Kurzfassung: Wenn KI-Agenten Code schreiben und ausführen, anstatt direkte MCP-Tool-Calls durchzuführen, sinkt der Token-Verbrauch um bis zu 77 % – bei gleichbleibender Aufgabenerfolgsrate. Anthropic, Cloudflare und die Open-Source-Community konvergieren unabhängig voneinander auf dasselbe Muster.
Warum KI-Agenten Code schreiben sollten statt Tools aufzurufen – und wie das Ökosystem beide Seiten des Problems gleichzeitig löst.
Im KI-Agenten-Bereich vollzieht sich gerade ein stiller Architekturwandel, der keinen einzigen Ursprung hat.
Im November 2025 veröffentlichte Anthropic einen technischen Beitrag darüber, wie KI-Agenten ihren Token-Verbrauch drastisch senken können, indem sie ausführbaren Code schreiben statt direkte Tool-Calls durchzuführen. Wenige Wochen später launche Cloudflare „Code Mode“ – eine produktionsreife Implementierung derselben Idee, eingebaut in ihr Agents SDK. Diese Konvergenz verdient Aufmerksamkeit.
Was ist MCP und warum ist es für KI-Agenten-Architektur wichtig?
Das Model Context Protocol (MCP) ist ein von Anthropic eingeführter offener Standard, der KI-Agenten ermöglicht, über eine einheitliche Schnittstelle auf externe Tools, Datenbanken, APIs und Dienste zuzugreifen. Oft als „USB-C für KI-Agenten“ bezeichnet, wurde MCP bis Anfang 2026 zur Infrastruktur.
Doch als Teams skalierten – mehr Tools, komplexere Workflows, größere Datensätze – tauchten versteckte Kosten auf. Und das Problem lag nicht am Protokoll selbst.
Die zwei Probleme mit direktem MCP-Tool-Calling
Problem 1: Tool-Definitionen verbrauchen das gesamte Kontextfenster
Wenn ein Agent eine Sitzung startet, werden alle Tool-Definitionen in das Kontextfenster des Modells geladen. Jede Definition enthält Name, Beschreibung und Parameterschema – typischerweise 300–600 Token pro Tool.
Die Rechnung eskaliert schnell:
- 20 Tools: ~10.000 Token verbraucht, bevor der Agent die erste Anfrage liest
- 50 Tools: ~25.000 Token weg
- 50 MCP-Server × 20 Tools je: 150.000 Token – nur für Definitionen
Bei dieser Größenordnung verbrennt man den größten Teil eines Kontextfensters mit einer Lookup-Tabelle, bevor der Agent überhaupt etwas getan hat.
Problem 2: Zwischenergebnisse laufen bei jedem Schritt durch das Modell
Ein einfacher Workflow: Meeting-Notizen aus Google Drive laden, Action Items extrahieren, Tasks in Asana anlegen. Ohne Code-Ausführung:
- Agent ruft gdrive.getDocument auf → 15.000 Token fließen in den Kontext
- Modell verarbeitet und extrahiert Action Items → noch im Kontext
- Agent ruft asana.createTask mehrfach auf → jede Antwort fließt in den Kontext
- Ergebnis: 40.000+ Token verbrannt für einen simplen Daten-Pipeline-Job
Das Modell fungiert als Relay – es nimmt jedes Datenstück auf, nur um es zum nächsten Schritt weiterzuleiten. Jeder Roundtrip addiert Latenz. Bei Agenten mit Dutzenden von Tool-Calls in einer Pipeline summiert sich das schnell.
Die Lösung: KI-Agenten sollten Code schreiben und ausführen statt Tools direkt aufzurufen
Die Erkenntnis ist fast peinlich einfach: LLMs sind extrem gut darin, Code zu schreiben. Sie sind mittelmäßig im Tool-Calling.
Der Grund liegt in den Trainingsdaten. LLMs wurden auf Milliarden von Zeilen realem Code trainiert. Tool-Calling hingegen basiert auf einem vergleichsweise kleinen Satz synthetischer Beispiele, die eigens dafür erstellt wurden.
So funktioniert MCP Code-Ausführung:
- MCP-Tool-Schemas in TypeScript- (oder Python-)Schnittstellendefinitionen umwandeln
- Dem Agenten ein einzelnes „Code ausführen“-Tool übergeben
- Der Agent schreibt TypeScript, das die API aufruft; eine Sandbox-Runtime führt es aus
- Nur die finale Ausgabe kehrt in den Modellkontext zurück
Code execution approach: the agent writes this instead:
That’s a 99%+ reduction for this workflow. The agent also handles the filtering, parallel API calls, and error handling entirely in code, no round-trips needed.
AIMultiple ran an independent benchmark, 50 runs per approach, GPT-4.1, identical tasks:
Zwischendaten – die Tabelle, das Dokument, die API-Antwort – fließen nie durch das Modell. Sie verbleiben in der Ausführungsumgebung, werden per Code verarbeitet, und das Modell sieht nur, was es explizit zurückgegeben haben wollte.
77.4% total token reduction. Same success rate. +7% latency, easily offset by the cost savings at any meaningful usage volume.
MCP Code-Ausführung vs. direktes Tool-Calling: Benchmark-Ergebnisse
AIMuliple führte einen unabhängigen Benchmark durch – 50 Durchläufe pro Ansatz, GPT-4.1, identische Aufgaben:
| Metrik | Direktes Tool-Calling | Code-Ausführung |
| Token-Verbrauch | Baseline | −77,4 % |
| Aufgabenerfolgsrate | Gleich | Gleich |
| Latenz | Baseline | +7 % |
77,4 % weniger Token. Gleiche Erfolgsrate. +7 % Latenz – bei jedem nennenswerten Nutzungsvolumen durch die Kosteneinsparungen mehr als ausgeglichen.
Anthropics interne Evaluierungen zeigen, dass die MCP-Tool-Genauigkeit mit programmatischem Calling von 49 % auf 74 % bei Opus 4 und von 79,5 % auf 88,1 % bei Opus 4.5 steigt.
Welche Tools und Plattformen unterstützen MCP Code-Ausführung bereits?
Das Muster ist nicht die Idee eines einzelnen Unternehmens. Hier sind die bereits produktiven Implementierungen:
Anthropic hat das grundlegende Muster veröffentlicht und liefert es nativ als Programmatic Tool Calling und ein begleitendes Tool Search Tool – verwaltete API-Features, die Sandboxing und Orchestrierung übernehmen, ohne die Implementierung dem Nutzer zu überlassen.
Cloudflare Code Mode konvertiert MCP-Schemas automatisch in TypeScript-Interfaces und führt sie in V8-Isolates über die Worker Loader API aus. Neue Isolates starten in Millisekunden – keine Container, kein Vorwärmen. API-Schlüssel erreichen den generierten Code nie; der Agent greift über vorautorisierte Bindings auf MCP-Server zu.
context-mode (Elastic License 2.0) löst dasselbe Problem von der anderen Seite. Wo Cloudflare komprimiert, was hineingeht, komprimiert context-mode, was herauskommt. Unterstützt Claude Code, Gemini CLI, VS Code Copilot, Cursor und andere.
Zapcode (MIT) nutzt einen TypeScript-Interpreter in Rust, der in 2 µs startet (vs. 200–500 ms für Docker), unterstützt das Einfrieren des VM-Zustands als Bytes für spätere Wiederaufnahme und integriert sich direkt in die Anthropic-, OpenAI- und Vercel-AI-SDKs.
Wann MCP Code-Ausführung, wann direktes Tool-Calling verwenden?
Das ist keine „immer Code-Ausführung verwenden“-Empfehlung. Die Tradeoffs sind real.
MCP Code-Ausführung empfiehlt sich, wenn:
- Der Agent auf mehr als 10 Tools zugreift
- Workflows große Zwischendaten beinhalten (Dokumente, Tabellen, API-Antworten)
- Mehrstufige Pipelines benötigt werden, bei denen Ergebnisse in weitere Calls fließen
- Datenschutz wichtig ist – sensible Daten sollten in der Ausführungsumgebung bleiben
- Token-Kosten bei Ihrem Nutzungsvolumen eine relevante Größe sind
Direktes MCP-Tool-Calling bleibt sinnvoll, wenn:
- Weniger als 10 Tools, stabil und klein
- Anfragen sind einstufig und unkompliziert
- Betriebliche Einfachheit wichtiger ist als Token-Effizienz
- Die Umgebung keine Ausführung beliebigen Codes erlaubt (Compliance, Airgap etc.)
Ein ehrlicher Vorbehalt: Manche MCP-Server betten steuernde Anweisungen in Tool-Antworten ein, um den nächsten Agentenschritt zu leiten. Code-Ausführung behandelt Tools als reine APIs – diese Anweisungen werden umgangen. Prüfen Sie das, bevor Sie wechseln, wenn Sie auf einem Server aufbauen, der dieses Verhalten nutzt.
Was MCP Code-Ausführung für KI-Agenten-Architektur 2026 bedeutet
MCPs Wert lag nie nur im Tool-Calling. Er lag im Aufbau einer einheitlichen Discovery- und Autorisierungsschicht, über die Agenten auf externe Systeme zugreifen. Dieser Wert verschwindet mit Code-Ausführung nicht – er vertieft sich. Code-Ausführung gibt Agenten einen weit ausdrucksstärkeren Weg, die von MCP bereitgestellten Schnittstellen zu nutzen.
Je mehr Agenten parallel laufen, desto mehr Token-Kosten summieren sich. Code-Ausführung wandelt sich von einer Optimierung zur Notwendigkeit. Erwarten Sie, dass sie innerhalb des nächsten Jahres zum Standard-MCP-Client-Muster wird – mit Output-Komprimierung als Standard-Session-Management-Schicht daneben.
Häufig gestellte Fragen
Was ist MCP Code-Ausführung und wie unterscheidet sie sich von direktem Tool-Calling?
MCP Code-Ausführung ist ein Architekturmuster, bei dem KI-Agenten Code (typischerweise TypeScript oder Python) schreiben und ausführen, um mit externen Tools zu interagieren, anstatt direkte Tool-Calls durchzuführen. Anders als beim direkten Tool-Calling – wo jede Tool-Definition und jedes Zwischenergebnis durch das Kontextfenster des Modells fließt – verbleiben Zwischendaten in einer Sandbox-Runtime. Nur die finale Ausgabe kehrt zum Modell zurück, was den Token-Verbrauch in Benchmarks um bis zu 77 % senkt.
Warum verbrauchen KI-Agenten so viele Token für Tool-Definitionen?
Bei traditionellen MCP-Setups werden alle verfügbaren Tool-Definitionen zu Beginn jeder Sitzung in das Kontextfenster des Modells geladen. Jede Definition kostet 300–600 Token. Ein Agent mit Zugang zu 50 MCP-Servern und je 20 Tools verbraucht allein 150.000 Token für Definitionen – bevor eine einzige Nutzungsanfrage verarbeitet wird.
Reduziert MCP Code-Ausführung die Aufgabengenauigkeit?
Nein. AIMuliples Benchmark (50 Durchläufe pro Ansatz, GPT-4.1) ergab identische Aufgabenerfolgsraten bei 77,4 % weniger Token-Verbrauch zugunsten der Code-Ausführung. Anthropics interne Evaluierungen zeigen, dass die Genauigkeit mit programmatischem Tool-Calling sogar steigt: von 49 % auf 74 % bei Opus 4.
Wie lange dauert der Start einer Code-Ausführungs-Sandbox für MCP?
Das hängt von der Runtime ab. Cloudflares V8-Isolates starten in Millisekunden ohne Vorwärmen. Zapscodes Rust-basierter TypeScript-Interpreter startet in 2 Mikrosekunden. Beide sind auf Request-Ebene nicht wahrnehmbar.
Ist MCP Code-Ausführung produktionsreif?
Ja. Anthropic liefert sie nativ als Programmatic Tool Calling auf der Claude API, AWS und Microsoft Foundry. Cloudflare Code Mode ist in der Produktions-Beta. Zapcode und context-mode sind Open Source und aktiv gepflegt.
Wann sollte ich MCP Code-Ausführung nicht verwenden?
Bei weniger als 10 Tools, einstufigen Anfragen oder Umgebungen, in denen das Ausführen beliebigen Codes untersagt ist (Compliance, Airgap). Prüfen Sie außerdem, ob Ihre MCP-Server steuernde Anweisungen in Tool-Antworten einbetten – diese werden im Code-Ausführungs-Modus umgangen.
Erste Schritte mit MCP Code-Ausführung
- Cloudflare Code Mode: jetzt lokal über Wrangler verfügbar, Produktions-Beta offen für Anmeldung: blog.cloudflare.com/code-mode
- context-mode: output-seitige Komprimierung, Drop-in-MCP-Server für Claude Code u.a.: github.com/mksglu/context-mode
- Zapcode: Open Source, MIT-lizenziert, unterstützt Anthropic / OpenAI / Vercel AI SDK: github.com/TheUncharted/zapcode
- Anthropics Engineering-Beitrag: das originale Pattern-Writeup: anthropic.com/engineering/code-execution-with-mcp
- Anthropic Programmatic Tool Calling: native verwaltete Version auf der Claude API, AWS und Microsoft Foundry: platform.claude.com/docs/en/agents-and-tools/tool-use/programmatic-tool-calling
Wenn Sie eigene Benchmarks auf Ihrem MCP-Agenten durchführen, teilen Sie die Ergebnisse. Dieses Muster wird mit mehr Daten stärker.
Schreibe einen Kommentar