Claude Code ist teuer. Dieser MCP-Server löst das Problem (Context Mode)

Der Sprecher erläutert die zentrale Herausforderung bei der Arbeit mit Claude Code und MCP-Tools. Jede Tool-Ausgabe wird direkt in das 200k-Kontextfenster geschrieben, was schnell zu einer Sättigung führt. Dies hat zur Folge, dass der Agent bereits nach 30 Minuten wichtige Informationen oder Dateien vergisst, sobald der Kontext komprimiert wird. Zudem entstehen durch die hohe Token-Anzahl beträchtliche Kosten für den Nutzer. Der vorgestellte "Context Mode" soll genau diese Ineffizienzen beheben und die Arbeitsweise mit KI-Agenten revolutionieren.

In diesem Abschnitt werden die technischen Details der Datenreduktion durch Zahlen untermauert. Ein Playwright-Snapshot verbraucht normalerweise 56 KB, was durch Context Mode auf lediglich 299 Bytes schrumpft. Das Tool nutzt eine lokale SQLite-Datenbank mit FTS5-Indizierung als Sandbox, um die KI vom direkten Systemballast zu isolieren. Anstatt riesige Textmengen zu übertragen, erhält das Modell nur noch kompakte Referenzen. Diese Virtualisierungsschicht sorgt dafür, dass 70 % des Kontextfensters nicht schon vor der eigentlichen Programmierung verbraucht sind.

Ein entscheidender Vorteil von Context Mode ist die Aufrechterhaltung der Sitzungskontinuität über lange Zeiträume hinweg. Durch den Einsatz von Hooks werden Dateiänderungen, Git-Operationen und Aufgaben von Sub-Agenten kontinuierlich überwacht. Wenn eine Kontext-Komprimierung stattfindet, erstellt das System einen prioritätsbasierten Snapshot von unter 2 KB Größe. Dies verhindert, dass die KI Fehler wiederholt, die sie bereits vor einiger Zeit korrigiert hat. Somit wird die hypothetische Nutzungsdauer einer Session von 30 Minuten auf etwa 3 Stunden versechsfacht.

Die Integration des Tools in bestehende Workflows wird als unkompliziert und benutzerfreundlich beschrieben. Nutzer von Claude Code müssen lediglich den Marketplace hinzufügen und einen spezifischen Installationsbefehl für das Plugin ausführen. Auch für Anwender der Gemini CLI oder des VS Code Copilots ist die Einrichtung via npm-Befehl schnell erledigt. Das Tool übernimmt danach automatisch die Verwaltung der MCP-Server sowie das Routing der Anweisungen. Diese Flexibilität erlaubt es Entwicklern, das Tool ohne tiefgreifende Konfigurationsänderungen in ihre tägliche Arbeit einzubauen.

Der Sprecher demonstriert die Leistungsfähigkeit anhand eines Python-Skripts, das eine umfangreiche access.log-Datei mit 5.000 Zeilen generiert. Claude wird angewiesen, diese Datei mithilfe von Context Mode zu indizieren und nach spezifischen 500er-Fehlermustern zu suchen. Statt die gesamte Datei in den Chat zu laden, durchsucht Claude die indizierte Datenbank effizient und zielgerichtet. Eine Überprüfung mit dem Befehl ":cts-stats" zeigt, dass in diesem kleinen Test bereits 1.200 Token eingespart wurden. Dies verdeutlicht, wie effektiv die Sandbox-Technologie selbst bei moderaten Datenmengen arbeitet.

Abschließend wird betont, dass die Ersparnis von 25 % in der Demo bei größeren Projekten schnell in die Hunderttausende von Token skalieren kann. Der Fokus liegt jedoch nicht nur auf der Kostenreduktion, sondern vor allem auf dem Erhalt der kognitiven Kapazität von Claude. Indem das "Rauschen" aus dem Kontext entfernt wird, bleibt mehr Raum für logisches Denken und komplexe Problemlösungen. Der Sprecher empfiehlt das Tool jedem, der an anspruchsvollen Projekten mit KI-Agents arbeitet. Das Video endet mit dem Aufruf, den Kanal zu abonnieren und das Tool für eine bessere Entwickler-Erfahrung selbst zu testen.