnis mit 25.000 Tokens. Was baust du zuerst um?
Zuerst das dicke Tool-Ergebnis: Das Tool schreibt seine Ausgabe in eine Datei und gibt Pfad plus Quittung zurück. Das spart 25.000 Tokens in jeder weiteren Runde. Als Nächstes die 45.000 Tokens an Tool-Definitionen: Bei dieser Menge lohnt sich die Tool-Suche mit einem kleinen festen Kern.
Denkfrage
Ein Agent soll in einem großen Repository herausfinden, wo eine Konfiguration überall gelesen wird. Wie hältst du sein Hauptfenster klein?
Du gibst die Suche an einen Subagenten. Er liest die vielen Dateien in seinem eigenen Fenster und liefert eine kurze Liste der Fundstellen mit einer Zeile Erklärung je Treffer. Der Hauptagent arbeitet mit dieser Liste weiter, die Dateien selbst landen nie in seinem Verlauf.
Prüf dich selbst
Quellen
- Introducing advanced tool use for Claude
Quelle der Ergebnisse mit Tool-Suche und der Empfehlung ab zehn Tools.
- Prompt caching
Bedeutung von cache_read_input_tokens.