Engineering-Notizen
Jeder Beitrag beginnt mit einer praktischen Frage, erklärt die nötigen Fachbegriffe und verlinkt Primärquellen. Wir trennen externe Evidenz, eigene Projekterfahrung und Schlussfolgerungen — und benennen, was sich daraus nicht ableiten lässt.
Systemqualität hängt nicht mehr an der Formulierung des Prompts, sondern am Inhalt des Kontextfensters. Der Artikel definiert Context Engineering Mitte 2025: was ins Fenster gelangt, wie Kompaktierung, Retrieval, Tool-Ergebnisse und Memory-Dateien wirken, warum beworbene Kontextlängen täuschen und wie messbare Token-Budgets Kontext zu einer planbaren Ingenieurgröße machen.
Ein Kunde fragte, warum sein Assistent nicht einfach nachsehen könne. Webzugang beantwortet mehr Fragen und macht jede Antwort auf eine Quelle unzurückführbar, die er kontrolliert — in einer regulierten Branche wiegt das schwerer als die Antwort. Wo wir es doch erlauben, welche zwei Eigenschaften eine Quelle braucht, und was wir tun, wenn das Handbuch wirklich schweigt.
Ein Gedächtnis über Sitzungen ist die meistgewünschte Funktion — und die einzige, mit der ein Nutzer ändern kann, was einem anderen gesagt wird. Dong und Kollegen zeigen, dass sich ein solcher Speicher allein über gewöhnliche Anfragen vergiften lässt, ohne besondere Rechte. Was wir eingrenzen, was nie in den Speicher kommt, und die Prüfung, die aus zwei Tagen zwei Wochen machte.
Seit ihrer Veröffentlichung am 22. Mai 2025 verlängern Claude Opus 4 und Claude Sonnet 4 den nutzbaren Coding-Horizont von Minuten auf Stunden: 72,5 % auf SWE-bench Verified, Extended Thinking mit Tool-Nutzung, Memory-Dateien und ein siebenstündiger autonomer Refactor bei Rakuten. Wir analysieren, was sich für Engineering-Teams ändert — und wo menschliches Review bleiben muss.
Die Genauigkeit stieg ein Jahr lang, und die Eskalationen einer Nutzergruppe bewegten sich nicht — der Assistent antwortete in der Sprache eines Handbuchs für Techniker. Vereinfachung ist keine Prompt-Anweisung; achtlos gemacht streicht sie die Einschränkung, die den Satz wahr machte. Was wir vereinfachen, was nicht, und wie wir gemessen haben, ob es wirkt.
Ein Einkauf fragte nach dem Energieverbrauch eines Assistenten für einen Nachhaltigkeitsbericht, und wir hatten eine Rechnung und keine Antwort. Was sich ehrlich messen lässt, was sich nur mit angegebener Spanne schätzen lässt, und die Entwurfsentscheidung, die daraus folgte: ein Hintergrundschritt, auf den niemand wartete, lief über jedes Dokument statt über einen Bruchteil.
Ein Kunde fragte, ob sein Agent direkt mit dem des Lieferanten sprechen kann. Technisch ja; schwierig ist, dass keine Seite sieht, warum die andere so entschied — ein falscher Auftrag hat damit keine diagnostizierbare Ursache. Was wir statt eines freien Austauschs bauen, die drei Dinge, die eine grenzüberschreitende Interaktion festhalten muss, und wo wir rundheraus abgelehnt haben.
Mit der Spezifikationsrevision 2025-03-26 ersetzte MCP den HTTP+SSE-Transport durch Streamable HTTP und ergänzte ein Autorisierungsframework auf Basis von OAuth 2.1. Wir zeichnen den Weg von lokalen stdio-Servern zu authentifizierten Remote-Endpunkten nach, betrachten die ersten Angebote von Cloudflare, GitHub und Stripe und beschreiben Integrationsmuster sowie offene Lücken für den Unternehmenseinsatz.
Google kündigte das Agent2Agent-Protokoll (A2A) am 9. April 2025 mit über 50 Partnern an. Wir ordnen ein, was A2A spezifiziert — Agent Cards, Task-Lebenszyklen, Artefakte —, wie es Anthropics MCP ergänzt, was der Entwurf bewusst offenlässt und warum offene Governance darüber entscheidet, ob A2A zur Interoperabilitätsschicht für Multi-Agent-Systeme wird.
Die Passage war korrekt, gut geschrieben und drei Jahre alt. Unser Index hielt vier Revisionen desselben Handbuchs ohne einen Begriff davon, welche gilt — Ähnlichkeitssuche hat keine Meinung zur Zeit. Was wir an den Metadaten geändert haben, warum die Voreinstellung die aktuelle Revision sein muss und nicht der beste Treffer, und welche Frage wir ohne Datum nicht mehr beantworten.
Agenten zu evaluieren bedeutet 2025, Trajektorien und Tool-Aufrufe zu bewerten statt nur finale Antworten. Wir definieren Metriken auf Schrittebene, aufgabenspezifische Erfolgsprädikate und Zuverlässigkeitsmessung mit pass^k — gestützt auf τ-bench, WebArena, BFCL V3 und SWE-bench Verified. Und wir benennen offen, was Trajektorien-Evaluation nicht leistet und warum sie schwerer ist als RAG-Evaluation.
OpenAI kündigte am 26. März 2025 Unterstützung für Anthropics Model Context Protocol an, zunächst verfügbar im Agents SDK. Wir analysieren, was das Protokoll standardisiert, was es bewusst offenlässt, warum herstellerübergreifende Konvergenz die Integrationsstrategie verändert und was die zeitgleiche Spezifikationsrevision für Remote-MCP-Server bedeutet.