Endlich ein Grund, zu Cursor zu wechseln

Der Sprecher erklärt, wie KI die Art der Code-Produktion vollständig verändert hat und stellt verschiedene spezialisierte Programmier-Tools wie ClodCode, Cursor und Antigravity vor. Er betont, dass gute Modelle allein nicht ausreichen – die Qualität des produzierten Codes hängt entscheidend davon ab, wie man das Tool verwendet und den Kontext verwaltet. Cursor hat einen großen Vorstoß für einen neuen Ansatz im Kontext-Management gewagt und diesen nativ in die App integriert. Diese Prinzipien sind laut Sprecher überzeugend und lassen sich umfassend auf jede Plattform anwenden, die zum Erstellen von Anwendungen genutzt wird.

Cursor hat Kontext-Management-Funktionen direkt ins Produkt integriert, basierend auf der Beobachtung, dass weniger Details im Kontextfenster zu besseren Ergebnissen führen. Je weniger Informationen das Modell gleichzeitig erhält, desto weniger Daten muss es verarbeiten, was zu weniger Verwirrung und mehr Fokus auf die aktuelle Aufgabe führt. Dieser Ansatz wird 'dynamische Kontext-Erkennung' genannt und basiert auf strukturierter Notizerfassung. Informationen, die momentan nicht benötigt werden, sollten nicht im Kontextfenster sein – das Ausschließen potenziell verwirrender oder widersprüchlicher Details verbessert die Qualität der Antworten erheblich. Cursor fügt fünf dynamische Kontext-Management-Methoden hinzu, die bald verfügbar sein werden, wobei diese Prinzipien weitgehend auf alle KI-Agenten übertragbar sind.

MCPs liefern oft umfangreiche Antworten, die im Kontextfenster verbleiben, obwohl nicht alle Informationen immer benötigt werden. Der gängige Ansatz, lange MCP-Antworten zu kürzen, führt zu Datenverlust oder Entfernung wichtiger Informationen. Der Sprecher demonstriert eine Lösung: Er hat in der Claude.md-Datei eine Anweisung hinzugefügt, dass jede MCP-Tool-Antwort mit mehr als 50 Zeilen in einem MCP-Ordner innerhalb des .context-Ordners gespeichert werden muss. Bei der Verwendung der Chrome-Erweiterung zur UI-Analyse speicherte Claude die umfangreichen ReadPage-Antworten in Dateien zur weiteren Lektüre. Diese Lösung verbesserte die Genauigkeit der Tool-Antwort-Analyse, da Claude die Antworten beliebig oft aus Dateien analysieren kann, und eliminierte die Notwendigkeit wiederholter Tool-Aufrufe, was erheblich Zeit spart.

Der Zusammenfassungsschritt beim Erreichen des Kontextfenster-Limits ist chaotisch und führt zum Verlust vieler Informationen. Wiederholte Kompression lässt die Zusammenfassung Details vergessen, die wichtig sein könnten, aber in der Modell-Zusammenfassung möglicherweise fehlen. Cursors Lösung besteht darin, den gesamten vorherigen Chat-Verlauf als Datei zu speichern, auf die der Agent später zugreifen kann. Wenn das Modell Informationen in der Zusammenfassung nicht findet, dient das vorherige Transkript als Wissensbasis. Der Sprecher hat diese Funktion mit Claude Code umgesetzt, indem er eine Anweisung in die Claude.md-Datei eingefügt hat, den Chat-Verlauf nach jedem Durchgang zu aktualisieren und alle wichtigen Entscheidungen in einem History-Ordner zu dokumentieren. Auf diese Weise enthält der .context-Ordner detaillierte Aufzeichnungen aller Sitzungen.

Agenten wurden Skills gegeben, um das Kontextproblem von MCPs zu bewältigen, wobei der gesamte Zweck darin besteht, eine bessere Nutzung ihrer Fähigkeiten durch Skripte und Anweisungsdateien zu ermöglichen. Dies reduziert Kontextüberfrachtung durch progressive Offenlegung. Anthropic war das erste Unternehmen mit dieser Idee, gefolgt von Codex, Gemini und schließlich Cursor. Cursors Skills sind ausführbare Dateien und Skripte, die zu einer einzigen Fähigkeit gebündelt werden, wobei nur Name und Beschreibung im statischen Kontext sind. Die Agenten können ihre Skills eigenständig abrufen, indem sie grep und Cursors semantische Suche nutzen, die ein eigenes Embedding-Modell und Indexierungs-Pipelines verwendet. In einem Beispielprojekt mit 5 konfigurierten Skills verbrauchten diese nur etwa 0,2% der Gesamtmenge an Tokens. Claudes Skills sind auch über /commands zugänglich, sodass man sie bei Bedarf manuell auslösen kann.

MCPs enthalten viele Tools, die alle im Kontextfenster offengelegt werden und es unnötig aufblähen. Cursor betont, dass es in der Verantwortung der Coding-Agenten liegt, den Kontext-Bloat zu beheben, nicht der MCP-Server. Die Lösung ist dynamische Kontextermittlung durch Synchronisierung von Tool-Beschreibungen in einem Ordner: alle MCPs werden in separaten Ordnern abgelegt, die nach jedem verbundenen MCP benannt sind, und innerhalb jedes Ordners sind alle Tools aufgelistet. Der Agent erhält nur die Namen der Tools und schlägt bei Bedarf in den Ordnern nach. Tests zeigten, dass die dynamische Ermittlung von MCP-Tools die Nutzung um 46,9% reduzierte. Diese Implementierung hilft auch in Fällen, in denen MCP-Server versehentlich getrennt werden – der Agent kann den Benutzer darüber informieren, dass eine erneute Authentifizierung erforderlich ist, anstatt die Tools einfach zu vergessen.

Claude verfügt über ein erweitertes Suchwerkzeug für dynamische Kontextermittlung, das jedoch auf die Entwicklerplattform beschränkt ist. Der Sprecher stieß auf ein verstecktes Flag 'enable experimental MCP CLI' in Claude Code. Ohne dieses Flag wurden alle MCP-Tools im Kontext offengelegt, aber mit gesetztem Flag wurden alle Tools aus dem Kontextfenster entfernt und Platz freigemacht. Dies bedeutet nicht, dass MCPs getrennt werden – der einzige Unterschied ist, dass sie nicht von vornherein im Kontextfenster offengelegt werden. Anstatt alle Schemas in den Kontext zu legen, verwendet Claude nun eine mittlere Bash-Schicht namens MCP CLI, die alle MCP-bezogenen Aufgaben verwaltet. Claude nutzt diese mittlere Schicht, um zu suchen, Informationen abzurufen und die Tools aufzurufen, führt aber alle Aufgaben wie gewohnt aus.

Das Melden von Terminalfehlern ist in Cursor aufgrund eingeschränkten Zugriffs schwierig – man musste Fehler manuell dem Chat hinzufügen. Cursors Lösung besteht darin, Terminalsitzungen in Dateien zu verlagern, wobei der Agent grep verwendet, um relevante Ausgaben zu extrahieren. Da Serverprotokolle normalerweise lange laufen und viel Rauschen enthalten, ist die Verwendung von Grep effizienter durch Musterabgleich. Diese Idee stammt von CLI-basierten Coding-Agenten. Der Sprecher steuert dies in Claude Code durch Anweisungen in der Claude.md-Datei, die Claude anweisen, alle Terminalprotokolle in eine Datei im Terminal-Ordner zu schreiben. Claude führt spezielle Befehle aus, die sowohl Standard-Ausgabestrom als auch Standard-Fehlerstrom in Dokumentdateien protokollieren. Bei Tests verwendete es diese Befehle und schrieb die Terminalläufe in Dateien, bezog sich dann auf die Protokolldateien, fand die Fehlerursache und behob sie.

Der Sprecher betont, dass diese Erweiterung für Claude Code sehr nützlich sein kann, wenn man auf die Funktionsweise der App zurückblicken möchte, auch wenn sie unbedeutend erscheinen mag. Er gibt ein konkretes Beispiel: Als er herausfinden musste, welcher Dienst seine App zum Absturz brachte, sagte er Claude einfach, es solle sich auf die Testprotokolle beziehen, anstatt die Tests erneut auszuführen. Dies bewahrte ihn davor, eine 2-minütige Testsuite erneut auszuführen, nur um einen bereits gesehenen Fehler zu reproduzieren. Der Sprecher lädt die Zuschauer ein, den Kanal mit dem Super-Thanks-Button zu unterstützen und bedankt sich fürs Zuschauen.