Kontextkosten von KI-Agenten: Wiederholte Prompts und Tool Calls messen

Die Anatomie des Agentenkontexts: Wo Token pro Schritt anfallen

Das Kontextfenster eines Agenten besteht bei jedem Schritt aus vier Schichten:

1. System-Prompts und Richtlinien: Grundlegende Stilvorgaben, Sicherheitsgrenzen und Workspace-Regeln.
2. Tool-Schemas: JSON-Beschreibungen aller verfügbaren Funktionen und Parametertypen. Bei 20 Tools wird deren Schema bei jedem Aufruf erneut übertragen (3.000 bis 15.000 Token pro Schritt).
3. Nachrichtenverlauf (Message History): Bisherige Benutzeranweisungen und Antworten des Modells.
4. Tool-Ausgaben (Tool Outputs): Datei-Inhalte, Terminal-Logs und Rohantworten von APIs.

Bei 10 Schritten wird ein Basiskontext von 15.000 Token ohne Prompt-Caching zehnmal als Input berechnet.

Übersicht der Kontextquellen und Optimierungsmethoden

Schritt-für-Schritt-Anleitung: Baseline messen und Kosten senken

Nutzen Sie diesen Ansatz für messbare Einsparungen:

Schritt 1. Reproduzierbare Kontrollaufgabe festlegen

Wählen Sie ein realistisches Programmierszenario mit automatischer Prüfung (z. B. "Validierungsfunktion finden, Edge Case ergänzen, Tests ausführen"). Das Kriterium ist ein Exit-Code 0 bei pytest oder bun test.

Schritt 2. Baseline messen (Input, Output, Cache)

Führen Sie die Aufgabe mit der Standardkonfiguration aus und erfassen Sie:

• Anzahl der Ausführungsschritte (z. B. 10 Schritte);
• Gesamte Input-Token (z. B. 150.000 Token);
• Gesamte Output-Token (z. B. 2.500 Token);
• Gelesene Cache-Token;
• Gesamtkosten nach aktuellen Tarifen.

Bei einem Input-Preis von $3,00 pro 1M Token ohne Caching belaufen sich die Kosten für 150.000 Input-Token auf ca.$0,45 pro Durchlauf.

Aktuelle Preise für führende Modelle finden Sie mit Stand vom 2026-08-22 auf der offiziellen BetterToken Preisseite. Das BetterToken Dashboard bietet detaillierte Verbrauchsstatistiken pro Einzelschritt.

Schritt 3. Einzelne Kontextvariablen isoliert testen

Führen Sie Testläufe durch und ändern Sie jeweils nur einen Parameter:

• Experiment A (Tool-Filterung): Bereitstellung von nur 3 relevanten Tools statt 15 allgemeinen Tools (Einsparung von bis zu 8.000 Token pro Schritt).
• Experiment B (Ausgabenbegrenzung): Kürzung von Terminalausgaben auf die ersten 50 Fehlerzeilen statt 2.000 Zeilen Log.
• Experiment C (Prompt-Caching): Feste Strukturierung des System-Prompts am Anfang für Cache-Kosten von ca. $0,30 pro 1M gelesener Token.

Schritt 4. Wirtschaftlichkeit und Lösungsqualität bewerten

Vergleichen Sie die Ergebnisse mit der Baseline. Wenn die Testgenauigkeit stabil bleibt und das Input-Volumen um 40–60% sinkt, übernehmen Sie die Konfiguration.

Empfehlungen für Agentenarchitekturen

1. Spezialisierte Subagenten nutzen: Übergeben Sie dem Hauptkoordinator keine Ausführungstools, sondern delegieren Sie Recherche an Read-Only-Subagenten.
2. Statische Präfixe einhalten: Platzieren Sie unveränderliche Regeln ganz oben im Request, um Prompt-Caching optimal zu nutzen (bis zu 90% Rabatt auf Leseoperationen).
3. Schrittgrenzen (Max Iterations) setzen: Definieren Sie feste Obergrenzen für Schleifen, um Endlosschleifen bei Fehlern zu unterbinden.

Häufige Fehlerquellen

• Fehler: Zu starke Beschneidung von Schemas. Unvollständige Funktionsdefinitionen führen zu ungültigem JSON und teuren Wiederholungen.
• Fehler: Unreflektierte Übernahme fremder Benchmarks. Einsparungen hängen stark von der Repository-Größe und Dateistruktur ab.
• Fehler: Fehlende Verbrauchsmetriken. Nutzen Sie die BetterToken Dokumentation, um Token-Header korrekt auszuwerten.