Ein Coding-Agent ist ein KI-Agent, dessen Tools Ihr Editor, Ihr Dateisystem und Ihr Terminal sind.
So funktioniert es
Der Agent erhält eine Aufgabe in natürlicher Sprache und arbeitet in einer Schleife. In jedem Durchgang antwortet das Modell entweder oder liefert Tool Calls wie „lies diese Datei“, „wende diese Änderung an“ oder „führe die Tests aus“. Der Tool-Host führt sie aus, hängt die Ausgabe an und ruft das Modell erneut auf.
Die Dokumentation von Claude Code beschreibt es als „an agentic coding tool that reads your codebase, edits files, runs commands, and integrates with your development tools.“ (Übersetzung: „ein agentisches Coding-Tool, das Ihre Codebasis liest, Dateien bearbeitet, Befehle ausführt und sich in Ihre Entwicklungswerkzeuge integriert.“) Aider, Cline und ähnliche Tools folgen derselben Schleife mit anderen Oberflächen und Berechtigungsmodellen.
Das SWE-agent-Paper (Yang et al., 2024) argumentiert, dass Agents eine neue Art von Nutzer sind, die eine eigene Schnittstelle braucht, ein „agent-computer interface“ (Übersetzung: „Agent-Computer-Schnittstelle“), so wie Menschen eine IDE brauchen. Mit ihrer Schnittstelle berichten die Autoren eine pass@1-Rate von 12,5 % auf dem Benchmark SWE-bench, was sie als damaligen Stand der Technik bezeichnen.
Ein typischer Lauf, als Anfragen an das Modell:
| Schritt | Ausgabe des Modells | Als Input gesendete Tokens |
|---|---|---|
| 1 | run_tests() |
System-Prompt + Tools + Aufgabe |
| 2 | read_file("src/parse.py") |
Schritt 1 + Testausgabe |
| 3 | edit_file(...) |
Schritt 2 + Dateiinhalt |
| 4 | run_tests() |
Schritt 3 + Diff |
| 5 | „Behoben; Tests laufen durch.“ | Schritt 4 + Testausgabe |
Der Input wächst mit jedem Schritt, weil der gesamte Verlauf erneut gesendet wird.
Warum es wichtig ist
- Kosten. Lange Aufgaben bedeuten viele Anfragen mit großen, überwiegend wiederholten Inputs. Der Beitrag zu den Kosten eines Laufs rechnet mit echten Zahlen, und Kosten von Coding-Agents senken listet die Hebel auf.
- Kontext. Lange Sessions füllen das Kontextfenster. Agents nutzen Context Compaction und Subagents, um es im Griff zu behalten.
- Passendes Modell. Das Modell muss Tool-Schemas über viele Durchgänge zuverlässig einhalten. Siehe das beste offene Modell für Coding-Agents.
- Sicherheit. Ein Agent, der Befehle ausführt, kann Schaden anrichten. Lassen Sie die Freigabe für destruktive Aktionen eingeschaltet und behandeln Sie Repository-Inhalte als nicht vertrauenswürdigen Input (Prompt Injection).
Bei BroadNet Inference
Coding-Agents, die eine OpenAI-kompatible Base URL akzeptieren, können BroadNet unter https://inference.broadnet.ai/v1 aufrufen. Einrichtungsleitfäden gibt es für Aider, Cline und weitere. Die Dokumentation von BroadNet führt Tool Calling für GLM 5.3 und Qwen3.8 27B auf.
Bei Pay-as-you-go erlaubt ein Key 30 Anfragen pro Minute und 4 gleichzeitig laufende. Die Flatrate-Pläne (Full Moon, Orbit, Meteor) decken DeepSeek V4.1 Flash ohne Token-Zähler ab. Eine Session führt eine Anfrage nach der anderen aus, was zu einem Agent passt. Wenn Sie Agents parallel betreiben oder einen Agent, der Subagents startet, kaufen Sie eine Session für jede gleichzeitig laufende Anfrage. Der Leitfaden zu Sessions zeigt die Rechnung.