Wenn du den Token-Verbrauch von Claude Code senken willst, ist der Prompt selten der Ansatzpunkt. Das eigentliche Gewicht ist der Basiskontext, der jeder Anfrage hinzugefügt wird, bevor du ein einziges Wort tippst. In langen Konversationen bestimmt er sowohl die Kosten als auch, wie schnell du an Nutzungslimits stößt. Dieser Beitrag erklärt, woher dieser Basiskontext kommt, wie wir ihn gemessen haben und welche Einstellungen ihn um bis zu 61 % senken.
Wohin gehen die Tokens?
Wenn du einem Coding-Agenten schreibst, sieht das Modell mehr als das, was du geschrieben hast. Die Anfrage enthält außerdem:
- Den System-Prompt
- Tool-Definitionen (Bash, Read, Edit, Write, Glob, Grep und weitere)
- Plugins, Hooks und Skills auf Benutzerebene
- Tool-Definitionen verbundener MCP-Server
- Die Instruktionsdateien des Projekts (CLAUDE.md, AGENTS.md; siehe wie du sie kurz hältst)
- Die bisherige Konversation
Die ersten fünf werden in jedem Turn neu gelesen, und die letzte wächst mit der Zeit. Ein kleiner Basiskontext summiert sich in einer Session mit hundert Turns schnell.
Gemessen: wie viel Kontext steckt in der ersten Anfrage?
Wir haben den Kontext gemessen, der bei der ersten Anfrage einer neuen Session ans Modell geht, mit Claude Code 2.1 und Codex 0.155:
| Profil | Claude Code | Codex |
|---|---|---|
| Standard | ≈34,4k | ≈13,3k |
| Balanced | ≈23,7k (−31 %) | — |
| Lean | ≈13,3k (−61 %) | ≈9,7k (−27 %) |
Das Profil Balanced beschränkt die Tools auf Bash, Read, Edit, Write, Glob und Grep. Das Profil Lean lässt zusätzlich Plugins, Hooks, Skills und externe MCP-Server auf Benutzerebene aus. Bei Codex schaltet das Profil Lean Apps und die Websuche ab.
Einstellungen, die nicht geholfen haben
Beim Messen stellten wir fest, dass einige Flags die erste Anfrage für sich allein nicht verkleinerten:
--strict-mcp-config--exclude-dynamic-system-prompt-sections--disable-slash-commands
Claude Code lädt diese Teile ohnehin nur bei Bedarf. Die echten Einsparungen kommen davon, die Tools einzugrenzen und Plugins, Hooks und Skills auf Benutzerebene nicht zu laden.
Zwei Optionen haben wir bewusst weggelassen: --safe-mode schaltet auch die CLAUDE.md des Projekts ab, und --bare funktioniert nur mit einem API-Key. Beide sind für den Alltag zu restriktiv.
So senkst du den Token-Verbrauch von Claude Code, Schritt für Schritt
1. Gib der Aufgabe nur die Tools, die sie braucht
Ein Agent, der Doku aktualisiert oder eine einzelne Datei refaktoriert, braucht keinen Browser, keine Bild-Tools und keine Dutzend MCP-Server. Starte solche Aufgaben mit dem Profil Balanced oder Lean.
2. MCP-Server gezielt anhängen
Jeder MCP-Server fügt seine Tool-Definitionen dem Kontext hinzu. Gib einen Server nur den Agenten, die ihn nutzen, nicht allen. Der MCP-Manager von AgentVera zeigt beim Testen einer Verbindung die ungefähren Token-Kosten jedes Tools, sodass du einen schweren Server erkennst, bevor er jeden Turn aufbläht.
3. Die Kontextgröße im Blick behalten
Was du nicht siehst, kannst du nicht sparen. AgentVera zeigt die aktuelle Kontextgröße jedes Agenten in seinem Bereich, sodass du eine Zahl ansiehst, statt zu raten, wann eine Konversation teuer wurde.
4. Lange Konversationen komprimieren
/compact fasst die bisherige Konversation zusammen und verkleinert jeden Turn danach. Führe es von Hand aus oder setze in AgentVera einen Schwellenwert, damit automatisch komprimiert wird, sobald der Kontext ihn überschreitet.
5. Begrenzen, was zwischen Agenten wandert
Reicht ein Flow die Ausgabe eines Agenten an einen anderen weiter, muss er nicht alles senden. Der Transform-Knoten in Flows kann eine Antwort kürzen, die ersten oder letzten N Zeilen behalten oder nur den letzten Codeblock, damit sich der Kontext des Ziel-Agenten nicht mit Rauschen füllt.
6. Prompts mit einem günstigeren Modell verfeinern
Willst du einen Entwurf vor dem Senden glätten, brauchst du dafür nicht das teure Hauptmodell. Revise von AgentVera führt claude -p --model sonnet aus, mit abgeschalteten Tools und ohne Session-Log. Dateiinhalte werden nicht gesendet; nur der Entwurf, Name und Rolle des Agenten und der Projektname.
Ein Profil wählen
| Arbeit | Empfohlenes Profil | Warum |
|---|---|---|
| Browser-Tests, MCP-lastige Integration | Standard | Braucht den vollen Tool-Satz |
| Alltägliche Feature-Arbeit | Balanced | Die Kern-Tools für Dateien und Shell reichen |
| Doku, kleine Refactorings | Lean | Kleinster Basiskontext, günstigste Turns |
| Lange Recherche-Session | Balanced + /compact bei einem Schwellenwert | Hält das Kontextwachstum in Schach |
Die Zahlen auf deinem eigenen Setup prüfen
Deine Zahlen hängen von deinen Plugins, Skills und MCP-Servern ab. Um deinen eigenen Basiskontext zu sehen, öffne eine neue Session, sende eine kurze Nachricht und sieh dir die Kontextgröße der ersten Anfrage an. Probiere dann dasselbe mit einem schmaleren Profil. Der Unterschied ist das, was du in jedem Turn der Session zahlst.
Den Unterschied über eine Session ausrechnen
Prozente wirken abstrakt, also denk in Sessions. Sagen wir, du führst 40 Turns mit einem Agenten aus. Ohne den Konversationsverlauf wird der Basiskontext in jedem Turn neu gelesen.
| Profil | Basiskontext der ersten Anfrage | Basiskontext allein über 40 Turns |
|---|---|---|
| Standard | ≈34,4k | ≈1,38M |
| Balanced | ≈23,7k | ≈948k |
| Lean | ≈13,3k | ≈532k |
Diese Tabelle zeigt nur den Basiskontext; die echte Nutzung ist höher, sobald Konversationsverlauf, Tool-Ausgaben und die Antworten des Modells hinzukommen. Auch Mechanismen des Anbieters wie Caching können die Abrechnung beeinflussen. Trotzdem macht die Tabelle eines klar: Ein kleinerer Basiskontext macht jeden Turn günstiger, und der Abstand wächst, je länger die Session wird.
Welches Profil für welche Aufgabe?
Das Profil ist keine Einstellung zum Einmal-Setzen. Es hängt von der Rolle des Agenten ab:
- Recherche-Agent: liest viele Dateien und braucht womöglich einen Browser oder Doku-MCPs. Beginne mit dem Profil Standard und automatischem Komprimieren bei einem Schwellenwert.
- Implementierungs-Agent: liest und schreibt meist Dateien und führt Shell-Befehle aus. Balanced reicht.
- Test- oder Doku-Agent: arbeitet in einem engen Bereich. Hier spart Lean am meisten.
Bei parallelen Agenten summieren sich diese Unterschiede. Gibst du jedem Agenten ein zu seiner Rolle passendes Profil, statt allen dreien Standard, hält dasselbe Limit länger.
Automatisches /compact bei einem Schwellenwert einstellen
Manuelles Komprimieren vergisst man leicht. Automatisches Komprimieren ist einfach: Überschreitet der Kontext eines Agenten deinen Schwellenwert, läuft /compact. Beim Wählen des Schwellenwerts gilt:
- Zu niedrig: Der Agent wird oft zusammengefasst und verliert womöglich frühere Details.
- Zu hoch: Das Komprimieren kommt spät, und jeder Turn bis dahin ist teuer.
In der Praxis passt für lange Recherche-Sessions ein früherer Schwellenwert und für kurze Implementierungs-Sessions ein späterer. Da AgentVera die aktuelle Kontextgröße im Bereich zeigt, kannst du den Schwellenwert einstellen, indem du sie beobachtest.
Häufige Fehler
- Jeder MCP für jeden Agenten. Ungenutzte Tool-Definitionen werden in jedem Turn gelesen.
- Nie komprimieren. Eine Session mit hunderten Turns schleppt alte Details mit, die sie nicht mehr braucht.
- Ausgaben unverändert weitergeben. Eine lange Antwort komplett an einen anderen Agenten zu senden, bläht auch dessen Kontext auf.
- Nur den Prompt kürzen. Der Prompt ist meist ein kleiner Teil des Ganzen.
Fazit
Die meisten Token-Einsparungen bei Claude Code kommen vom Basiskontext, der in jedem Turn neu gelesen wird. Die Tools auf die Aufgabe einzugrenzen, MCP-Server gezielt anzuhängen und zum richtigen Zeitpunkt zu komprimieren, erledigt dieselbe Arbeit mit weniger Kontext. Im von uns gemessenen Setup bedeutete das 61 % weniger bei der ersten Anfrage.
Mit AgentVera stellst du Kontextprofile, die Live-Anzeige der Kontextgröße und automatisches /compact pro Agent ein. Details findest du unter Token-Ersparnis und auf der Claude Code Seite, oder starte mit dem kostenlosen Plan. Wie sich das Fenster füllt und wann /compact greift, steht im Leitfaden zum Claude Code Kontextfenster.