Code Mode erklärt: Woher die „98,7 Prozent gespart“ wirklich kommen
KI-Agenten wie Claude Code rufen ihre Werkzeuge nicht mehr nur einzeln auf. Sie schreiben kleine JavaScript-Programme, die viele Aufrufe bündeln. Wir haben nachgerechnet, wie viel das tatsächlich spart: bei Riesen-APIs sehr viel, im normalen Programmieralltag eher wenig. Außerdem erklären wir, warum sich die Kontrolle vom einzelnen Klick auf ein Skript verlagert, das kaum jemand liest.

Darum geht es
Ein KI-Agent arbeitet normalerweise wie jemand, der jeden Handgriff einzeln absegnen lässt: suchen, Ergebnis lesen, Datei bearbeiten, Ergebnis lesen, Tests starten, Ergebnis lesen. Nach jedem Schritt geht die gesamte Unterhaltung zurück ans Sprachmodell, damit es den nächsten Schritt festlegt. Fachleute sprechen von einem Round Trip, also einer Hin-und-zurück-Runde zum Modell.
Code Mode dreht das um. Das Modell schreibt ein kurzes Programm, das mehrere Werkzeuge nacheinander oder parallel aufruft, die Zwischenergebnisse selbst verarbeitet und nur das Endergebnis zurückmeldet. Anthropic hat die Funktion am 12. November 2026 mit Version 2.1.323 als Experiment in Claude Code eingebaut. Cloudflare, Docker Agent, OpenClaw und MCP-Gateways wie Bifrost nutzen dasselbe Muster.
In Überschriften stehen dazu gern Zahlen wie „98,7 Prozent weniger Token“. Wir haben nachgesehen, woher sie stammen. Unsere These: Code Mode spart vor allem bei riesigen Werkzeugkatalogen viel, im normalen Programmieralltag eher wenig. Und er verlagert die Kontrolle vom einzelnen Klick auf ein Skript, das kaum jemand liest.
So funktioniert es in Claude Code
Laut der offiziellen Dokumentation bekommt Claude im Code Mode nur noch ein Werkzeug namens REPL. REPL steht für eine Programmierumgebung, die Befehle annimmt und sofort ausführt. Bash, Read, Edit, Grep, WebFetch und MCP-Werkzeuge werden darin zu JavaScript-Funktionen. MCP (Model Context Protocol) ist der Standard, über den Agenten externe Werkzeuge anbinden. Das Beispiel aus der Doku:
const files = await $`rg -l "function retryPolicy" src`.text();
const target = files.trim().split("\n")[0];
await edit(target, "maxAttempts: 3", "maxAttempts: 5");
({ edited: target, tests: $`npm test -- retryPolicy`.nothrow() });
Das Skript sucht, wählt die erste Datei, ändert eine Zeile und startet die Tests. Das sind drei Werkzeugaufrufe in einer einzigen Runde. Nur die letzte Zeile geht an Claude zurück. Im Chat siehst du weiterhin die einzelnen Aufrufe und Diffs, also die Änderungsansichten. Den Code selbst siehst du nicht. Er steckt eingeklappt im Transkript und ist nur mit Ctrl+O erreichbar.
Eingeschaltet wird Code Mode mit der Umgebungsvariable CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1. Die Hürden sind hoch: interaktives Terminal, die native Installation von Claude Code und direkter Zugang zur Anthropic-API. Über Bedrock, Google Cloud, Foundry oder Gateways geht es nicht, ebenso wenig in Organisationen mit HIPAA-Konfiguration oder Zero Data Retention. Auch bei abgeschalteter Telemetrie oder aktivem OpenTelemetry-Export startet Code Mode nicht. Remote Control, Claude in Chrome und Computer Use fallen weg. Wartet Claude auf ein Skript, wird es nach zehn Minuten abgebrochen. Im Hintergrund darf es bis zu zwei Stunden laufen.
Die Idee stammt nicht von Anthropic. Cloudflare hat sie am 26. September 2025 unter dem Titel „Code Mode: the better way to use MCP“ vorgestellt. Die Begründung damals: Sprachmodelle hätten im Training riesige Mengen echten TypeScript-Code gesehen, aber nur wenige künstliche Beispiele für Werkzeugaufrufe.
„LLMs können besser Code schreiben, der MCP aufruft, als MCP direkt aufzurufen.“ (Cloudflare)
Woher die großen Zahlen kommen
Die Sparquoten stammen aus sehr unterschiedlichen Situationen. Wir haben sie nachgerechnet:
| Quelle | Was gemessen wurde | Vorher → nachher | Ersparnis |
|---|---|---|---|
| Cloudflare (Feb. 2026) | Werkzeugbeschreibungen für über 2.500 API-Endpunkte, gezählt mit tiktoken | 1,17 Mio. → ca. 1.000 Token | 99,9 % |
| Anthropic Engineering (Nov. 2025) | ein MCP-Beispiel, Methode nicht offengelegt | 150.000 → 2.000 Token | 98,7 % |
| Bifrost/Maxim, Runde 1 | 96 Werkzeuge, 6 Server | 19,9 Mio. → 8,3 Mio. Input | 58,2 % |
| Bifrost/Maxim, Runde 3 | 508 Werkzeuge, 16 Server | 75,1 Mio. → 5,4 Mio. Input | 92,8 % |
| AIMultiple | 63 Werkzeuge, GPT-4.1, 50 Läufe je Aufgabe | 15.417 → 3.310 Input pro Lauf | 78,5 % (Input) |
| Anthropic Programmatic Tool Calling | komplexe Rechercheaufgaben | 43.588 → 27.297 Token | 37 % |
Die Rechnungen gehen auf: (1.170.000 − 1.000) / 1.170.000 ergibt 99,9 %, und (150.000 − 2.000) / 150.000 ergibt 98,7 %. Was dabei gemessen wird, unterscheidet sich aber stark. Cloudflare vergleicht im Kern nur die Größe der Werkzeugbeschreibungen: 2.500 Endpunkte als Einzelwerkzeuge gegen zwei Werkzeuge, search() und execute(). Kurios ist, dass dieselbe Seite in ihrer Kurzbeschreibung von „über 2 Millionen Token“ spricht, im Text aber von 1,17 Millionen. Anthropics 98,7 % stammen aus einem Blogbeitrag vom 4. November 2025. Dort fließt etwa ein Meeting-Protokoll direkt von Google Drive nach Salesforce, ohne das Modell zu passieren. Der Beitrag verrät nicht, mit welcher Aufgabe und welchen Werkzeugen die Zahl entstand.
Bifrost zeigt am klarsten, wie die Ersparnis zustande kommt. Mit Code Mode bleibt der Verbrauch fast gleich, bei 251 Werkzeugen waren es 5,5 Mio. Token, bei 508 Werkzeugen 5,4 Mio. Ohne Code Mode wächst er mit jedem zusätzlichen Werkzeug. Die Ersparnis hängt also vor allem davon ab, wie groß der Katalog ist. Zwei Einschränkungen: Bifrost ist ein Gateway von Maxim, der Hersteller bewirbt hier sein eigenes Produkt. Und welches Modell getestet wurde, nennt der Artikel nicht.
Am unabhängigsten ist der Test von AIMultiple. Der Input sank um 78,5 %, insgesamt waren es 77,4 % weniger Token. Dafür stieg der Output von durchschnittlich 87 auf 192 Token, das 2,2-Fache, weil das Modell nun Code schreibt. Die Wartezeit stieg von 9,66 auf 10,37 Sekunden, also um 7 %. Die geschätzten 70 % Kostenersparnis sind laut AIMultiple nur aus den Token hochgerechnet und nicht gemessen. Getestet wurden außerdem nur zwei Aufgaben mit einem einzigen Modell.
Häufig wird auch ein Genauigkeitsplus von 49 auf 74 % für Claude Opus 4 zitiert. Diese Zahl gehört aber zu Anthropics Tool Search Tool, das Werkzeugbeschreibungen erst bei Bedarf lädt, nicht zum Code-Ansatz. Für Programmatic Tool Calling nennt Anthropic kleinere Zuwächse: von 25,6 auf 28,5 % bei interner Wissenssuche und von 46,5 auf 51,2 % beim GIA-Benchmark.
Und im echten Claude Code?
Für Claude Code selbst hat Anthropic keine Spar- oder Geschwindigkeitswerte veröffentlicht. Es gibt nur einzelne Läufe unabhängiger Entwickler:
| Test | Input-Token | Kosten | Zeit |
|---|---|---|---|
| wmedia.es (40 JSON-Dateien, Opus 5.5) | 150.364 → 94.659 (−37 %) | k. A. | 15 s → 37 s |
| dev.to, Arindam (8 Dienste ändern, v2.1.330) | 264k → 140k gelesen (−47 %) | 0,35 $ → 0,34 $ | 54 s → 16 s* |
| bestagent.dev, Feature-Aufgabe | Cache-Lesezugriffe etwa halbiert | ≈0,45 $ → ≈0,35 $ | ≈80 s → ≈60 s |
| bestagent.dev, 20 Dateien mit Versionsnummer | kleiner, aber mehr Cache-Schreibzugriffe | unverändert | 13–15 s → 13 s |
*36 der 54 Sekunden entfielen auf die Zeit, die der Autor zum Lesen einer Rückfrage brauchte.
Die verlässlichste Größe ist der feste Werkzeugblock, der jeder Anfrage beiliegt. Laut wmedia.es sinkt er von 24,6k auf 11,1k Token, also um 55 %. Daraus erklärt sich ein guter Teil der Ersparnis: Code Mode verkürzt schlicht die Beschreibungen. Bei den Kosten kommt davon wenig an, weil Prompt-Caching den Effekt dämpft. Dabei speichert der Anbieter bereits gelesene Textteile zwischen und berechnet sie beim nächsten Mal günstiger. Bei Arindam schrieb die erste Code-Mode-Anfrage viel in einen noch leeren Cache, deshalb kostete der Lauf praktisch gleich viel. Auf X kursiert die Behauptung, Code Mode spare 37 % und verlängere die Nutzungslimits um das 1,6-Fache. Die 37 % stammen allerdings aus Anthropics API-Funktion Programmatic Tool Calling und nicht aus Claude Code.
Unsere Einschätzung: Wer in Claude Code nur wenige MCP-Server angebunden hat, sollte mit einstelligen bis niedrigen zweistelligen Prozentwerten bei den Kosten rechnen, nicht mit 98 %. Spürbar wird der Vorteil bei gleichförmigen Massenarbeiten wie Linkprüfungen oder derselben Änderung in vielen Dateien. Bei Aufgaben, in denen Claude zwischen den Schritten wirklich nachdenken muss, hilft er kaum.
Die unbequeme Seite: Wer kontrolliert das Skript?
Das eigentlich Neue steht in Anthropics Doku, und zwar ziemlich offen. Im Auto-Modus entscheidet ein Klassifikator, ein zweites KI-Modell, ob eine Aktion ohne Rückfrage laufen darf. Im Code Mode prüft er jedes Skript einmal vor dem Start, nicht jeden einzelnen Aufruf darin. Außerdem sieht er keine Werte, die erst beim Ausführen entstehen, zum Beispiel einen Pfad aus einem Suchergebnis. Ein Skript wie „lösche alles, was die Suche findet“ kann er deshalb nicht vollständig beurteilen. Anthropic rät, für kritische Aufrufe eigene Regeln oder Hooks einzurichten, also selbst geschriebene Prüfprogramme, die vor oder nach einem Werkzeugaufruf laufen.
Dazu kommen drei weitere Punkte:
- Sandbox nur für die Shell: Die Sandbox ist ein abgeschotteter Bereich, der die Rechte von Programmen einschränkt. Sie greift nur bei Shell-Befehlen. Laut Doku laufen „das JavaScript selbst und seine Datei-, Web- und MCP-Aufrufe“ außerhalb davon. Wer auch diese Teile abschotten will, muss Claude Code in einem Container oder einer virtuellen Maschine betreiben.
- Hooks sehen Befehle anders: Ein
git pushim Ordnerappkommt beim Hook etwa alscd 'app' && git pushan. Ein Hook, der nur auf den Anfang des Befehls achtet, übersieht ihn dann. Ab v2.1.329 läuft ein Aufruf nach den meisten Hook-Fehlern sogar standardmäßig weiter. Nur wenn der Hook nicht fertig wurde, etwa wegen eines Timeouts, wird der Aufruf abgelehnt. Wer Sicherheits-Hooks betreibt, sollte"onFailure": "block"setzen. - Schwärzen hat Lücken: Ein
PostToolUse-Hook kann die Ausgabe des Skripts schwärzen, bevor Claude sie liest. Das FeldrefusedCallskann abgelehnte Eingaben aber unverändert wiederholen. In einem am 20. November eröffneten GitHub-Issue (#111259) meldet ein Nutzer außerdem, dass Mods bei v2.1.329 die Skriptausgabe gar nicht zu sehen bekommen. Mods sind Erweiterungen, die eigenen Code in Claude Code ausführen. Ein Skript kann sich Geheimnisse etwa peratobselbst zusammenbauen. Solche Werte könnten dann ungeschwärzt beim Modell landen.
Selbst wer jedes Skript mit der Regel "ask": ["REPL"] freigeben will, bekommt eine Rückfrage, in der der Code nicht steht. Um ihn zu lesen, muss man ihn eigens per Ctrl+O aufklappen.
Es gibt auch gute Nachrichten. Jeder Aufruf im Skript läuft unter seinem normalen Namen durch die deny- und ask-Regeln und die PreToolUse-Hooks. Ein geklontes Repository kann Code Mode nicht einschalten, weil Claude Code die Variable in Projekteinstellungen ignoriert. Das ist wichtig, denn manipulierte .claude/settings.json-Dateien haben gerade erst Angreifern als Einfallstor gedient. Administratoren können Code Mode außerdem für die ganze Organisation sperren.
Wie andere das Skript einsperren
| System | Wo das Skript läuft | Prüfung der inneren Aufrufe |
|---|---|---|
| Claude Code | in der Claude-Code-Sitzung, außerhalb der Sandbox | ja, über Regeln und Hooks |
| Cloudflare | V8-Isolate ohne fetch(), Zugangsdaten bleiben beim Supervisor |
Rechte über OAuth-Scopes |
| Docker Agent | eingebettete Engine goja, kein Datei-, Netz- oder Prozesszugriff | nein, eine Freigabe deckt das ganze Skript ab |
| OpenClaw | Node (laut Doku keine Sicherheitsgrenze) oder QuickJS | ja, wie bei direkten Aufrufen |
| Bifrost | Starlark, keine Imports, keine Dateien, kein Netz | k. A. |
Ein V8-Isolate ist eine winzige, abgeschottete JavaScript-Umgebung, die laut Cloudflare in wenigen Millisekunden startet. Docker warnt selbst, dass die Freigabe des äußeren Aufrufs bei zerstörerischen Werkzeugen ein ernstes Problem ist. Eine harte Sandbox ist trotzdem kein Allheilmittel. Ein AWS-Hero mit dem Kürzel guyernest schreibt auf dev.to: „Sandboxing ist nicht die wichtigste Sicherheitsgrenze für Code Mode.“ Darf das Skript einen zerstörerischen Endpunkt mit gültigen Zugangsdaten aufrufen, schützt die beste Abschottung nicht. Schützen können nur Rechte und Regeln an der Schnittstelle selbst.
Einordnung
Code Mode ist eine vernünftige Idee mit stark übertriebenen Zahlen. Die 99,9 % und 98,7 % sind korrekt gerechnet, beschreiben aber Grenzfälle: Tausende API-Endpunkte oder ein Transkript, das nicht zweimal durchs Modell laufen muss. Mit wachsendem Werkzeugkatalog wird die Ersparnis tatsächlich groß, das zeigt Bifrost deutlich. In normalen Claude-Code-Sitzungen messen unabhängige Tester eher 34 bis 47 % weniger Input und 0 bis etwa 22 % geringere Kosten. In einem Fall dauerte die Aufgabe mehr als doppelt so lange. Alle diese Tests sind Einzelläufe oder sehr kleine Stichproben.
Unsere Einschätzung: Der größere Wandel betrifft die Kontrolle. Bisher konnte man jeden Schritt einzeln sehen und absegnen. Jetzt prüft der Klassifikator einmal ein Programm, dessen Wirkung von Daten abhängt, die er nicht kennt. Und der Mensch bekommt den Code standardmäßig nicht zu Gesicht. Anthropic löst das besser als Docker, weil die inneren Aufrufe weiter geprüft werden. Die eigene Doku zählt aber mehrere Fallstricke auf, und an Hooks und Freigaben wurde innerhalb einer Woche über fünf Versionen nachgebessert. Wer Code Mode ausprobiert, sollte deshalb mit ask-Regeln für heikle Befehle, onFailure: block bei Sicherheits-Hooks und am besten in einem Container arbeiten.
Quellen
- Claude Code Docs: Run tool calls from code with Code Mode code.claude.com
- Claude Code Docs: Sandboxing code.claude.com
- Cloudflare Blog: Code Mode – the better way to use MCP blog.cloudflare.com
- Cloudflare Blog: Code Mode – give agents an entire API in 1,000 tokens blog.cloudflare.com
- Cloudflare Docs: Codemode developers.cloudflare.com
- Cloudflare Changelog: MCP Server Portals Code Mode developers.cloudflare.com
- Anthropic Engineering: Code execution with MCP anthropic.com
- Anthropic Engineering: Advanced tool use anthropic.com
- AIMultiple: Code Execution with MCP benchmark aimultiple.com
- Maxim: Cutting MCP token costs by 92% at 500 tools (Bifrost) getmaxim.ai
- AgentsPulse: Claude Code Code Mode tested agentspulse.github.io
- dev.to: How Claude Code's Code Mode works dev.to
- bestagent.dev: Claude Code's Code Mode, tested bestagent.dev
- wavect.io: Wie viele Tokens spart Code Mode in Claude Code? wavect.io
- note.com: Claude Codes Code Mode aus Primärquellen gelesen note.com
- Docker Docs: Docker Agent Code Mode docs.docker.com
- OpenClaw Docs: Code Mode for maintainers docs.openclaw.ai
- GitHub: anthropics/claude-code Issue #111259 github.com
- dev.to (AWS Heroes): Code mode for MCP – the long tail escape hatch dev.to
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.