Claude Code von innen: Was Anthropics Ingenieure über Agent-Design gelernt haben

Claude konnte Fragen stellen, aber die User-Antworten dauerten unnötig lang. Drei Iterationen bis zur Lösung:

1. Versuch 1: Fragen als Parameter neben dem Plan -- verwirrte Claude
2. Versuch 2: Modifiziertes Markdown-Format -- unzuverlässig
3. Versuch 3: Dediziertes AskUserQuestion Tool -- funktioniert. Claude “mochte” es und nutzt es zuverlässig

“Even the best designed tool doesn't work if Claude doesn't understand how to call it.” Strukturierte Elicitation reduziert Klärungsschleifen um ~63%.

• TodoWrite (früh 2025) -- Einfache Checkliste. Problem: Claude dachte es MUSS an der Liste festhalten
• Task Tool (spät 2025) -- Dependencies, Sub-Agent-Delegation. Ermöglicht durch: Opus 4.5 wurde besser mit Subagents
• Agent Teams (Feb 2026) -- Multi-Agent-Kommunikation, blocked_by/blocks

“As model capabilities increase, the tools that your models once needed might now be constraining them.”

Die METR Time Horizon Benchmark bestätigt: Autonome Arbeitszeit verdoppelt sich alle ~122 Tage. Tools die für 30-Sekunden-Interaktionen designed wurden bremsen einen 10-Stunden-Agenten.

Die erste Version von Claude Code nutzte eine RAG-Vektordatenbank für Code-Kontext. Schnell und mächtig -- aber fragil: Erforderte Indexing, brach über verschiedene Umgebungen, Claude bekam Kontext gegeben statt ihn selbst zu finden.

Die Lösung: Ein einfaches Grep-Tool. Claude durchsucht den Code selbst -- aktiv statt passiv.

• RAG (2024) -- Kontext wird dem Modell vorgelegt (passiv)
• Grep Tool (2025) -- Claude sucht selbst im Codebase (aktiv)
• Progressive Disclosure (2026) -- Claude liest Skill, referenzierte Dateien, rekursiv weiter

Je intelligenter das Modell wird, desto besser wird es darin, seinen eigenen Kontext aufzubauen.

Claude Code hat ~20 Tools. Jedes neue Tool bedeutet mehr kognitive Last. Der ToolSearch-Mechanismus reduziert Token-Verbrauch um ~85%: Statt alle 50+ Tools vorab zu laden, findet ein Meta-Tool bei Bedarf die richtigen und lädt sie dynamisch nach.

Anthropic nutzt intern ein Muster das für jeden Agent-Builder relevant ist:

• Pass 1 (kein Critic): 45,1% Qualität
• Pass 2 (1 Critic-Runde): 52,3%
• Pass 3 (2 Runden): 57,8%
• Pass 4 (3 Runden): 60,4%

Nach 3 Runden nimmt der Grenznutzen stark ab. Die optimale Strategie: 2-3 Critic-Runden, nicht mehr.

1. Weniger Tools sind mehr. 5 gute Tools schlagen 50 mittelmäßige.
2. Tools müssen zum Modell passen. Was für Opus funktioniert funktioniert nicht für Haiku.
3. Progressive Disclosure. Information bei Bedarf nachladen, nicht alles vorab.
4. Regelmäßig aufräumen. Tools die nicht genutzt werden: entfernen.
5. Critic-Pattern einsetzen. 2-3 Review-Runden für kritische Outputs.

Wir nutzen Claude Code täglich bei EconLab AI und haben über Monate unsere eigene Tool-Landschaft iteriert -- genau nach diesen Prinzipien. Der Unterschied: Wir bringen zusätzlich Audit-Kompetenz ein. See like an agent -- und prüfe wie ein Auditor.

Seit Thariqs ursprünglichem Beitrag hat sich Claude Code erheblich weiterentwickelt:

• Claude Opus 4.6: 80.9% auf SWE-bench Verified -- das erste Modell das die 80%-Marke überschritten hat. Das bedeutet: 4 von 5 echten GitHub-Issues werden autonom gelöst.
• Agent SDK: Entwickler können jetzt Custom Agents mit Claude Codes Tool-Infrastruktur bauen -- nicht nur den eingebauten Agent nutzen.
• 29 Millionen tägliche VS-Code-Installationen: Claude Codes VS-Code-Extension ist die am schnellsten wachsende KI-Extension.
• Multi-Agent Teams: Sub-Agents die parallel in eigenen Kontexten arbeiten, mit SendMessage-Kommunikation zwischen Lead und Teammates.
• Remote Control: Agent-Steuerung über iPhone/Android -- Tasks starten und monitoren von unterwegs.

Was sich nicht geändert hat: Die 5 Primitiven (Read, List, Bash, Edit, Search) sind immer noch das Fundament. Alle neuen Features bauen darauf auf -- sie ersetzen nichts. Huntleys Einsicht bleibt gültig: Einfachheit im Kern, Komplexität in der Orchestrierung.

Für unser Team bei EconLab AI bedeutet das: Wir bauen unsere 100+ spezialisierten Agents, unsere 17 Skills und unseren UltraLoop auf Claude Codes Primitiven -- nicht daneben. Jedes Tool das wir hinzufügen muss die Frage beantworten: "Macht das den Agenten besser? Oder nur komplexer?"

Quellen

• Thariq (Anthropic): "Seeing like an Agent" — Claude Code Design Lessons
• Anthropic Engineering Blog: Effective Harnesses for Long-Running Agents
• METR Time Horizon Benchmark: Autonome Arbeitszeit verdoppelt sich alle ~122 Tage
• SWE-bench Verified: Claude Opus 4.6 @ 80.9%