[{"data":1,"prerenderedAt":877},["ShallowReactive",2],{"blog-opencode-de":3},{"slug":4,"published":5,"minutes":6,"category":7,"tags":8,"keywords":14,"about":22,"sources":35,"cover":105,"og":106,"expertise":107,"locales":108,"lang":110,"title":112,"description":113,"coverAlt":114,"metaTitle":115,"takeaways":116,"faq":122,"toc":135,"blocks":163,"others":607},"opencode","2026-10-09",8,"agents",[9,10,11,12,13],"AI coding agent","Terminal","Open source","Local models","MCP",[4,15,16,17,18,19,20,21],"opencode review","open source coding agent","opencode vs claude code","terminal coding agent","opencode local models","opencode permissions","opencode mcp",[23,26,29,32],{"name":24,"url":25},"OpenCode","https:\u002F\u002Fopencode.ai",{"name":27,"url":28},"Large language model","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLarge_language_model",{"name":30,"url":31},"Model Context Protocol","https:\u002F\u002Fmodelcontextprotocol.io",{"name":33,"url":34},"Language Server Protocol","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLanguage_Server_Protocol",[36,39,42,45,48,51,54,57,60,63,66,69,72,75,78,81,84,87,90,93,96,99,102],{"title":37,"url":38},"OpenCode docs: intro and installation","https:\u002F\u002Fopencode.ai\u002Fdocs\u002F",{"title":40,"url":41},"OpenCode docs: providers, Models.dev and local models","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fproviders\u002F",{"title":43,"url":44},"OpenCode docs: agents, Build, Plan and subagents","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fagents\u002F",{"title":46,"url":47},"OpenCode docs: permissions and defaults","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fpermissions\u002F",{"title":49,"url":50},"OpenCode docs: MCP servers","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fmcp-servers\u002F",{"title":52,"url":53},"OpenCode docs: LSP servers","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Flsp\u002F",{"title":55,"url":56},"OpenCode docs: server and web interface","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fserver\u002F",{"title":58,"url":59},"OpenCode docs: config and precedence","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fconfig\u002F",{"title":61,"url":62},"OpenCode docs: Zen, pay-as-you-go models","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fzen\u002F",{"title":64,"url":65},"OpenCode docs: Go subscription plans","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fgo\u002F",{"title":67,"url":68},"OpenCode docs: share and data retention","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fshare\u002F",{"title":70,"url":71},"OpenCode docs: enterprise and data handling","https:\u002F\u002Fopencode.ai\u002Fdocs\u002Fenterprise\u002F",{"title":73,"url":74},"GitHub: anomalyco\u002Fopencode, MIT licence and README","https:\u002F\u002Fgithub.com\u002Fanomalyco\u002Fopencode",{"title":76,"url":77},"OpenCode release v1.18.35 (6 October 2026)","https:\u002F\u002Fgithub.com\u002Fanomalyco\u002Fopencode\u002Freleases\u002Ftag\u002Fv1.18.35",{"title":79,"url":80},"Claude Code licence file (LICENSE.md)","https:\u002F\u002Fraw.githubusercontent.com\u002Fanthropics\u002Fclaude-code\u002Fmain\u002FLICENSE.md",{"title":82,"url":83},"Claude pricing: plans and Claude Code access","https:\u002F\u002Fclaude.com\u002Fpricing",{"title":85,"url":86},"Claude Code docs: connect to an LLM gateway","https:\u002F\u002Fcode.claude.com\u002Fdocs\u002Fen\u002Fllm-gateway",{"title":88,"url":89},"OpenAI Codex CLI repository (Apache-2.0)","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex",{"title":91,"url":92},"ChatGPT pricing: Codex included in plans","https:\u002F\u002Flearn.chatgpt.com\u002Fdocs\u002Fpricing",{"title":94,"url":95},"Codex configuration: model providers and config.toml","https:\u002F\u002Flearn.chatgpt.com\u002Fdocs\u002Fconfig-file\u002Fconfig-advanced",{"title":97,"url":98},"Aider website: git integration and LLM support","https:\u002F\u002Faider.chat\u002F",{"title":100,"url":101},"Aider licence file (Apache-2.0)","https:\u002F\u002Fraw.githubusercontent.com\u002FAider-AI\u002Faider\u002Fmain\u002FLICENSE.txt",{"title":103,"url":104},"GDPR, Regulation (EU) 2016\u002F679, Article 28","https:\u002F\u002Feur-lex.europa.eu\u002Flegal-content\u002FEN\u002FTXT\u002FHTML\u002F?uri=CELEX:32016R0679","\u002Fimages\u002Fblog\u002Fopencode\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fopencode\u002Fog.jpg","ai-engineer",[109,110,111],"en","de","hu","OpenCode im Test: der Open-Source-Coding-Agent für jedes Modell","OpenCode ist ein Coding-Agent fürs Terminal unter MIT-Lizenz, für jedes Modell, gehostet oder lokal. Agenten, Berechtigungen, MCP und LSP sowie die Datenschutzfragen.","Eine mittige Kiste, von zwei Seiten gespeist, vier Quadrate innen, darunter eine Waage im Gleichgewicht.","OpenCode im Test: der offene Coding-Agent · Balázs Csorba",[117,118,119,120,121],"OpenCode steht unter der MIT-Lizenz und ist kostenlos installierbar. Bezahlt wird das Modell: über deinen eigenen Anbieterschlüssel, ein lokales Modell oder die optionalen Pläne Zen und Go.","Die Anbieterschicht erreicht über das AI SDK und Models.dev mehr als 75 Anbieter, lokale Modelle laufen über Ollama, LM Studio oder llama.cpp.","Die Agenten Build und Plan trennen Ausführen von Planen. Die meisten Berechtigungen stehen aber auf allow, deshalb musst du eigene Freigaberegeln schreiben, bevor der erste echte Lauf startet.","MCP-Server und LSP-Diagnosen erweitern den Agenten. Jeder MCP-Server belegt Kontext, den du bezahlst, also aktiviere sie nacheinander.","Mit eigenem Anbieter geht der Code direkt von deinem Rechner zu diesem Anbieter. Ausnahme ist \u002Fshare, das einen öffentlichen Link auf opencode.ai veröffentlicht.",[123,126,129,132],{"q":124,"a":125},"Ist OpenCode kostenlos?","Die Software ist unter der MIT-Lizenz kostenlos. Für Tokens zahlst du deinen Modellanbieter, oder du nutzt Zen nach Verbrauch, oder du abonnierst Go für 10 $ im Monat beziehungsweise Go Plus für 40 $ im Monat. Preise Stand Oktober 2026.",{"q":127,"a":128},"Kann OpenCode ohne Cloud-Anbieter laufen?","Ja. Das Anbieterverzeichnis enthält lokale Optionen wie Ollama, LM Studio und llama.cpp. Prompts und Code bleiben auf deinem Rechner, aber Web-Tools und entfernte MCP-Server senden weiterhin Anfragen nach außen, und die Qualität hängt vom Modell ab, das du betreibst.",{"q":130,"a":131},"Speichert OpenCode meinen Code?","Laut der Enterprise-Seite speichert OpenCode keinen Code und keine Kontextdaten. Die Verarbeitung findet lokal oder über direkte API-Aufrufe an deinen KI-Anbieter statt. Die Ausnahme ist \u002Fshare, denn dabei wird die Unterhaltung über opencode.ai veröffentlicht.",{"q":133,"a":134},"Wie vergleicht sich OpenCode mit Claude Code?","OpenCode ist Open Source und anbieterunabhängig. Claude Code unterliegt den kommerziellen Bedingungen von Anthropic, und Anthropic sagt, dass Claude Code über kein Gateway an Nicht-Claude-Modelle geleitet werden kann.",[136,139,142,145,148,151,154,157,160],{"id":137,"title":138},"what-it-is","Was es ist",{"id":140,"title":141},"how-it-works","So funktioniert es",{"id":143,"title":144},"getting-started","Erste Schritte",{"id":146,"title":147},"agents-and-permissions","Agenten und Berechtigungen",{"id":149,"title":150},"providers-and-local-models","Anbieter und lokale Modelle",{"id":152,"title":153},"cost-and-deployment","Kosten und Betrieb",{"id":155,"title":156},"where-it-falls-short","Wo es schwächelt",{"id":158,"title":159},"verdict","Fazit",{"id":161,"title":162},"sources","Quellen",[164,168,171,174,177,202,203,211,217,220,224,235,236,262,264,267,268,271,301,310,311,325,328,329,332,376,379,387,397,398,401,433,434,437,482,511,512],{"type":165,"content":166},"paragraph",[167],"OpenCode ist ein Open-Source-Coding-Agent für das Terminal, dazu gibt es eine Desktop-App und eine IDE-Erweiterung. Das Urteil vorweg: Nimm ihn, wenn du einen Agenten willst, der jedes Modell nutzen kann, das du anbinden kannst, auch ein Modell auf deinem eigenen Rechner, und wenn du bereit bist, seine Berechtigungsregeln selbst zu schreiben. Lass die Finger davon, wenn du ein Modell eines einzelnen Anbieters im Abo willst oder sichere Standardeinstellungen erwartest.",{"type":165,"content":169},[170],"Dieser Test stützt sich auf die offizielle OpenCode-Dokumentation, das GitHub-Repository und das Release v1.18.35, veröffentlicht am 6. Oktober 2026. Ich habe kein Benchmark gefahren. Der Vergleich deckt deshalb Funktionen, Lizenzen und Preise ab, nicht die Qualität der Ergebnisse.",{"type":172,"level":173,"id":137,"text":138},"heading",2,{"type":165,"content":175},[176],"OpenCode ist eine Terminal-Oberfläche, eine Desktop-App und eine IDE-Erweiterung. Der Quellcode liegt unter anomalyco\u002Fopencode auf GitHub, unter der MIT-Lizenz. Das Repository zeigte bei meiner Prüfung am 10. Oktober 2026 rund 212.500 Sterne. Auf der Doku-Seite läuft außerdem ein Banner zu einem Release v2. Die v2-Seite, die ich geöffnet habe, enthielt keine Details. Die konkreten Angaben unten beziehen sich deshalb auf die Linie v1.18.",{"type":178,"ordered":179,"items":180},"list",false,[181,187,192,197],[182,186],{"tag":183,"children":184},"strong",[185],"Installation: ","ein Shell-Skript, npm (opencode-ai), Bun, pnpm oder Yarn, Homebrew über den Tap anomalyco sowie Pakete für AUR und Nix.",[188,191],{"tag":183,"children":189},[190],"Modelle: ","mehr als 75 Anbieter über das AI SDK und Models.dev, dazu jeder OpenAI-kompatible Endpunkt, den du einträgst.",[193,196],{"tag":183,"children":194},[195],"Clients: ","das Terminal-UI, die Desktop-App, IDE-Erweiterungen, eine Browser-Oberfläche über opencode web und ACP-kompatible Editoren wie Zed und JetBrains-IDEs.",[198,201],{"tag":183,"children":199},[200],"Projektregeln: ","Eine Datei AGENTS.md, die der Befehl \u002Finit anlegt oder aktualisiert, landet im Kontext des Modells.",{"type":172,"level":173,"id":140,"text":141},{"type":165,"content":204},[205,206,210],"Die Doku beschreibt eine Aufteilung in Client und Server. Der Befehl",{"tag":207,"children":208},"code",[209],"opencode serve"," startet einen HTTP-Server ohne Oberfläche mit einem OpenAPI-Endpunkt, den jeder OpenCode-Client nutzen kann, sodass Oberfläche und Agent in getrennten Prozessen laufen können. Jeder Tool-Aufruf wird vor der Ausführung gegen die Berechtigungsregeln geprüft.",{"type":212,"src":213,"alt":214,"wide":215,"caption":216},"image","\u002Fimages\u002Fblog\u002Fopencode\u002Fdiagram-7.webp","Wie eine OpenCode-Anfrage fließt Clients wie das Terminal-UI, die Desktop-App oder eine IDE senden Anfragen über HTTP an einen lokalen opencode-Server. Die Agenten-Schleife läuft im Modus Build oder Plan. Vor jedem Tool-Aufruf erlaubt, fragt oder sperrt das Berechtigungs-Gate die Aktion. Werkzeuge bearbeiten Dateien, führen Shell-Befehle aus, nutzen Sprachserver und rufen MCP-Server auf. Der Modellaufruf geht an den Anbieter, den du konfigurierst, also an eine gehostete API oder ein lokales Modell.",true,"Clients sprechen mit einem lokalen Server. Das Berechtigungs-Gate prüft jeden Tool-Aufruf, das Modell ist der Anbieter, den du konfigurierst.",{"type":165,"content":218},[219],"Werkzeuge erledigen die eigentliche Arbeit. Eingebaute Werkzeuge lesen, schreiben und patchen Dateien, führen Shell-Befehle aus und rufen Webseiten ab, und jedes hat einen eigenen Berechtigungsschlüssel. Die Sprachserver-Schicht gibt Diagnosen aus den Sprachservern des Projekts an den Agenten zurück, die die Doku als Rückmeldung für den Agenten beschreibt.",{"type":172,"level":221,"id":222,"text":223},3,"mcp-and-lsp","MCP und LSP",{"type":165,"content":225},[226,227,230,231,234],"MCP-Server stehen unter dem Schlüssel ",{"tag":207,"children":228},[229],"mcp",". Ein lokaler Server ist ein Befehl, den OpenCode startet. Ein entfernter Server ist eine URL, mit optionalen Headern, einem OAuth-Block und einem Timeout, das zum Abrufen seiner Werkzeugliste standardmäßig 5 Sekunden beträgt. Die Doku warnt, dass jeder MCP-Server den Kontext vergrößert, für den du bezahlst, und dass einzelne Server wie der GitHub-MCP-Server das Kontextlimit schon allein sprengen können. LSP funktioniert anders. OpenCode bringt Konfigurationen für mehr als 30 Sprachserver mit, von TypeScript, Rust und Python (pyright) bis Go (gopls) und Terraform. Mit ",{"tag":207,"children":232},[233],"lsp"," auf true werden alle aktiviert. Manche installieren sich selbst, bei anderen muss die Toolchain im Pfad liegen.",{"type":172,"level":173,"id":143,"text":144},{"type":165,"content":237},[238,239,242,243,245,246,249,250,253,254,257,258,261],"Installiere mit dem Shell-Skript oder mit ",{"tag":207,"children":240},[241],"npm install -g opencode-ai"," und starte danach ",{"tag":207,"children":244},[4]," im Projektordner. Im TUI fügt ",{"tag":207,"children":247},[248],"\u002Fconnect"," die Schlüssel der Anbieter hinzu, und ",{"tag":207,"children":251},[252],"\u002Finit"," schreibt die Datei AGENTS.md. Die folgende Konfiguration verweist auf ein Modell, das LM Studio auf demselben Rechner bereitstellt, setzt die Standardberechtigung auf ask und schaltet das Teilen aus. Lege sie als ",{"tag":207,"children":255},[256],"opencode.json"," im Projektwurzelverzeichnis ab oder unter ",{"tag":207,"children":259},[260],"~\u002F.config\u002Fopencode\u002Fopencode.json"," für alle Projekte.",{"type":207,"code":263},"{\n  \"$schema\": \"https:\u002F\u002Fopencode.ai\u002Fconfig.json\",\n  \"model\": \"lmstudio\u002Fgoogle\u002Fgemma-3n-e4b\",\n  \"provider\": {\n    \"lmstudio\": {\n      \"npm\": \"@ai-sdk\u002Fopenai-compatible\",\n      \"name\": \"LM Studio (local)\",\n      \"options\": { \"baseURL\": \"http:\u002F\u002F127.0.0.1:1234\u002Fv1\" },\n      \"models\": { \"google\u002Fgemma-3n-e4b\": { \"name\": \"Gemma 3n-e4b (local)\" } }\n    }\n  },\n  \"permission\": { \"*\": \"ask\", \"bash\": \"ask\" },\n  \"share\": \"disabled\"\n}",{"type":165,"content":265},[266],"Ein lokales Modell hält Prompts auf deinem Rechner, aber die Qualität des Ergebnisses hängt am Modell und nicht am Agenten. Lass die ersten Aufgaben auf einem Testbranch laufen und lies jeden Diff, bevor du ihn übernimmst.",{"type":172,"level":173,"id":146,"text":147},{"type":165,"content":269},[270],"Zwei Primär-Agenten erledigen die Hauptarbeit. Build ist der Standard mit allen aktivierten Werkzeugen und passt zur Entwicklung. Plan ist auf Analyse und Review beschränkt, und laut Doku ändert er keinen Code. Mit Tab wechselst du zwischen beiden. Außerdem gibt es drei eingebaute Subagenten. Explore ist ein schneller, nur lesender Agent zum Finden von Dateien und zum Beantworten von Fragen zum Code, Scout ist ebenfalls nur lesend und recherchiert externe Dokumentation und den Quellcode von Abhängigkeiten, und General ist der dritte. Jeden Subagenten kannst du per @-Erwähnung aufrufen.",{"type":165,"content":272},[273,274,277,278,281,282,281,285,288,289,292,293,296,297,300],"Die Berechtigungen sind der Teil, in den du deine erste Stunde investieren solltest. Jeder Schlüssel akzeptiert allow, ask oder deny, und die Objektform kann auf die Eingabe des Werkzeugs passen. Am wichtigsten sind ",{"tag":207,"children":275},[276],"edit"," (das write, edit und apply_patch umfasst), ",{"tag":207,"children":279},[280],"bash",", ",{"tag":207,"children":283},[284],"webfetch",{"tag":207,"children":286},[287],"external_directory"," und ",{"tag":207,"children":290},[291],"doom_loop",". Ein Schlüssel ",{"tag":207,"children":294},[295],"*"," setzt den Standard für alles andere, und explizite deny-Regeln gelten auch unter ",{"tag":207,"children":298},[299],"--auto",".",{"type":302,"variant":303,"title":304,"body":305},"callout","warn","Die Standardwerte sind großzügig",[306,308],[307],"Die meisten Berechtigungen starten auf allow. Die Doku setzt doom_loop und external_directory auf ask und sperrt .env-Dateien, aber bash und edit laufen ohne Rückfrage, solange du das nicht änderst.",[309],"Das Flag --auto genehmigt jede Anfrage, die nicht ausdrücklich gesperrt ist. Behandle es als Einstellung für eine Wegwerf-Sandbox, nicht für einen Laptop mit Produktionszugängen.",{"type":172,"level":173,"id":149,"text":150},{"type":165,"content":312},[313,314,316,317,320,321,324],"Das ist der wichtigste Grund, OpenCode zu wählen. Es nutzt das AI SDK und den Katalog von Models.dev, um mehr als 75 Anbieter abzudecken. ",{"tag":207,"children":315},[248]," speichert die Schlüssel, die du hinzufügst, und die Option ",{"tag":207,"children":318},[319],"baseURL"," richtet jeden Anbieter auf einen Proxy oder einen privaten Endpunkt. Das Anbieterverzeichnis listet lokale Optionen wie Ollama, LM Studio und llama.cpp auf, und jeder andere OpenAI-kompatible Server lässt sich mit dem Paket ",{"tag":207,"children":322},[323],"@ai-sdk\u002Fopenai-compatible"," einbinden.",{"type":165,"content":326},[327],"Anbieterunabhängig heißt nicht gleich gut. Der Agent ist nur so verlässlich wie das Modell dahinter, besonders bei Tool-Aufrufen in einem großen Repository. Hinterlege ein zweites Modell, damit du wechseln kannst, wenn eines hakt, und vergleiche die Diffs beider Modelle bei derselben Aufgabe, bevor du dich festlegst.",{"type":172,"level":173,"id":152,"text":153},{"type":165,"content":330},[331],"Die Software kostet nichts. Bezahlt wird das Modell, und der Preis hängt davon ab, wo es läuft. Stand Oktober 2026 gibt es diese veröffentlichten Optionen:",{"type":333,"head":334,"rows":341},"table",[335,337,339],[336],"Option",[338],"Preis",[340],"Was enthalten ist",[342,348,355,362,369],[343,344,346],[24],[345],"kostenlos, MIT",[347],"Installieren und laufen lassen; den Modellanbieter bezahlst du direkt",[349,351,353],[350],"Zen",[352],"nach Verbrauch, pro 1 Mio. Tokens",[354],"Getestete Modelle, gehostet in den USA und der EU; Zero Retention außer bei einigen kostenlosen Modellen",[356,358,360],[357],"Go",[359],"10 $ im Monat",[361],"Offene Coding-Modelle mit monatlichen Dollar-Limits",[363,365,367],[364],"Go Plus",[366],"40 $ im Monat",[368],"Höhere monatliche Limits zu denselben Token-Preisen wie Go",[370,372,374],[371],"Enterprise",[373],"pro Platz, auf Anfrage",[375],"Zentrale Konfiguration, SSO und dein eigenes LLM-Gateway ohne Token-Abrechnung",{"type":165,"content":377},[378],"Selbst hosten heißt hier, das Modell auf deiner Seite zu betreiben, denn der Agent läuft ohnehin auf deinem Rechner. Die Datenschutzfrage lautet, wer deinen Code verarbeitet. Die Enterprise-Seite von OpenCode sagt, dass OpenCode keinen Code und keine Kontextdaten speichert und dass die gesamte Verarbeitung lokal oder über direkte API-Aufrufe an deinen KI-Anbieter erfolgt. Den Vertrag brauchst du also mit dem Anbieter.",{"type":165,"content":380},[381,382,300],"Nach Artikel 28 Absatz 3 DSGVO muss die Verarbeitung durch einen Auftragsverarbeiter durch einen Vertrag geregelt sein, der den Auftragsverarbeiter bindet. Wenn deine Repositories oder Testdaten personenbezogene Daten enthalten, hol dir diesen Vertrag, den Verarbeitungsort und die Aufbewahrungsfristen schriftlich von dem Anbieter, den du anbindest. Zens veröffentlichte Richtlinie ist ein brauchbarer Maßstab: Die Modelle werden in den USA und der EU gehostet, die Anbieter halten Zero Retention ein und trainieren nicht mit deinen Daten, mit benannten Ausnahmen für kostenlose Modelle während ihrer kostenlosen Phase. Die weitere Checkliste zur Datenresidenz steht im ",{"tag":383,"to":384,"children":385},"link","\u002Fblog\u002Fgdpr-llm-api-eu-data-residency",[386],"Artikel zu DSGVO und Datenresidenz bei LLM-APIs",{"type":302,"variant":388,"title":389,"body":390},"note","Drei Stellen, an denen Daten deinen Rechner verlassen können",[391,393,395],[392],"Der Modellaufruf selbst, außer das Modell läuft auf deinem Rechner.",[394],"Der Befehl \u002Fshare, der eine Unterhaltung als öffentlichen Link über das CDN von opencode.ai veröffentlicht. Der Standard ist manuell, und \u002Funshare löscht die Daten.",[396],"Web-Abruf- und Websuche-Werkzeuge sowie jeder entfernte MCP-Server, die Anfragen außerhalb des Modellaufrufs senden.",{"type":172,"level":173,"id":155,"text":156},{"type":165,"content":399},[400],"Die meisten Schwächen liegen in den Standardwerten und im laufenden Unterhalt, nicht in fehlenden Funktionen.",{"type":178,"ordered":179,"items":402},[403,408,413,418,423,428],[404,407],{"tag":183,"children":405},[406],"Großzügige Standardwerte. ","Die meisten Berechtigungen starten auf allow, und --auto entfernt die Rückfragen ganz. Das sichere Setup ist deshalb eines, das du selbst schreibst und testest.",[409,412],{"tag":183,"children":410},[411],"Kontextkosten durch MCP. ","Jeder aktivierte Server vergrößert den Kontext. Aktiviere jeweils einen Server und miss, was er kostet, bevor du den nächsten dazunimmst.",[414,417],{"tag":183,"children":415},[416],"Die Konfiguration verschiebt sich. ","Das alte Feld tools wurde in v1.1.1 in permission zusammengeführt, und der alte Schlüssel funktioniert weiterhin. Prüfe Beispiele gegen die Version, die du einsetzt.",[419,422],{"tag":183,"children":420},[421],"Geteilte Unterhaltungen sind öffentlich. ","Jeder mit dem Link kann eine geteilte Unterhaltung lesen, bis jemand sie wieder zurückzieht.",[424,427],{"tag":183,"children":425},[426],"Team-Steuerung gibt es nur auf Anfrage. ","Zentrale Konfiguration, SSO und erzwungene Gateways sind Enterprise-Funktionen mit Preis pro Platz.",[429,432],{"tag":183,"children":430},[431],"Eine Versionsfrage. ","Die Doku verweist auf ein Release v2. Fixiere die Version, die dein Team testet, und teste nach jedem Upgrade neu.",{"type":172,"level":173,"id":158,"text":159},{"type":165,"content":435},[436],"OpenCode ist die offene Option für Teams, die die Modellwahl offen halten müssen. Nimm es, wenn du einen Agenten unter MIT-Lizenz willst, wenn Code nur an einen Anbieter gehen soll, mit dem du einen Vertrag hast, oder wenn lokale Modelle Teil des Plans sind. Lass es, wenn du sicheres Verhalten ohne eigene Regeln willst oder wenn ein einzelnes Anbieter-Modell Pflicht ist.",{"type":333,"head":438,"rows":447},[439,441,443,445],[440],"Werkzeug",[442],"Lizenz",[444],"Modelle",[446],"Preis, Stand Oktober 2026",[448,456,465,474],[449,450,452,454],[24],[451],"MIT",[453],"75+ Anbieter und lokale Modelle",[455],"Software kostenlos; den Anbieter bezahlst du, oder Zen und Go",[457,459,461,463],[458],"Claude Code",[460],"kommerzielle Bedingungen von Anthropic",[462],"Claude-Modelle; keine Nicht-Claude-Modelle über Gateways",[464],"Pro 17 $ im Monat bei Jahresabo, 20 $ monatlich; Max ab 100 $",[466,468,470,472],[467],"Codex CLI",[469],"Apache-2.0",[471],"OpenAI-Modelle, plus eigene Anbieter in config.toml",[473],"In ChatGPT-Tarifen enthalten, von Free bis Enterprise",[475,477,478,480],[476],"Aider",[469],[479],"Fast jedes LLM, auch lokale Modelle",[481],"Software kostenlos; den Anbieter bezahlst du",{"type":178,"ordered":215,"items":483},[484,493,502],[485,488,489,300],{"tag":183,"children":486},[487],"Claude Code ","wenn du schon mit Claude-Modellen arbeitest und dafür die kommerzielle Lizenz für den Agenten von Anthropic akzeptierst. Der Test steht unter ",{"tag":383,"to":490,"children":491},"\u002Fblog\u002Fclaude-code",[492],"Claude-Code-Test",[494,497,498,300],{"tag":183,"children":495},[496],"Codex CLI ","wenn dein Team bereits ChatGPT-Tarife hat und einen Agenten unter Apache-2.0 will. Der Test steht unter ",{"tag":383,"to":499,"children":500},"\u002Fblog\u002Fopenai-codex-cli",[501],"Codex-CLI-Test",[503,506,507,300],{"tag":183,"children":504},[505],"Aider ","wenn du ein kleineres, git-orientiertes Werkzeug willst, das jede Änderung mit einer sinnvollen Commit-Nachricht festhält und fast jedes Modell erreicht. Der Test steht unter ",{"tag":383,"to":508,"children":509},"\u002Fblog\u002Faider",[510],"Aider-Test",{"type":172,"level":173,"id":161,"text":162},{"type":178,"ordered":179,"items":513},[514,519,523,527,531,535,539,543,547,551,555,559,563,567,571,575,579,583,587,591,595,599,603],[515],{"tag":516,"href":38,"children":517},"a",[518],"OpenCode-Doku: Einstieg und Installation",[520],{"tag":516,"href":41,"children":521},[522],"OpenCode-Doku: Anbieter, Models.dev und lokale Modelle",[524],{"tag":516,"href":44,"children":525},[526],"OpenCode-Doku: Agenten, Build, Plan und Subagenten",[528],{"tag":516,"href":47,"children":529},[530],"OpenCode-Doku: Berechtigungen und Standardwerte",[532],{"tag":516,"href":50,"children":533},[534],"OpenCode-Doku: MCP-Server",[536],{"tag":516,"href":53,"children":537},[538],"OpenCode-Doku: LSP-Server",[540],{"tag":516,"href":56,"children":541},[542],"OpenCode-Doku: Server und Weboberfläche",[544],{"tag":516,"href":59,"children":545},[546],"OpenCode-Doku: Konfiguration und Rangfolge",[548],{"tag":516,"href":62,"children":549},[550],"OpenCode-Doku: Zen, Modelle nach Verbrauch",[552],{"tag":516,"href":65,"children":553},[554],"OpenCode-Doku: Go-Abos",[556],{"tag":516,"href":68,"children":557},[558],"OpenCode-Doku: Teilen und Datenaufbewahrung",[560],{"tag":516,"href":71,"children":561},[562],"OpenCode-Doku: Enterprise und Datenverarbeitung",[564],{"tag":516,"href":74,"children":565},[566],"GitHub: anomalyco\u002Fopencode, MIT-Lizenz und README",[568],{"tag":516,"href":77,"children":569},[570],"OpenCode-Release v1.18.35 (6. Oktober 2026)",[572],{"tag":516,"href":80,"children":573},[574],"Lizenzdatei von Claude Code (LICENSE.md)",[576],{"tag":516,"href":83,"children":577},[578],"Claude-Preise: Tarife und Zugang zu Claude Code",[580],{"tag":516,"href":86,"children":581},[582],"Claude-Code-Doku: Anbindung an ein LLM-Gateway",[584],{"tag":516,"href":89,"children":585},[586],"OpenAI Codex CLI, Repository (Apache-2.0)",[588],{"tag":516,"href":92,"children":589},[590],"ChatGPT-Preise: Codex in den Tarifen enthalten",[592],{"tag":516,"href":95,"children":593},[594],"Codex-Konfiguration: Modellanbieter und config.toml",[596],{"tag":516,"href":98,"children":597},[598],"Aider-Website: Git-Integration und LLM-Unterstützung",[600],{"tag":516,"href":101,"children":601},[602],"Lizenzdatei von Aider (Apache-2.0)",[604],{"tag":516,"href":104,"children":605},[606],"DSGVO, Verordnung (EU) 2016\u002F679, Artikel 28",[608,665,738,808],{"slug":609,"published":610,"minutes":611,"category":7,"tags":612,"keywords":617,"about":628,"sources":637,"cover":659,"og":660,"expertise":107,"locales":661,"lang":110,"title":662,"description":663,"coverAlt":664},"agent-tool-design-descriptions-errors","2026-10-17",11,[613,614,615,13,616],"AI agents","Tool use","Function calling","Agent design",[618,619,620,621,622,623,624,625,626,627],"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",[629,632,634],{"name":630,"url":631},"Intelligent agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FIntelligent_agent",{"name":30,"url":633},"https:\u002F\u002Fmodelcontextprotocol.io\u002F",{"name":635,"url":636},"Poka-yoke","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FPoka-yoke",[638,641,644,647,650,653,656],{"title":639,"url":640},"Anthropic Engineering: Writing effective tools for agents, with agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fwriting-tools-for-agents",{"title":642,"url":643},"Anthropic Engineering: Building effective agents (Dec 2024)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilding-effective-agents",{"title":645,"url":646},"Claude Platform Docs: Define tools","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fdefine-tools",{"title":648,"url":649},"Claude Platform Docs: Handle tool calls","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fhandle-tool-calls",{"title":651,"url":652},"Claude Platform Docs: Tool search tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Ftool-search-tool",{"title":654,"url":655},"Model Context Protocol specification 2025-11-25: Tools","https:\u002F\u002Fmodelcontextprotocol.io\u002Fspecification\u002F2025-11-25\u002Fserver\u002Ftools",{"title":657,"url":658},"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",[109,110,111],"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":666,"published":610,"minutes":611,"category":7,"tags":667,"keywords":673,"about":686,"sources":696,"cover":732,"og":733,"expertise":107,"locales":734,"lang":110,"title":735,"description":736,"coverAlt":737},"coding-agents-legacy-codebase-migration",[668,669,670,671,672],"Legacy migration","Coding agents","Strangler fig","Testing","Code review",[674,675,676,677,678,679,680,681,682,683,684,685],"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",[687,690,693],{"name":688,"url":689},"Legacy code","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLegacy_code",{"name":691,"url":692},"Characterization test","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCharacterization_test",{"name":694,"url":695},"Strangler fig pattern","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FStrangler_fig_pattern",[697,700,702,705,708,711,714,717,720,723,726,729],{"title":698,"url":699},"Martin Fowler: Strangler Fig (2024)","https:\u002F\u002Fmartinfowler.com\u002Fbliki\u002FStranglerFigApplication.html",{"title":701,"url":692},"Wikipedia: Characterization test",{"title":703,"url":704},"Google Research: Accelerating code migrations with AI (2024)","https:\u002F\u002Fresearch.google\u002Fblog\u002Faccelerating-code-migrations-with-ai\u002F",{"title":706,"url":707},"Ziftci et al.: Migrating Code At Scale With LLMs At Google (arXiv 2504.09691)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.09691",{"title":709,"url":710},"Anthropic: Effective harnesses for long-running agents (2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents",{"title":712,"url":713},"Anthropic: Redesigning source control at Anthropic (2026)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fredesigning-source-control",{"title":715,"url":716},"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":718,"url":719},"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":721,"url":722},"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":724,"url":725},"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":727,"url":728},"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":730,"url":731},"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",[109,110,111],"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":739,"published":610,"minutes":740,"category":7,"tags":741,"keywords":745,"about":757,"sources":767,"cover":802,"og":803,"expertise":107,"locales":804,"lang":110,"title":805,"description":806,"coverAlt":807},"background-agents-async-pr-workflow",12,[669,742,743,672,744],"Pull requests","CI","Automation",[746,747,748,749,750,751,752,753,754,755,756],"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",[758,761,764],{"name":759,"url":760},"Software agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FSoftware_agent",{"name":762,"url":763},"Pull request","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FDistributed_version_control",{"name":765,"url":766},"Continuous integration","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FContinuous_integration",[768,769,772,775,778,781,784,787,790,793,796,799],{"title":730,"url":731},{"title":770,"url":771},"GitHub Docs: Risks and mitigations for Copilot cloud agent","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Frisks-and-mitigations",{"title":773,"url":774},"OpenAI Developers: Codex cloud environments","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fcloud\u002Fenvironments",{"title":776,"url":777},"Anthropic: Use Claude Code in the cloud","https:\u002F\u002Fcode.claude.com\u002Fdocs\u002Fen\u002Fclaude-code-on-the-web",{"title":779,"url":780},"Google Jules: Limits and plans","https:\u002F\u002Fjules.google\u002Fdocs\u002Fusage-limits\u002F",{"title":782,"url":783},"Google Jules: Getting started","https:\u002F\u002Fjules.google\u002Fdocs\u002F",{"title":785,"url":786},"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":788,"url":789},"GitHub Docs: Models and pricing for GitHub Copilot","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Freference\u002Fcopilot-billing\u002Fmodels-and-pricing",{"title":791,"url":792},"OpenAI Developers: Codex pricing","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fpricing",{"title":794,"url":795},"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":797,"url":798},"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":800,"url":801},"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",[109,110,111],"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":809,"published":810,"minutes":811,"category":7,"tags":812,"keywords":818,"about":830,"sources":838,"cover":871,"og":872,"expertise":107,"locales":873,"lang":110,"title":874,"description":875,"coverAlt":876},"context-rot-compaction-long-running-agents","2026-10-16",10,[813,814,815,816,817],"Context rot","Compaction","Context engineering","Long-running agents","Agent memory",[819,820,821,822,823,824,825,826,827,828,829],"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",[831,834,837],{"name":832,"url":833},"Context window","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLarge_language_model#Context_window",{"name":835,"url":836},"Attention (machine learning)","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FAttention_(machine_learning)",{"name":630,"url":631},[839,842,845,848,851,853,856,859,862,865,868],{"title":840,"url":841},"Chroma: Context Rot: How Increasing Input Tokens Impacts LLM Performance (Jul 2025)","https:\u002F\u002Fresearch.trychroma.com\u002Fcontext-rot",{"title":843,"url":844},"Liu et al.: Lost in the Middle: How Language Models Use Long Contexts (2023)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172",{"title":846,"url":847},"Modarressi et al.: NoLiMa: Long-Context Evaluation Beyond Literal Matching (2025)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05167",{"title":849,"url":850},"Anthropic: Effective context engineering for AI agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents",{"title":852,"url":710},"Anthropic: Effective harnesses for long-running agents (Nov 2025)",{"title":854,"url":855},"Claude API docs: Compaction at a token threshold","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-threshold",{"title":857,"url":858},"Claude API docs: Compaction on demand","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-on-demand",{"title":860,"url":861},"Claude API docs: Context editing","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcontext-editing",{"title":863,"url":864},"Claude API docs: Memory tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fmemory-tool",{"title":866,"url":867},"OpenAI API docs: Compaction","https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fcompaction",{"title":869,"url":870},"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",[109,110,111],"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.",1792261157156]