[{"data":1,"prerenderedAt":708},["ShallowReactive",2],{"blog-cursor-de":3},{"slug":4,"published":5,"minutes":6,"category":7,"tags":8,"keywords":14,"about":21,"sources":25,"cover":47,"og":48,"expertise":49,"locales":50,"lang":52,"title":54,"description":55,"coverAlt":56,"metaTitle":57,"takeaways":58,"faq":64,"toc":77,"blocks":102,"others":439},"cursor","2026-09-02",10,"agents",[9,10,11,12,13],"AI code editor","Coding agents","CLI","Usage-based pricing","MCP",[4,15,16,17,18,19,20],"cursor vs github copilot","cursor pricing","cursor cli","ai code editor","cursor usage limits","cursor pro plus",[22],{"name":23,"url":24},"Cursor","https:\u002F\u002Fcursor.com",[26,29,32,35,38,41,44],{"title":27,"url":28},"Cursor pricing","https:\u002F\u002Fcursor.com\u002Fpricing",{"title":30,"url":31},"Cursor models and pricing docs","https:\u002F\u002Fcursor.com\u002Fdocs\u002Fmodels-and-pricing",{"title":33,"url":34},"Cursor CLI documentation","https:\u002F\u002Fcursor.com\u002Fdocs\u002Fcli\u002Foverview",{"title":36,"url":37},"GitHub Copilot plans","https:\u002F\u002Fgithub.com\u002Ffeatures\u002Fcopilot\u002Fplans",{"title":39,"url":40},"Claude pricing","https:\u002F\u002Fclaude.com\u002Fpricing",{"title":42,"url":43},"Claude Code cost documentation","https:\u002F\u002Fdocs.claude.com\u002Fen\u002Fdocs\u002Fclaude-code\u002Fcosts",{"title":45,"url":46},"Cline pricing","https:\u002F\u002Fcline.bot\u002Fpricing","\u002Fimages\u002Fblog\u002Fcursor\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fcursor\u002Fog.jpg","ai-engineer",[51,52,53],"en","de","hu","Cursor im Test: ein KI-Code-Editor, der über den Listenpreis hinaus abrechnet","Cursor bündelt Editor, Terminal-Agent und Cloud-Läufe hinter einem Abo. Was die zwei Nutzungs-Pools wirklich kosten, und wann Copilot, Claude Code oder Cline die bessere Wahl sind.","Drei Rechtecke in einer Reihe unter einer breiten Klammer, darunter hängen zwei schmale Säulen.","Cursor-Test: KI-Editor und Agent-CLI · Balázs Csorba",[59,60,61,62,63],"Cursors 20-Dollar-Pro ist der Eintrittspreis: die eigene Dokumentation beziffert tägliche Agentennutzung mit 60 bis 100 Dollar Monatsnutzung und Power User mit 200 Dollar und mehr.","Die Nutzung teilt sich in zwei Pools, Cursor Models für Grok und Composer zu einem inkludierten Satz, und Other Models zum API-Preis des jeweiligen Drittanbietermodells.","Auf Teams und Enterprise kostet jede Drittanbieter-Anfrage zusätzlich 0,25 Dollar je Millionen Token, während eigene Grok- und Composer-Modelle ausgenommen sind.","Keine Seite veröffentlicht, wie viele Anfragen oder Tokens eine Allokation von Pro, Pro Plus oder Ultra enthält, nur dass On-Demand-Nutzung zu denselben API-Sätzen weiterläuft.","Privacy Mode trägt die Zusage, dass Code nicht für Training genutzt wird, das Versprechen hängt also an einer Einstellung und nicht an der Planstufe.",[65,68,71,74],{"q":66,"a":67},"Was kostet Cursor tatsächlich pro Monat?","Pro kostet 20, Pro Plus 60 und Ultra 200 Dollar, jeweils mit zwei Nutzungs-Pools. Die eigene Dokumentation beziffert tägliche Agentennutzung mit 60 bis 100 Dollar Monatsnutzung und Power User mit 200 Dollar und mehr, und On-Demand-Nutzung wird danach nachträglich zu denselben Token-Sätzen abgerechnet.",{"q":69,"a":70},"Cursor oder GitHub Copilot für ein kleines Team?","Copilot Pro kostet 10 Dollar im Monat mit unbegrenzten Komplettions und AI Credits zu 0,01 Dollar, ist also der günstigere Sitz. Cursor beginnt bei 20 Dollar, bringt aber Editor-Fork, Terminal-CLI, Cloud-Agenten und Review in einer Lizenz — nur dann sinnvoll, wenn das Team mehr als den Editor nutzt.",{"q":72,"a":73},"Läuft Cursor unbeaufsichtigt in einer CI-Pipeline?","Ja. Die CLI installiert mit einem curl-Befehl und besitzt einen Print-Modus: agent -p mit Prompt, Modellname und Ausgabeformat startet denselben Agenten nicht interaktiv, und agent ls plus agent resume führt das Gespräch später weiter.",{"q":75,"a":76},"Trainiert Cursor auf meinem Code?","Die Preisseite garantiert, dass codedaten weder von Cursor noch von dessen Modellanbietern für Training genutzt werden, wenn Privacy Mode aktiviert ist — individuell schaltet ihn an, ein Team-Admin erzwingt ihn. Teams-Pläne enthalten den teamweiten Privacy Mode, Enterprise ergänzt Kontrollen auf Audit-Niveau.",[78,81,84,87,90,93,96,99],{"id":79,"title":80},"what-it-is","Was es ist",{"id":82,"title":83},"how-it-works","Wie es funktioniert",{"id":85,"title":86},"getting-started","Erste Schritte",{"id":88,"title":89},"pricing","Preise",{"id":91,"title":92},"privacy-and-lock-in","Privatsphäre und Lock-in",{"id":94,"title":95},"where-it-shingles","Wo es quietscht",{"id":97,"title":98},"verdict","Fazit",{"id":100,"title":101},"sources","Quellen",[103,107,110,113,121,139,140,143,149,152,156,159,175,176,179,181,184,238,239,242,299,302,314,315,318,330,333,334,337,383,386,387,390,404,408,409],{"type":104,"content":105},"paragraph",[106],"Cursor ist ein KI-Code-Editor auf Basis eines VS-Code-Forks, verkauft von Anysphere, und inzwischen auch ein Terminal-Agent, ein Satz Cloud-Agenten und ein Code-Review-Bot, die alle aus demselben Abo leben. Die hier vertretene Position: es ist der vollständigste Einzelsitz in diesem Markt, und die 20 Dollar auf der Preisseite sind ein Eintrittspreis und kein Arbeitsbudget, weil das Metering, das die Monatskosten wirklich bestimmt, eine Dokumentationseite tiefer sitzt.",{"type":104,"content":108},[109],"Es sitzt dort, wo Entwickler ohnehin den Tag verbringen, und das ist die ganze Strategie. Wo Claude Code im Terminal beginnt und Copilot in GitHub, besitzt Cursor den Editor und führt denselben Agenten dann in die CLI, nach CI und in Cloud-Läufe, sodass ein Team eine Lizenz kauft statt vier Werkzeuge zusammenzukleben. Wettbewerb kommt nicht nur von anderen Editoren, sondern auch von der Gewohnheit, eine Modell-API direkt zu zahlen und einen quelloffenen Agenten dagegen laufen zu lassen.",{"type":111,"level":112,"id":79,"text":80},"heading",2,{"type":104,"content":114},[115,116,120],"Eine Produktlinie mit mehreren Oberflächen: der Desktop-Editor, die ",{"tag":117,"children":118},"code",[119],"agent"," CLI, Cloud-Agenten, die abseits des Rechners laufen, Bugbot für Pull-Request-Reviews und Automations. Die dahinterliegende Modellliste mischt eigene Modelle mit dem Frontier-API-Katalog, und die Dokumentation führt derzeit dutzende Einträge von Anthropic, OpenAI, Google, Moonshot, Meta, Z.ai sowie die eigenen Grok- und Composer-Linien.",{"type":122,"ordered":123,"items":124},"list",false,[125,127,129,131,133,135,137],[126],"Anbieter: Anysphere, Inc., ausschließlich direkt über cursor.com verkauft, mit SOC 2, ISO 27001, ISO 42001 und AIUC-1 auf der Preisseite.",[128],"Oberflächen: Desktop-Editor, Terminal-CLI, Cloud-Agenten, Mobile-App, Bugbot-Code-Review und Automations mit geteiltem Teamkontext.",[130],"Einzelpläne: Hobby kostenlos, Pro mit 20 Dollar im Monat, Pro Plus mit 60, Ultra mit 200, dazu ein Start-Plan für 649 Rupien im Monat für Entwickler in Indien.",[132],"Teampläne: Teams Standard mit 40 Dollar je Nutzer im Monat und Premium mit 120, wobei Premium das Fünffache der Standard-Agent-Limits hat; Enterprise hat Einzelpreise.",[134],"Nutzung: zwei Pools pro Abrechnungszyklus, Cursor Models für Grok und Composer, und Other Models zum API-Preis des jeweiligen Drittanbietermodells.",[136],"CLI: mit einem curl-Befehl installiert, drei Modi — Agent, Plan und Ask — sowie ein Print-Modus für Skripte und CI.",[138],"Erweiterungen desselben Agenten: MCP-Server, Skills, Hooks und Regeln, dazu ein Marketplace für teamweite Verteilungen.",{"type":111,"level":112,"id":82,"text":83},{"type":104,"content":141},[142],"Jede Anfrage läuft durch eine Agent-Schleife, die Kontext aus dem Arbeitsbereich sammelt, Regeln und MCP-Ergebnisse anwendet und ein Modell um die nächste Änderung bittet; Editor, CLI und Cloud-Agent sind Frontends auf dieser Schleife und keine getrennten Produkte. Ist Auto gewählt, wählt der Cursor Router pro Anfrage ein Modell aus den Modi Cost, Balance und Intelligence, und die Dokumentation sagt deutlich, dass alle Auto-Modi zum Listenpreis des Modells abrechnen, auf das die Anfrage fiel.",{"type":144,"src":145,"alt":146,"wide":147,"caption":148},"image","\u002Fimages\u002Fblog\u002Fcursor\u002Fdiagram-7.webp","Wie eine Cursor-Anfrage ein Modell erreicht Vier Kästen laufen von links nach rechts: das Repository, der Cursor-Agent im Editor oder in der CLI, der Router und das Modell, das antwortet. Darunter zwei Felder: der Cursor-Models-Pool für Grok und Composer zum inkludierten Satz, und der Other-Models-Pool, der zum Drittanbieter-API-Preis abgebucht wird. Drei Zeilen besagen, dass On-Demand-Nutzung nachträglich zu denselben API-Sätzen abrechnet wird, dass Drittanbieter-Anfragen auf Teams und Enterprise mit 0,25 Dollar je Millionen Token zuschlagen, und dass der Print-Modus denselben Agenten in einem CI-Job mit Textausgabe startet.",true,"Eine Agent-Schleife hinter Editor und CLI; die Abrechnung entscheidet sich danach, welchem Pool das gewählte Modell angehört.",{"type":104,"content":150},[151],"Dieses Pooling ist die Designentscheidung, über die sich streiten lässt. Ein eigenes Modell zieht aus dem Cursor-Models-Pool zu einem inkludierten Satz; Claude oder GPT ziehen aus Other Models zum API-Preis des Modells, der Modellwähler ist also Kostensteuerung und Qualitätssteuerung zugleich, und beide Pools laufen mit dem monatlichen Abrechnungszyklus zurück.",{"type":111,"level":153,"id":154,"text":155},3,"modes-and-routing","Modi, Routing und das Tab-Modell",{"type":104,"content":157},[158],"Die interaktiven Oberflächen teilen ein Modussystem, und die Dokumentation trennt sorgfältig, was kostenlos ist und was abgerechnet wird: Komplettions und Tab-Vorhersagen sind nicht die Abrechnungseinheit, Agentenarbeit ist es.",{"type":122,"ordered":123,"items":160},[161,167,169,171,173],[162,163,166],"Der Agent-Modus hat vollen Werkzeugzugang, der Plan-Modus entwirft die Änderung zuerst, der Ask-Modus ist lesend; die CLI bietet alle drei über Slash-Befehle und ",{"tag":117,"children":164},[165],"--mode",".",[168],"Auto hat drei Einstellungen — Cost, Balance und Intelligence — und rechnet zum Listenpreis des Modells ab, auf das jede Anfrage geroutet wird.",[170],"Fast-Varianten liegen über dem Standardsatz, auf den Grok-Linien doppelt, und langer Kontext wird bei einigen Modellen mit dem doppelten Eingabepreis berechnet, während mehrere Claude- und Gemini-Linien keinen Long-Context-Zuschlag nennen.",[172],"Auf Altverträgen verlängert der Max-Mode das Kontextfenster zum API-Satz des Modells plus 20 Prozent.",[174],"Tab-Komplettions und Next-Edit-Vorschläge sind auf jedem bezahlten Plan unbegrenzt, der Zähler startet also erst, wenn ein Agent denkt.",{"type":111,"level":112,"id":85,"text":86},{"type":104,"content":177},[178],"Die CLI ist der kürzeste Weg, das Werkzeug zu beurteilen: ein Befehl zur Installation, dann derselbe Agent wie im Editor, mit einem Print-Modus, der ihn zu einem Skrittschritt macht. Der Ausschnitt unten deckt den interaktiven Fall, den nicht interaktiven Fall und das Fortsetzen eines Gesprächs ab, also das, was ein CI-Job oder ein Hook braucht.",{"type":117,"code":180},"# install the CLI on macOS, Linux or WSL\ncurl https:\u002F\u002Fcursor.com\u002Finstall -fsS | bash\n\n# interactive session in the current repository\nagent \"add retry logic to the HTTP client and cover it with tests\"\n\n# non-interactive run, for a script or a CI job\nagent -p \"summarise the last commit and flag risky changes\" \\\n  --model \"gpt-5\" \\\n  --output-format text\n\n# pick the conversation up later\nagent ls\nagent resume",{"type":104,"content":182},[183],"Was der Print-Lauf nicht braucht: kein Editor, kein GUI, nur ein Repository und ein Konto. Das ist für die Bewertung wichtig, denn Cursor lässt sich damit gleichberechtigt gegen einen Terminal-Agenten wie Claude Code prüfen und nicht nur als hübscherer Editor mit Chat.",{"type":185,"variant":186,"title":187,"body":188},"callout","warn","Drei Dinge vor Ablauf der Testphase klären",[189],[190,191,192,193,194,195,192,191,196,196,192,191,197,192,193,198,192,195,199,200,201,202,197,193,203,192,204,193,205,191,197,206,207,193,203,191,192,193,190,208,199,201,209,192,204,197,200,197,191,208,204,193,198,192,195,199,200,201,202,197,193,203,191,192,193,210,201,197,206,201,204,211,166,193,212,204,213,190,192,209,200,204,203,213,210,201,197,206,201,204,211,193,211,195,192,191,202,197,207,193,196,208,214,200,215,203,193,203,192,195,193,191,204,199,215,201,203,191,192,195,197,192,193,216,192,197,195,200,211,193,200,201,202,211,192,214,195,200,201,217,218,197,193,191,196,197,207,193,201,204,203,193,219,191,195,203,193,204,200,217,218,197,195,220,211,215,191,217,218,193,206,201,193,203,192,204,196,192,215,214,192,204,193,221,194,222,213,205,220,197,206,192,204,193,200,214,211,192,195,192,217,218,204,192,197,223,193,203,191,192,193,190,208,199,201,209,192,204,197,200,197,191,208,204,193,214,192,206,191,202,202,192,195,197,193,197,220,211,215,191,217,218,192,193,221,211,192,204,197,192,204,204,201,197,206,201,204,211,193,209,191,197,193,224,225,193,214,191,196,193,226,225,225,193,190,208,215,215,200,195,193,227,208,204,200,197,196,204,201,197,206,201,204,211,193,201,204,203,193,194,208,219,192,195,193,228,196,192,195,193,209,191,197,193,229,225,225,193,190,208,215,215,200,195,193,201,204,203,193,209,192,218,195,166,193,194,195,191,198,200,217,230,193,227,208,203,192,193,191,196,197,193,192,191,204,192,193,231,191,204,196,197,192,215,215,201,204,211,207,193,203,191,192,193,232,201,196,200,211,192,193,199,192,191,204,193,233,195,200,191,204,191,204,211,193,209,191,197,193,234,208,203,192,193,211,191,215,197,193,200,215,196,208,207,193,219,192,204,204,193,196,191,192,193,200,199,197,191,198,191,192,195,197,193,191,196,197,193,235,193,236,192,195,196,237,204,215,191,217,218,193,208,203,192,195,193,203,201,195,217,218,193,192,191,204,192,204,193,233,192,200,209,213,221,203,209,191,204,193,192,195,206,219,201,204,211,192,204,166],"D","i","e"," ","P","r","s","t","v","k","a","u","f","d","n","S","z",",","o","m","N","g","O","-","b","l","B","c","h","w","ä","A","I",";","6","0","1","M","U","2","y","E","Z","T","C","—","p","ö",{"type":111,"level":112,"id":88,"text":89},{"type":104,"content":240},[241],"Fünf Einzel- und Teamstufen, alle außer Enterprise öffentlich. Das Abo kauft inkludierte Modellnutzung in zwei Pools, und alles darüber läuft zu denselben Token-Sätzen weiter, statt abgeschaltet zu werden.",{"type":243,"head":244,"rows":253},"table",[245,247,249,251],[246],"Plan",[248],"Preis",[250],"Modellnutzung",[252],"Was es zusätzlich bringt",[254,263,272,281,290],[255,257,259,261],[256],"Hobby",[258],"Kostenlos",[260],"Wenige Agent-Anfragen, Composer-Zugang",[262],"Keine Karte nötig; reicht, um den Editor zu beurteilen",[264,266,268,270],[265],"Pro",[267],"20 Dollar im Monat",[269],"Beide Pools, danach On-Demand",[271],"Unbegrenzte Tab-Komplettions, Bugbot, Cloud-Agenten",[273,275,277,279],[274],"Pro Plus",[276],"60 Dollar im Monat",[278],"Beide Pools, höhere Allokation",[280],"Vom Anbieter für tägliche Agentennutzung empfohlen",[282,284,286,288],[283],"Ultra",[285],"200 Dollar im Monat",[287],"Beide Pools, höchste Allokation",[289],"Für parallel laufende Agenten gedacht",[291,293,295,297],[292],"Teams",[294],"40 oder 120 Dollar je Nutzer",[296],"Standard, oder Premium mit 5x Agent-Limits",[298],"SAML\u002FOIDC-SSO, teamweiter Privacy Mode, Nutzungsanalysen",{"type":104,"content":300},[301],"Auffällig ist, dass keine Seite angibt, wie viele Anfragen oder Tokens eine Allokation von Pro, Pro Plus oder Ultra enthält; die Dokumentation sagt nur, dass die Modellwahl bestimmt, wie schnell sie verbraucht wird. Ersatzweise gilt die Guidance von Cursor selbst: tägliche Agentennutzung landet typischerweise bei 60 bis 100 Dollar Monatsnutzung, Power User bei 200 Dollar und mehr — der ehrliche Einstiegspreis für echte Agentenarbeit liegt damit beim Dreifachen des stickerhaften Pro.",{"type":185,"variant":186,"title":303,"body":304},"Was zum Token-Satz dazukommt",[305],[221,201,202,193,233,192,200,209,196,193,201,204,203,193,231,204,197,192,195,236,195,191,196,192,193,197,195,200,211,192,204,193,190,195,191,197,197,200,204,214,191,192,197,192,195,213,221,204,202,195,200,211,192,204,193,206,201,196,220,197,206,215,191,217,218,193,192,191,204,192,204,193,234,201,195,196,208,195,193,233,208,199,192,204,193,306,200,197,192,193,198,208,204,193,225,207,229,307,193,190,208,215,215,200,195,193,308,192,193,227,191,215,215,191,208,204,192,204,193,233,208,199,192,204,193,200,201,202,193,203,192,209,193,221,194,222,213,194,195,192,191,196,193,203,192,196,193,227,208,203,192,215,215,196,207,193,201,204,203,193,206,219,200,195,193,214,192,191,193,191,204,199,215,201,203,191,192,195,197,192,195,193,210,201,197,206,201,204,211,207,193,212,204,213,190,192,209,200,204,203,193,201,204,203,193,192,191,211,192,204,192,195,193,221,194,222,213,205,217,218,215,309,196,196,192,215,193,211,215,192,191,217,218,192,195,209,200,310,192,204,223,193,203,191,192,193,192,191,211,192,204,192,204,193,311,195,208,199,213,193,201,204,203,193,234,208,209,236,208,196,192,195,213,227,208,203,192,215,215,192,193,196,191,204,203,193,200,201,196,211,192,204,208,209,209,192,204,166,193,312,192,195,193,195,192,211,191,208,204,200,215,192,193,190,200,197,192,204,195,192,196,191,203,192,204,206,193,219,220,218,215,197,207,193,206,200,218,215,197,193,226,225,193,194,195,208,206,192,204,197,193,221,201,202,196,217,218,215,200,211,193,200,201,202,193,203,191,192,193,227,208,203,192,215,215,236,195,192,191,196,192,207,193,201,204,203,193,203,192,195,193,227,200,313,213,227,208,203,192,193,200,201,202,193,221,215,197,198,192,195,197,195,220,211,192,204,193,229,225,193,194,195,208,206,192,204,197,193,200,201,202,193,203,192,204,193,221,194,222,213,205,200,197,206,166],"R","5","j","ü","ß","G","W","x",{"type":111,"level":112,"id":91,"text":92},{"type":104,"content":316},[317],"Zwei Fragen entscheiden, ob ein Unternehmen sich darauf standardisieren kann: Was passiert mit dem Code, und wie schwer ist der Absprung.",{"type":122,"ordered":123,"items":319},[320,322,324,326,328],[321],"Privacy Mode, pro Nutzer aktiviert oder durch einen Team-Admin erzwungen, trägt die Zusage, dass codedaten weder von Cursor noch von dessen Modellanbietern für Training genutzt werden.",[323],"Teams ergänzen die teamweite Durchsetzung des Privacy Mode, SAML- und OIDC-SSO, Nutzungsanalysen sowie Enterprise-Kontrollen.",[325],"Modelle werden beim Anbieter, einem vertrauenswürdigen Partner oder bei Cursor selbst gehostet; die Dokumentation verweist auf eine öffentliche Subprozessorliste statt auf lokale Inferenz.",[327],"Der Editor ist proprietär, und das Abo ist der einzige Weg — der Anbieter nennt den Direktverkauf und keine autorisierten Wiederverkäufer.",[329],"Was mitwandert: MCP-Server, Skills, Hooks und Regeln sind gewöhnliche Konfiguration, die Agent-Schleife, das Tab-Modell und Composer-Ausgaben hingegen nicht.",{"type":104,"content":331},[332],"Der Lock-in ist also real, aber geschichtet: Konfiguration wandert, Verlauf und Agentenverhalten nicht. Ein Team, das auf Cursor-Regeln und -Skills setzt, behält seine Anweisungen beim Absprung und verliert die gesammelten Gespräche, das auf seinen Codebase abgestimmte Tab-Modell und die Cloud-Agenten-Abläufe.",{"type":111,"level":112,"id":94,"text":95},{"type":104,"content":335},[336],"Die Schwächen sind strukturell. Der Listenpreis ist eine Untergrenze, und der tatsächliche vor dem Kauf nicht reproduzierbar, weil Allokationsgrößen nicht veröffentlicht sind und die Nutzung von der Modellwahl abhängt; ein Claude-lastiger und ein Composer-lastiger Monat auf demselben Plan sind nicht dieselbe Rechnung. Das Zwei-Pool-Design steuert auch ökonomisch, nicht nur qualitativ: Drittanbietermodelle kosten API-Geld, während eigene Grok- und Composer-Modelle von der Team-Token-Rate ausgenommen und im Cursor-Models-Pool günstiger sind, der Weg des geringsten Widerstands führt also zu den Modellen des Anbieters. Und ein so integrierter Agent ist ein so schwerer Agentenwechsel.",{"type":243,"head":338,"rows":347},[339,341,343,345],[340],"Tool",[342],"Was es verkauft",[344],"Abrechnungseinheit",[346],"Wo es gewinnt",[348,356,365,374],[349,350,352,354],[23],[351],"Editor-Fork plus CLI, Cloud-Agenten und Code-Review",[353],"20 bis 200 Dollar je Sitz, plus Modellnutzung zu API-Sätzen",[355],"Eine Lizenz für Editor, Terminal und Cloud-Läufe",[357,359,361,363],[358],"GitHub Copilot",[360],"Assistent in GitHub mit CLI und Cloud-Agent",[362],"Pro 10, Pro Plus 39, Max 100 Dollar; AI Credits zu 0,01 Dollar",[364],"Glaubwürdigster günstiger Sitz mit unbegrenzten Komplettions",[366,368,370,372],[367],"Claude Code",[369],"Terminal-Agent auf Abo oder API-Tokens",[371],"Pro 20, Max ab 100 Dollar; Enterprise-Deployment melden 150 bis 250 Dollar je Entwickler im Monat",[373],"Lange autonome Sitzungen ohne eigenen Editor",[375,377,379,381],[376],"Cline",[378],"Quelloffene Erweiterung und CLI mit eigenem Schlüssel",[380],"Kostenlose Software; Inferenz zu Kosten oder eigener API-Schlüssel",[382],"Kein Abo, kein Lock-in, volle Kontrolle über die Ausgaben",{"type":104,"content":384},[385],"Gegenüber diesen ist Cursor die teure Mitte, die Koordination kauft: Copilot unterbietet den Sitzpreis, Claude Code meldet höhere Kosten je Entwickler, dafür ohne Editor, und Cline nimmt das Abo ganz raus und überlässt dem Betreiber den Aufbau derselben Schleife. Das Urteil: Cursor's Aufschlag lohnt sich nur dort, wo ein Team auch Editor, CLI und Cloud-Agent nutzt — zahlt man für eine Oberfläche, sind die anderen zwei Ballast.",{"type":111,"level":112,"id":97,"text":98},{"type":104,"content":388},[389],"Kaufen als Sitz, nicht als 20-Dollar-Experiment. Der Editor ist das Produkt; das darunterliegende Metering muss ein Team instrumentieren, und das ehrliche Budget für tägliche Agentenarbeit beginnt beim Pro-Plus-Tier statt bei Pro.",{"type":122,"ordered":147,"items":391},[392,394,396,398,400,402],[393],"Es lohnt sich, wenn das Team eine Lizenz für Editor, Terminal-Agent, Cloud-Läufe und Pull-Request-Review will statt vier getrennter Verträge.",[395],"Es lohnt sich, wenn der Codebase ein abgestimmtes Tab-Modell und Arbeitsbereichsregeln nützen, die sich an einem Ort statt pro Werkzeug ansammeln.",[397],"Besser weglassen, wenn Kosten je Entwickler vorhersagbar sein müssen; nicht veröffentlichte Allokationen und API-preisierte Drittanbietermodelle machen ohne Dashboard-Disziplin jede Schätzung zum Rätsel.",[399],"Besser weglassen, wenn das Team ohnehin im Terminal und in GitHub lebt — ein Claude-Code- oder Copilot-Abo kostet weniger und hält die Editorwahl offen.",[401],"Für Agentenarbeit Pro Plus statt Pro wählen; Pro ist für Tab- und Chat-Gewohnheiten bepreist, und die eigene Nutzungsangabe des Anbieters liegt bei 60 bis 100 Dollar monatlich.",[403],"Privacy Mode vor dem ersten Commit aktivieren, wenn irgendetwas im Repository einer Vertraulichkeitspflicht unterliegt, denn die Zusage ohne Training hängt an dieser Einstellung.",{"type":405,"content":406},"quote",[407],"Cursor ist wie ein Editor bepreist und wie eine Modell-API abgerechnet. Beurteilen Sie den Sitz danach, wie viele seiner Oberflächen das Team wirklich öffnet, und die Rechnung danach, in welchem Pool jedes Modell landet.",{"type":111,"level":112,"id":100,"text":101},{"type":122,"ordered":147,"items":410},[411,415,419,423,427,431,435],[412,414],{"tag":200,"href":28,"children":413},[27]," — plan tiers, the usage FAQ and the privacy mode guarantee",[416,418],{"tag":200,"href":31,"children":417},[30]," — the two usage pools, per-model rates, the Cursor Token Rate and the usage guidance",[420,422],{"tag":200,"href":34,"children":421},[33]," — install command, interactive and print modes, sessions and sandbox controls",[424,426],{"tag":200,"href":37,"children":425},[36]," — Free, Pro, Pro+ and Max prices and the AI Credits unit",[428,430],{"tag":200,"href":40,"children":429},[39]," — Pro and Max prices, Claude Code inclusion and Team seat prices",[432,434],{"tag":200,"href":43,"children":433},[42]," — the reported enterprise cost per developer and month",[436,438],{"tag":200,"href":46,"children":437},[45]," — the free open-source tier and bring-your-own-key billing",[440,498,570,640],{"slug":441,"published":442,"minutes":443,"category":7,"tags":444,"keywords":449,"about":460,"sources":470,"cover":492,"og":493,"expertise":49,"locales":494,"lang":52,"title":495,"description":496,"coverAlt":497},"agent-tool-design-descriptions-errors","2026-10-17",11,[445,446,447,13,448],"AI agents","Tool use","Function calling","Agent design",[450,451,452,453,454,455,456,457,458,459],"agent tool design","writing tool descriptions for llm","function calling best practices","tool use error handling","mcp tool design","tool calling is_error","how many tools should an agent have","tool search defer_loading","agent computer interface","llm tool schema design",[461,464,467],{"name":462,"url":463},"Intelligent agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FIntelligent_agent",{"name":465,"url":466},"Model Context Protocol","https:\u002F\u002Fmodelcontextprotocol.io\u002F",{"name":468,"url":469},"Poka-yoke","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FPoka-yoke",[471,474,477,480,483,486,489],{"title":472,"url":473},"Anthropic Engineering: Writing effective tools for agents, with agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fwriting-tools-for-agents",{"title":475,"url":476},"Anthropic Engineering: Building effective agents (Dec 2024)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilding-effective-agents",{"title":478,"url":479},"Claude Platform Docs: Define tools","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fdefine-tools",{"title":481,"url":482},"Claude Platform Docs: Handle tool calls","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fhandle-tool-calls",{"title":484,"url":485},"Claude Platform Docs: Tool search tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Ftool-search-tool",{"title":487,"url":488},"Model Context Protocol specification 2025-11-25: Tools","https:\u002F\u002Fmodelcontextprotocol.io\u002Fspecification\u002F2025-11-25\u002Fserver\u002Ftools",{"title":490,"url":491},"OpenAI API Docs: Function calling","https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Ffunction-calling","\u002Fimages\u002Fblog\u002Fagent-tool-design-descriptions-errors\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fagent-tool-design-descriptions-errors\u002Fog.jpg",[51,52,53],"Tools für KI-Agenten gestalten: Namen, Beschreibungen, Schemas und Fehlermeldungen","Agent-Tools, die richtig gewählt und aufgerufen werden: aufgabenorientierte Tools, Beschreibungen, Schemas, kompakte Antworten und verwertbare Fehlermeldungen.","Ein Sockel mit drei Schlitzen; über dem mittleren steht ein passend breiter Block, daneben zwei Blöcke falscher Breite.",{"slug":499,"published":442,"minutes":443,"category":7,"tags":500,"keywords":505,"about":518,"sources":528,"cover":564,"og":565,"expertise":49,"locales":566,"lang":52,"title":567,"description":568,"coverAlt":569},"coding-agents-legacy-codebase-migration",[501,10,502,503,504],"Legacy migration","Strangler fig","Testing","Code review",[506,507,508,509,510,511,512,513,514,515,516,517],"legacy code migration ai","coding agent legacy codebase","strangler fig pattern ai","characterization tests legacy code","ai code migration review","agent assisted refactoring","legacy modernization coding agent","differential testing migration","shadow traffic migration","ai code review gate","test harness before migration","llm code migration",[519,522,525],{"name":520,"url":521},"Legacy code","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLegacy_code",{"name":523,"url":524},"Characterization test","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCharacterization_test",{"name":526,"url":527},"Strangler fig pattern","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FStrangler_fig_pattern",[529,532,534,537,540,543,546,549,552,555,558,561],{"title":530,"url":531},"Martin Fowler: Strangler Fig (2024)","https:\u002F\u002Fmartinfowler.com\u002Fbliki\u002FStranglerFigApplication.html",{"title":533,"url":524},"Wikipedia: Characterization test",{"title":535,"url":536},"Google Research: Accelerating code migrations with AI (2024)","https:\u002F\u002Fresearch.google\u002Fblog\u002Faccelerating-code-migrations-with-ai\u002F",{"title":538,"url":539},"Ziftci et al.: Migrating Code At Scale With LLMs At Google (arXiv 2504.09691)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.09691",{"title":541,"url":542},"Anthropic: Effective harnesses for long-running agents (2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents",{"title":544,"url":545},"Anthropic: Redesigning source control at Anthropic (2026)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fredesigning-source-control",{"title":547,"url":548},"METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity","https:\u002F\u002Fmetr.org\u002Fblog\u002F2025-07-10-early-2025-ai-experienced-os-dev-study\u002F",{"title":550,"url":551},"Chand et al.: Why Industry Migrates and When It Trusts LLMs (ESEM 2026)","https:\u002F\u002Fdrops.dagstuhl.de\u002Fentities\u002Fdocument\u002F10.4230\u002FLIPIcs.ESEM.2026.85",{"title":553,"url":554},"Li et al.: Environment-in-the-Loop: Rethinking Code Migration with LLM-based Agents (arXiv 2602.09944)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2602.09944",{"title":556,"url":557},"AWS: Amazon Q Developer just reached a $260 million dollar milestone (2024)","https:\u002F\u002Faws.amazon.com\u002Fblogs\u002Fdevops\u002Famazon-q-developer-just-reached-a-260-million-dollar-milestone\u002F",{"title":559,"url":560},"OpenAI: Why SWE-bench Verified no longer measures frontier coding capabilities (2026)","https:\u002F\u002Fopenai.com\u002Findex\u002Fwhy-we-no-longer-evaluate-swe-bench-verified\u002F",{"title":562,"url":563},"GitHub Docs: About GitHub Copilot cloud agent","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcoding-agent\u002Fabout-coding-agent","\u002Fimages\u002Fblog\u002Fcoding-agents-legacy-codebase-migration\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fcoding-agents-legacy-codebase-migration\u002Fog.jpg",[51,52,53],"Legacy-Codebase mit Coding-Agenten migrieren: ein Strangler-Fig-Playbook","Wie Coding-Agenten eine Legacy-Migration tragen: Characterization-Tests zuerst, ein Seam pro Task, Review-Gates und differentielle Verifikation.","Ein Stapel Schichten, bei dem die obersten zwei durch neue ersetzt werden, daneben eine Naht und ein Haken.",{"slug":571,"published":442,"minutes":572,"category":7,"tags":573,"keywords":577,"about":589,"sources":599,"cover":634,"og":635,"expertise":49,"locales":636,"lang":52,"title":637,"description":638,"coverAlt":639},"background-agents-async-pr-workflow",12,[10,574,575,504,576],"Pull requests","CI","Automation",[578,579,580,581,582,583,584,585,586,587,588],"background coding agent","async coding agent","cloud coding agent pull request","copilot coding agent limits","codex cloud tasks","claude code cloud sessions","jules coding agent limits","agent pull request review","coding agent sandbox","agent CI gating","cost per merged pull request",[590,593,596],{"name":591,"url":592},"Software agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FSoftware_agent",{"name":594,"url":595},"Pull request","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FDistributed_version_control",{"name":597,"url":598},"Continuous integration","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FContinuous_integration",[600,601,604,607,610,613,616,619,622,625,628,631],{"title":562,"url":563},{"title":602,"url":603},"GitHub Docs: Risks and mitigations for Copilot cloud agent","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Frisks-and-mitigations",{"title":605,"url":606},"OpenAI Developers: Codex cloud environments","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fcloud\u002Fenvironments",{"title":608,"url":609},"Anthropic: Use Claude Code in the cloud","https:\u002F\u002Fcode.claude.com\u002Fdocs\u002Fen\u002Fclaude-code-on-the-web",{"title":611,"url":612},"Google Jules: Limits and plans","https:\u002F\u002Fjules.google\u002Fdocs\u002Fusage-limits\u002F",{"title":614,"url":615},"Google Jules: Getting started","https:\u002F\u002Fjules.google\u002Fdocs\u002F",{"title":617,"url":618},"GitHub Docs: About protected branches","https:\u002F\u002Fdocs.github.com\u002Fen\u002Frepositories\u002Fconfiguring-branches-and-merges-in-your-repository\u002Fmanaging-protected-branches\u002Fabout-protected-branches",{"title":620,"url":621},"GitHub Docs: Models and pricing for GitHub Copilot","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Freference\u002Fcopilot-billing\u002Fmodels-and-pricing",{"title":623,"url":624},"OpenAI Developers: Codex pricing","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fpricing",{"title":626,"url":627},"Ehsani et al.: Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub (MSR 2026, arXiv 2601.15195)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2601.15195",{"title":629,"url":630},"Peralta et al.: Why Are Agentic Pull Requests Merged or Rejected? An Empirical Study (MSR 2026, arXiv 2605.22534)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2605.22534",{"title":632,"url":633},"DORA: State of AI-assisted Software Development 2025","https:\u002F\u002Fdora.dev\u002Fdora-report-2025","\u002Fimages\u002Fblog\u002Fbackground-agents-async-pr-workflow\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fbackground-agents-async-pr-workflow\u002Fog.jpg",[51,52,53],"Coding-Agenten im Hintergrund: Pull Requests, Queues und Review","Wie asynchrone Coding-Agenten Tasks einreihen, in Sandboxes laufen, Draft-PRs öffnen und CI passieren. Grenzen, Kosten, Review und Fehlerbilder.","Eine Karte in einer Ablage fächert sich zu fünf Feldern auf, alle Pfeile führen zu einer Seite hinter einem Tor.",{"slug":641,"published":642,"minutes":6,"category":7,"tags":643,"keywords":649,"about":661,"sources":669,"cover":702,"og":703,"expertise":49,"locales":704,"lang":52,"title":705,"description":706,"coverAlt":707},"context-rot-compaction-long-running-agents","2026-10-16",[644,645,646,647,648],"Context rot","Compaction","Context engineering","Long-running agents","Agent memory",[650,651,652,653,654,655,656,657,658,659,660],"context rot","context rot LLM","compaction AI agents","context engineering","long-running agents context window","Claude compaction API","context editing clear tool results","OpenAI responses compaction","lost in the middle LLM","agent context management","sub-agents context isolation",[662,665,668],{"name":663,"url":664},"Context window","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLarge_language_model#Context_window",{"name":666,"url":667},"Attention (machine learning)","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FAttention_(machine_learning)",{"name":462,"url":463},[670,673,676,679,682,684,687,690,693,696,699],{"title":671,"url":672},"Chroma: Context Rot: How Increasing Input Tokens Impacts LLM Performance (Jul 2025)","https:\u002F\u002Fresearch.trychroma.com\u002Fcontext-rot",{"title":674,"url":675},"Liu et al.: Lost in the Middle: How Language Models Use Long Contexts (2023)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172",{"title":677,"url":678},"Modarressi et al.: NoLiMa: Long-Context Evaluation Beyond Literal Matching (2025)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05167",{"title":680,"url":681},"Anthropic: Effective context engineering for AI agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents",{"title":683,"url":542},"Anthropic: Effective harnesses for long-running agents (Nov 2025)",{"title":685,"url":686},"Claude API docs: Compaction at a token threshold","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-threshold",{"title":688,"url":689},"Claude API docs: Compaction on demand","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-on-demand",{"title":691,"url":692},"Claude API docs: Context editing","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcontext-editing",{"title":694,"url":695},"Claude API docs: Memory tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fmemory-tool",{"title":697,"url":698},"OpenAI API docs: Compaction","https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fcompaction",{"title":700,"url":701},"Cognition: Don't Build Multi-Agents","https:\u002F\u002Fcognition.ai\u002Fblog\u002Fdont-build-multi-agents","\u002Fimages\u002Fblog\u002Fcontext-rot-compaction-long-running-agents\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fcontext-rot-compaction-long-running-agents\u002Fog.jpg",[51,52,53],"Context Rot bei langlaufenden Agenten: Leeren, Compaction, Memory und Sub-Agenten","Warum die Genauigkeit von LLMs mit wachsendem Kontext sinkt und wie Leeren, Compaction, Notizen und Sub-Agenten lange Agentenläufe stabil halten.","Eine kleine Presse drückt einen hohen Blätterstapel zu einem kurzen, zwei Notizen zweigen ab.",1792261157582]