Zum Inhalt springen

Wissensbasis

Thin Harness

Warum Claude Code seinen Kern-Loop klein hält und was das für alle bedeutet, die Plugins, MCP-Server oder andere Erweiterungen darauf bauen.

Verfasst von

Aktualisiert:

Tools 4

Unsere Position. Wir lesen einen Harness als Liste der Dinge, die das Modell allein noch nicht zuverlässig kann (öffnet in einem neuen Tab). Wird ein Modell bei einem davon besser, kann die passende Komponente schrumpfen oder wegfallen. Schrumpft ein Harness nie, liest niemand mehr nach, was darin steht.

Hinter dem Design steht die Wette, dass bessere Modelle mehr bringen als Arbeit am Harness. Der Erfinder von Claude Code fasst das als “never bet against the model” zusammen (Plan mode and CLAUDE.md interview (öffnet in einem neuen Tab)). Das Ökosystem wächst in dem Raum, den der Kern offen lässt.

Was bedeutet ein Thin Harness für Erweiterungen?

  • Der Kern-Harness lässt das Modell planen und sich anpassen, statt eine große Workflow-Engine fest einzubauen.
  • Plugins, MCP, SDKs und Language Server tragen die Spezialisierung außerhalb dieses Kern-Loops.
  • Verbreitete Muster von Drittanbietern können zu nativen Features werden, deshalb braucht eure Wahl der Erweiterungen regelmäßig ein Review.

Warum hält Claude Code seinen Harness schlank?

Claude Code selbst enthält überraschend wenig Produktlogik. Die Architektur ist eine einzige While-Schleife über Tool Calls: keine DAGs, keine Intent-Klassifikatoren, keine RAG-Pipeline. Die Designphilosophie lautet “less scaffolding, more model”, damit Verbesserungen des Modells direkt im Tool ankommen (Claude Code). Das Team dahinter bestätigt das: Claude Code ist eine leichte Hülle, in der das Modell fast die ganze Arbeit macht. Das Team schreibt so wenig Business-Logik wie möglich, und rund 90% von Claude Code entstehen mit Claude Code selbst (The Pragmatic Engineer - How Claude Code is built (öffnet in einem neuen Tab)). Der Harness schrumpft, während das Modell besser wird. Mit den Claude-4-Modellen strich das Team ungefähr die Hälfte des System-Prompts, und jedes Release erlaubt, weiteres Scaffolding, Tools und Prompting zu entfernen (The Pragmatic Engineer - How Claude Code is built (öffnet in einem neuen Tab)). Seitdem geht der Trend über die Halbierung hinaus. Stand Juli 2026 berichtet das Team, 80% des System-Prompts von Claude Code gestrichen zu haben, wieder mit der Begründung, dass das Modell die Instruktion nicht mehr braucht. Außerdem entwertet jede Modellgeneration die Annahmen des Harness zum Ausgabeformat. Engineers im Team bevorzugen inzwischen HTML statt Markdown, weil das Modell darin weit besser war als erwartet (The Pragmatic Engineer - How software gets built at Anthropic (öffnet in einem neuen Tab), Juli 2026, kostenpflichtig).

Derselbe Harness erscheint als Claude Agent SDK, früher Claude Code SDK. Praktiker:innen, die darauf bauen, reduzieren jeden Agenten auf vier Stellgrößen: Kontext, Modell, Prompt und Tools. Wer den System-Prompt des SDK überschreibt, verwirft das eingebaute Verhalten von Claude Code vollständig, wer ihn nur ergänzt, erweitert es (Building agents on the Claude Code SDK (öffnet in einem neuen Tab), 22. September 2025).

Ein Leak des Quellcodes im März 2026 lieferte Zahlen zur Thin-Harness-Geschichte. Über Source Maps gelangten rund 500k Zeilen Orchestrierungslogik nach außen, ohne Modellgewichte. Sie zeigen, dass von den über 60 eingebauten Tools weniger als 20 standardmäßig aktiv sind. Subagents laufen nach einem Fork-Join-Modell über den KV-Cache und erben den vollständigen Kontext des übergeordneten Agenten ohne Neuberechnung. Das macht Parallelität fast kostenlos (AINews: The Claude Code Source Leak (öffnet in einem neuen Tab), März 2026). Anthropic antwortete mit DMCA-Takedowns, während ein Fork 32,6k Stars erreichte. Angreifer:innen registrierten bösartige npm-Pakete (color-diff-napi, modifiers-napi), die auf Leute zielten, die den geleakten Code kompilierten (AINews: The Claude Code Source Leak (öffnet in einem neuen Tab), März 2026).

Die Interviews machen die Designhaltung explizit. Der Erfinder von Claude Code hat eine gerahmte Kopie der Bitter Lesson an der Wand und fasst sie als “never bet against the model” zusammen (Plan mode and CLAUDE.md interview (öffnet in einem neuen Tab), 1. April 2026). Die Sprünge in der Leistung von Claude Code schreibt er Modell-Releases zu, nicht der Arbeit am Harness: “it was just the model” (The origin story of Claude Code (öffnet in einem neuen Tab), 2. Juni 2026).

Ein Thin Harness drängt Anpassungen nach außen, und Anthropic hat das mit Plugins formalisiert. Plugins bündeln Slash Commands, Agents, MCP-Server und Hooks und installieren sich mit einem einzigen Befehl. Ihr schaltet sie an und aus, damit der Kontext im System-Prompt schlank bleibt. Verteilt werden sie über Marketplaces, die nur ein Git-Repository mit einer Datei .claude-plugin/marketplace.json brauchen (Anthropic - Customize Claude Code with plugins (öffnet in einem neuen Tab)). Diese niedrige Hürde erklärt, warum das Plugin-Ökosystem so viel enthält: von Skill-Sammlungen einzelner Personen bis zu offiziellen Hersteller-Plugins von OpenAI, Vercel, Hugging Face und Trail of Bits. Am äußersten Ende des Spektrums stehen ganze Konfigurations-Frameworks. Sie injizieren Verhaltensanweisungen und machen den Harness so zu dem, was sie eine strukturierte Entwicklungsplattform nennen. SuperClaude bündelt 30 Slash Commands, 20 Agents, 7 Verhaltensmodi und 8 MCP-Server. Everything Claude Code liefert 60 Agents und 230 Skills, dazu Hooks, MCP-Konfigurationen und einen Speicher für den Session-Zustand (SuperClaude (öffnet in einem neuen Tab); Everything Claude Code (öffnet in einem neuen Tab)).

Im März 2026 stand die Harness-Schicht selbst im Wettbewerb. Mit dem Pi Agent Harness definieren Praktiker:innen Verzeichnisstrukturen jenseits von .claude. Sie lesen eigene Frontmatter (expertise, skills, model) beim Start in den System-Prompt ein und überschreiben ihn für Agents ohne Coding-Aufgabe vollständig. Ein Showcase lässt parallel unter einem Opus-CEO ein Board aus Revenue-, Contrarian- und Moonshot-Agents laufen, die gezielt gegeneinander argumentieren. Jeder Agent pflegt eigene, wachsende “expertise”-Dateien als problemspezifisches Gedächtnis und erzeugt SVG-Argumente, um den Orchestrator zu überzeugen. Bezahlbar macht solche Teams laut Showcase der einheitliche 1M-Kontext-Preis von Anthropic ohne Aufschlag für langen Kontext. Die Qualität sinkt ab etwa der 250k-Marke (A CEO-and-board multi-agent team on the 1M context window (öffnet in einem neuen Tab), 23. März 2026).

Der DeepSeek Harness geht noch einen Schritt weiter als ein überschriebener System-Prompt. Seine Plugins können die Mechanik des Agent Loop selbst ändern, etwa wie parallele Tool Calls gebündelt werden. Sie konfigurieren also mehr als den Prompt um einen festen Loop herum. Der Harness kann ein solches Plugin aus einer Beschreibung in der laufenden Session schreiben und per Hot Reload laden. Das Sicherheitsmodell hat nicht mitgehalten: Jedes installierte Plugin erhält standardmäßig vollen Shell- und Dateisystemzugriff, ohne Scoping pro Plugin. Das Review nennt das den Preis dieser Offenheit (Why DeepSeek Harness Just Became The Fastest Growing Github Repo EVER (öffnet in einem neuen Tab), 19. August 2026, Praktiker:in).

MCP verstärkt den Effekt über Claude Code hinaus. Das Protokoll standardisiert, wie sich jeder Client mit Tools und Daten verbindet. Deshalb wird jeder MCP-Server, den jemand für einen Assistenten baut, zum kostenlosen Plugin für alles, was MCP spricht. So entstand ein zufällig universelles Plugin-Ökosystem, das niemand zentral geplant hat (Works on My Machine - MCP: An (Accidentally) Universal Plugin System (öffnet in einem neuen Tab)). Dieselbe Dynamik zeigt sich bei den meisten Einträgen im Katalog Claude-Code-Ökosystem, die toolübergreifend ausgerichtet sind. Skill- und Regel-Bibliotheken zielen zunehmend gleichzeitig auf Claude Code, Cursor, Copilot und Codex.

Das Ökosystem besteht nicht nur aus Drittanbietern. Anthropic bietet über die Anthropic Academy eigene kostenlose Trainings an, darunter Claude Code 101, Claude Code in Action und eigene Kurse zu Agent Skills und Subagents (Anthropic Academy (öffnet in einem neuen Tab)). Der Kurs AI Fluency beschreibt wirksame Zusammenarbeit als vier Praktiken: Delegation, Description, Discernment und Diligence, das 4D-Framework. Er liefert eine vom Hersteller verfasste Grundlage für die menschliche Hälfte des Loops (Anthropic - AI Fluency: Framework & Foundations (öffnet in einem neuen Tab)). Claude Code liefert außerdem zunehmend native Gegenstücke zu beliebten Kategorien von Drittanbietern. Es baut beim Arbeiten eine Auto Memory auf und speichert Learnings wie Build-Befehle und Debugging-Erkenntnisse über Sessions hinweg, ohne Konfiguration. Das überschneidet sich mit dem, was Memory-Plugins von Drittanbietern bieten (Anthropic - Claude Code overview (öffnet in einem neuen Tab)).

Im Dezember 2025 war Unterstützung für das Language Server Protocol fest eingebaut, pro Sprache installiert über /plugin. Mit angebundenem LSP löst Claude exakte Referenzen und Funktionssignaturen auf, statt auf grep zurückzufallen. Damit übernimmt der Kern, was Praktiker:innen vorher über den Serena-MCP-Server angebunden hatten (Claude Code LSP support walkthrough (öffnet in einem neuen Tab), 22. Dezember 2025; A Guide to Claude Code 2.0 (öffnet in einem neuen Tab), Dezember 2025). Memory ist Berichten zufolge zu einem System aus vier Schichten gewachsen: CLAUDE.md (von Nutzer:innen geschrieben), Auto Memory, Session Memory im Hintergrund und ein periodisches “auto dream”, das Erinnerungen konsolidiert. Auto Dream startet erst, wenn sowohl 24 Stunden als auch fünf Sessions vergangen sind. Es liest den Projektcode nur, durchsucht lokale Transkripte mit grep, statt sie ganz zu lesen, und kürzt MEMORY.md auf das Startbudget von 200 Zeilen. Ein beobachteter Lauf konsolidierte 913 Sessions in rund 8-9 Minuten. Diese Beschreibung stammt vom Hersteller (Claude Fast – Claude Code Dreams (öffnet in einem neuen Tab), März 2026). Die Analyse des Source-Leaks vom März 2026 stützt sie: Im Code fand sie einen MEMORY.md-Index, bei Bedarf geladene Topic-Dateien, durchsuchbare Transkripte und einen autoDream-Modus (AINews: The Claude Code Source Leak (öffnet in einem neuen Tab), März 2026).

Praktiker:innen verfolgen diese Übernahme inzwischen als wiederkehrendes Muster. Natives Code Review verdrängt Greptile und CodeRabbit, natives Voice-Diktat verdrängt Wispr Flow, das Tasks-System verdrängt Beads. Plan Mode verdrängt Agent OS, und das Agent SDK verdrängt LangChain und CrewAI. Wer einen dünnen Skill oder ein dünnes Plugin veröffentlicht, wird deshalb schon mit einem KI-Wrapper-Startup aus YC verglichen (Claude Code Best Practice (öffnet in einem neuen Tab)).

Verwandte Seiten

Quellen

Harness im Wettbewerb