Stell dir vor, du bekommst einen neuen Kollegen in deinem Team. Du übergibst ihm ein Handbuch, das aus früheren Jahren stammt: lang, voller überflüssiger Regeln, und ein paar Anweisungen widersprechen sich sogar. Was wird passieren? Er orientiert sich an den veralteten Details, statt sich auf die eigentliche Arbeit zu konzentrieren. Genauso geht es KI-Agenten, wenn ihr „Einarbeitungshandbuch“ – also der System-Prompt und die Tool-Beschreibungen – nicht zur aktuellen Modellgeneration passt. Das LangChain-Team hat daraus die Konsequenz gezogen und Deep Agents in Version 0.7 veröffentlicht. Die zentrale Botschaft: weniger Basis-Input-Tokens, gleiche Leistung, mehr Konfigurierbarkeit.
Doch was bedeutet das konkret? Wer mit KI-Agenten arbeitet, weiß: Ein Modell ist nur so gut wie der Kontext, den es bekommt. Und dieser Kontext entsteht fast vollständig durch den Prompt, den der Harness – also das Rahmenwerk, das den Agenten steuert – zusammenbaut. Der Harness entscheidet, welche Anweisungen, Tool-Beschreibungen und Middleware-Komponenten am Ende im Kontext landen. Lange Zeit galt: Je mehr geschickte Prompt-Formulierungen, desto besser. OpenAI, Anthropic und Google veröffentlichen regelmäßig ihre eigenen Prompting-Guides und haben sie mehrfach überarbeitet, weil die Modelle immer leistungsfähiger wurden. Ein Harness, der nicht mitzieht, schleppt dann Formulierungen mit sich herum, die das Modell längst überholt hat. Genau das hat das LangChain-Team beobachtet.
Die Lösung heißt Kontext-Engineering. Anthropic hat vor Kurzem einen aktualisierten Leitfaden dazu veröffentlicht. Dabei zeigte sich ein bemerkenswerter Effekt: Bei Modellen wie Opus 5 und Fable 5 konnte der System-Prompt von Claude Code um über 80 Prozent gekürzt werden, ohne dass die Ergebnisse bei den Coding-Evals nachließen. Zwei zentrale Erkenntnisse daraus sind auch in Deep Agents v0.7 eingeflossen. Erstens: Gut formulierte Tool-Schemas lehren die Bedienung besser als früher beliebte Few-Shot-Beispiele. Solche Beispiele schränken die Erkundung des Modells eher ein, als dass sie helfen. Zweitens: Wiederholungen bringen nichts. Wenn eine Anweisung sowohl im System-Prompt als auch in der Tool-Beschreibung steht, verstärkt sie das nicht – es verschwendet nur Tokens. Diese Einsichten mag man für banal halten, aber sie führen zu einer der größten strukturellen Änderungen in Deep Agents seit Langem: Der Basis-Harness ist um 65 Prozent schlanker geworden.
So wurde der Harness abgespeckt
Das Team hat eine klare Hypothese aufgestellt: Wenn man unnötige Tokens aus dem Basis-Input-Prompt entfernt, steigt die Token- und Kosteneffizienz, während die Leistung stabil bleibt. Um das zu testen, haben sie drei Änderungen vorgenommen. Zuerst wurde der System-Prompt entfernt, der bisher im Hintergrund von Deep Agents verwendet wurde. Er enthielt allgemeine Richtlinien und ausführliche Tool-Erklärungen. Zweitens wurden die Beschreibungen der eingebauten Tools um 43 Prozent gekürzt. Drittens ist die TodoList-Middleware jetzt optional: Der Befehl create_deep_agent aktiviert sie nicht mehr standardmäßig. Die Evals zeigten, dass der Planungs-Prompt und das Tool write_todos keine signifikante Leistungsverbesserung brachten. Zusammengenommen reduzieren diese Änderungen die Basis-Input-Tokens bei einem Standard-Agenten von etwa 6.000 auf rund 2.000 Tokens – also um 65 Prozent. Unter Basis-Input-Tokens versteht man die Tokens, die durch den eingebauten Prompt, die Tools und die Middleware entstehen, bevor irgendeine echte Aufgabe überhaupt beginnt.
Man kann sich das so vorstellen wie den Motor eines Autos. Wenn du einen V8-Motor einbaust, der aber ständig falsches Öl bekommt, verbraucht er unnötig Sprit. Entfernst du das falsche Öl und stellst die Zündung richtig ein, leistet der Motor dasselbe – mit weniger Verbrauch. Genau das ist hier passiert. Die Modelle sind inzwischen so gut, dass sie keine ausführlichen, redundanten Anweisungen mehr brauchen, um zu verstehen, wie ein Agent arbeiten soll. Sie brauchen klare und knappe Werkzeuge, keine predigenden Texte.
Wie die Änderungen validiert wurden
Natürlich reicht es nicht, einfach etwas zu streichen. Das LangChain-Team hat eine neue Eval-Suite aufgebaut, die sich auf drei Kategorien von Benchmarks stützt. Autonome Aufgaben umfassen End-to-End-Arbeiten wie Code-Erstellung oder Datenanalyse. Konversationsaufgaben testen mehrstufige Dialoge mit einem simulierten Benutzer. Und Langzeitkontext-Aufgaben verlangen das Auffinden und Verarbeiten von Informationen aus langen Kontexten. Diese drei Kategorien bilden ab, wofür Deep Agents in der Praxis eingesetzt wird: als automatischer Code-Assistent, als Chat-Bot mit Werkzeugen und als Recherche-Werkzeug für große Dokumente.
Dabei haben sie den neuen v0.7-Harness gegen den alten v0.6.12 über eine Matrix aus allen drei Eval-Kategorien und vier verschiedenen Modellen laufen lassen: gpt-5.6-luna, gemini-3.6-flash, claude-sonnet-4-6 und claude-opus-4-8. Das Ergebnis: Die Rewards, also die Bewertungsmetriken für die Qualität der Agentenleistung, blieben insgesamt stabil. Gleichzeitig sanken die Token-Kosten meist. Besonders deutlich war der Rückgang bei gpt-5.6-luna: 34 Prozent weniger Tokens und 15 Prozent weniger Kosten, bei sogar 4 Prozent höherem Reward. Eine Ausnahme gab es: claude-sonnet-4-6 verzeichnete eine höhere Kostenbelastung, was die Analyse von LangSmith-Traces auf zwei besonders schwierige autonome Aufgaben zurückführte. Solche Ausreißer sind typisch, wenn man mit kleinen Benchmark-Sets arbeitet.
Wichtig ist die statistische Einordnung: Die Konfidenzintervalle der Rewards überlappen bei allen Modellen die Null, das heißt, die Leistungsänderung ist nicht signifikant. Bei den Tokens hingegen sehen die Forscher bei Luna und Opus einen statistisch klaren Rückgang, und Luna zeigt auch einen klaren Kostenvorteil. Womit wir beim Kern der Sache wären: Die Effizienzsteigerung ist messbar, das Risiko von Leistungseinbußen ist statistisch nicht nachweisbar. Das ist genau das, was man sich von einem Refactoring wünscht.
Der Status der Todo-Listen
Eine der auffälligsten Änderungen ist, dass die Todo-Listen nicht mehr automatisch aktiv sind. TodoListMiddleware ist jetzt opt-in. Die Evals über drei Kategorien und drei Modelle zeigten leicht bessere Rewards und niedrigere Kosten, wenn die Todo-Listen deaktiviert sind. Also haben die Entwickler das write_todos-Werkzeug aus dem Basis-Harness entfernt. Das klingt radikal, ist aber nachvollziehbar: Kleinere Modelle profitieren vielleicht davon, wenn sie einen expliziten Plan führen müssen, um nichts zu vergessen. Leistungsfähige Modelle erzeugen durch diese zusätzlichen Schritte aber eher unnötige Tokens und lenken sich selbst von der eigentlichen Aufgabe ab.
Dennoch gibt es drei Szenarien, in denen die Todo-Listen weiterhin sinnvoll sind. Erstens bei langen, mehrstufigen Aufgaben, in denen ein Agent über viele Runden hinweg einen klaren Plan braucht, um nicht den Faden zu verlieren. Zweitens bei weniger leistungsfähigen Modellen, die mehr Gerüst benötigen, um ein Problem sauber zu Ende zu arbeiten. Und drittens bei Benutzeroberflächen, wo ein sichtbarer Plan und Fortschritt fast genauso wichtig sind wie die eigentliche Ausführung. Für alle, die in einem dieser Szenarien stecken, ist das Aktivieren eine Zeile Code: middleware=[TodoListMiddleware()]. Die Entwickler appellieren damit an die Vernunft, nicht an die Mode: Wer die Funktion braucht, stellt sie ein; wer sie nicht braucht, spart Tokens.
Mehr Konfigurierbarkeit als oberstes Gebot
Die größte Bitte der Deep-Agents-Nutzer in den letzten sechs Monaten war nicht eine neue Funktion, sondern mehr Kontrolle. Sie wollten die FilesystemMiddleware übersteuern, die Schwellenwerte der SummarizationMiddleware anpassen und den Basis-Prompt global verändern. Bisher scheiterten alle Versuche an einer fehlenden Schnittstelle: Es gab keinen unterstützten Weg, den Standard-Harness anzupassen. In v0.7 ändert sich das gleich auf zwei Arten.
Erstens haben Nutzer die volle Kontrolle über ihre eigenen Prompts. Das Entfernen der versteckten Standard-Prompts hat einen angenehmen Nebeneffekt: Eigene Prompts werden wirkungsvoller, weil kein unsichtbarer Basis-Prompt mehr darunterliegt, der aufbläht oder im schlimmsten Fall sogar widerspricht. Zweitens ist das Übersteuern der Middleware jetzt erstklassig unterstützt. Wenn man eine Middleware-Instanz mit dem gleichen Namen wie eine Standard-Middleware übergibt, ersetzt sie diese – zusätzliche Fehlermeldung gibt es nicht mehr. Ein Power-User beschrieb es treffend: „Früher mussten wir ein paar Tricks anwenden, um Standard-Middleware zu entfernen. Dass wir sie jetzt einfach übersteuern können, ist eine sehr willkommene Ergänzung.“
Ein gutes Beispiel ist die SummarizationMiddleware. In der Voreinstellung greift sie, sobald ein Gespräch 85 Prozent des Kontextfensters erreicht, mit einem generischen Zusammenfassungs-Prompt. Für viele Anwendungen ist das zu starr. Manche Applikationen brauchen eine spezifischere Zusammenfassung, andere wollen früher eingreifen, um dem sogenannten „Dumb-Zone-Effekt“ vorzubeugen – der Zone, in der das Modell trotz noch offenem Kontextfenster schlechter wird, weil die relevanten Informationen in der Masse untergehen. Jetzt können Entwickler eine eigene Summarization-Middleware einbauen. Das gleiche Muster funktioniert für jede Standard-Komponente, etwa für die TTL-Werte des Prompt-Cachings. So entsteht ein Baukasten, den sich viele gewünscht haben.
Dateisystem-Optimierungen
Das Dateisystem ist das zentrale Kontext-Management von Deep Agents. Es ist die Umgebung, über die der Agent Zustand liest, schreibt und navigiert. Die Optimierungen in v0.7 stammen aus derselben Eval-Suite sowie aus Trajektorien-Analysen echter dcode-Nutzung – mit offenen und geschlossenen Modellen. Die Neuerungen sind praxisnah: write_file überschreibt jetzt eine bestehende Datei statt einen Fehler zu werfen. read_file gibt bei paginiertem Lesen die Gesamtzahl der Zeilen, die noch verbleibenden Zeilen und den nächsten Offset zurück. grep und glob liefern Teilergebnisse mit einem truncated-Flag, statt auf großen Verzeichnisbäumen hängen zu bleiben. Das grep-Tool hat außerdem eine Obergrenze von 1.000 Treffern, gestreamte Ausgabe und optionale Kontextzeilen. Diese Änderungen klingen unspektakulär, sind aber für reale Arbeit entscheidend: Agenten müssen robust auf großen Codebasen arbeiten, nicht nur in Spielzeug-Projekten.
Was sich konkret ändert – Breaking Changes
Mit der neuen Version kommen auch ein paar bewusste Bruchstellen. Die TodoListMiddleware ist nicht mehr standardmäßig aktiv – das ist die wichtigste. Wer sie braucht, aktiviert sie einfach. Zweitens wurde der Support für Backend-Factories entfernt, der bereits in v0.5 abgekündigt war; stattBackendProtocol-Instanzen sind jetzt die Norm. Andere Dateiformat- und Backend-Protokoll-Deprecations aus v0.5 sind ebenfalls entfernt. Drittens wurde das delete-Tool zur Standard-Liste der Dateisystem-Tools hinzugefügt. Das FilesystemMiddleware akzeptiert eine Tool-Auswahlliste, sodass man das Löschen deaktivieren kann, wenn man das Sicherheitsrisiko vermeiden will. Wer eine Migration plant, findet alle Details im Changelog – inklusive Notizen und einem Upgrade-Prompt für Coding-Agenten. Viele Projekte pflegen ein solches Prompt, um Agenten bei Versionswechseln zu helfen.
Was bedeutet das alles für dich? Wenn du Deep Agents einsetzt, wird dein nächster Upgrade-Schritt wahrscheinlich wehtun – aber nur kurz. Die entfernteren Kompatibilitätsschichten sind kein Verlust, sondern eine Einladung, den eigenen Stack zu modernisieren. Und wenn du ohnehin mit vielen Agenten arbeitest, sind 65 Prozent weniger Basis-Tokens ein Unterschied, der sich in der Kostenrechnung bemerkbar macht. Stell dir vor, du betreibst eine Plattform mit Millionen von Agent-Aufrufen pro Tag. Die Einsparungen sind enorm.
Die Botschaft der Release ist klar: Kontext-Engineering ist die neue Königsdisziplin. Ein Modell wird nicht durch möglichst viele Prompt-Tokens besser, sondern durch die richtigen – und durch die Fähigkeit, die Struktur an das jeweilige Modell anzupassen. Deep Agents v0.7 zeigt, wie ein schlanker, konfigurierbarer Harness aussieht. Kein Wunder, dass die Entwickler bei der Validierung weniger auf neue Features als auf vergleichbare Leistung und geringere Kosten geachtet haben. In einer Zeit, in der jeder Token zählt, ist das die richtige Priorität.
Klar ist aber auch: Es gibt keine Universallösung. Die Entscheidung, Todos abzuschalten, mag für moderne Hochleistungsmodelle richtig sein. Für ältere oder kleinere Modelle kann es dennoch weiterhin helfen, einen expliziten Plan zu führen. Das Schöne an Deep Agents v0.7 ist, dass diese Entscheidung jetzt beim Entwickler liegt, nicht im Rahmenwerk. Mehr Konfigurierbarkeit bedeutet mehr Verantwortung – und genau das zeichnet eine reife Software aus. Wenn du dir also die Frage stellst, wie viel Prompt ein Agent wirklich braucht, lautet die Antwort aus dieser Version: Weniger, als du denkst – aber mit der Freiheit, genau das nachzujustieren. Das ist geerdete, ehrliche Ingenieursarbeit.
Quelle: langchain.com
