
Anthropic Claude Cookbook: Praktische Guides für Agents, Tools und Evals
Das Claude Cookbook ist Anthropics offizielle Sammlung praxisorientierter Recipes für Entwickler, die mit der Claude-API und den zugehörigen SDKs arbeiten. Ein Schwerpunkt liegt auf den im Juli 2026 veröffentlichten Managed-Agents-Rezepten, die von CJ Avilla verfasst wurden und Themen wie Budget-Caps auf Session-Ebene, Advisor-Muster (stärkeres Modell wird mid-turn konsultiert), Data-Residency-Pinning per model.inference_geo sowie automatische Skill-Discovery aus .claude/skills-Verzeichnissen abdecken. Darüber hinaus dokumentiert das Cookbook Multi-Agenten-Koordinationsmuster: Das „Coordinator Pattern" beschreibt, wie ein teures Frontier-Modell plant und synthetisiert, während günstigere Worker-Modelle parallele, token-intensive Webrecherchen übernehmen – mit per-Thread-Kostenmetering via usage.list_cost. Für Retrieval-Szenarien zeigt ein Rezept vier Abfragemuster mit MongoDB Atlas (Vector Search, Full-Text, Reciprocal Rank Fusion, $graphLookup) in Kombination mit einem Human-in-the-Loop-Fraud-Review-Agent. Ein Evals-Rezept erklärt, wie sich Anthropics eigene Benchmark-Scores auf DeepSearchQA und BrowseComp im Messages API reproduzieren lassen, inklusive programmatischem Tool Calling und serverseitiger Kompaktierung. Deployment-Varianten reichen laut Cookbook von Docker über Modal bis Kubernetes, jeweils mit identischem Container-Image. Insgesamt richten sich die Recipes an Teams, die Produktionssysteme auf Basis von Claude aufbauen, und legen Wert auf nachvollziehbare Kostenattribution und Observability.
- Advisor-Pattern: Ein mid-tier Working-Modell kann innerhalb eines Turns ein stärkeres Modell konsultieren; Kosten werden über den advisor thread's usage separat erfasst.
- Budget-Rezept: Session-Ausgaben werden via session.usage-Events verfolgt; bei budget_reached lässt sich die Obergrenze per sessions.update erhöhen, senken oder entfernen.
- Coordinator-Pattern-Rezept enthält reale Kostenabrechnungen und vergleicht Zwei-Modell-Team-Ökonomie gegen einen Solo-Frontier-Kontrollauf mit identischer Antwortqualität.
- MongoDB-Atlas-Rezept von Mohammad Daoud Farooqi zeigt drei credential-sichere Verbindungswege und speichert Fraud-Review-Entscheidungen plus Audit-Trail im selben Cluster.
- Classifier-Fallback-Rezept für Claude Fable 5: Bei Safety-Classifier-Blockierung automatischer Fallback auf Opus 4.8, mit Hinweis auf geänderte Billing-Regeln beim Fallback.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHplatform.claude.com0mo
Anthropic veröffentlicht Release Notes für Claude System Prompts
- MEINUNGtowardsdatascience.com11h
Single Model vs. Agent-Team: Entscheidungshilfe für KI-intensive Aufgaben
- MEINUNGtowardsdatascience.com2w
Methodik: 100+ Coding-Tasks täglich mit Claude Code Sub-Agents lösen
- MEINUNGtowardsdatascience.com2w
8 Tipps für effektive Agent-Instructions in Agentic AI

Anthropic Claude Cookbook: Praktische Guides für Agents, Tools und Evals
Das Claude Cookbook ist Anthropics offizielle Sammlung praxisorientierter Recipes für Entwickler, die mit der Claude-API und den zugehörigen SDKs arbeiten. Ein Schwerpunkt liegt auf den im Juli 2026 veröffentlichten Managed-Agents-Rezepten, die von CJ Avilla verfasst wurden und Themen wie Budget-Caps auf Session-Ebene, Advisor-Muster (stärkeres Modell wird mid-turn konsultiert), Data-Residency-Pinning per model.inference_geo sowie automatische Skill-Discovery aus .claude/skills-Verzeichnissen abdecken. Darüber hinaus dokumentiert das Cookbook Multi-Agenten-Koordinationsmuster: Das „Coordinator Pattern" beschreibt, wie ein teures Frontier-Modell plant und synthetisiert, während günstigere Worker-Modelle parallele, token-intensive Webrecherchen übernehmen – mit per-Thread-Kostenmetering via usage.list_cost. Für Retrieval-Szenarien zeigt ein Rezept vier Abfragemuster mit MongoDB Atlas (Vector Search, Full-Text, Reciprocal Rank Fusion, $graphLookup) in Kombination mit einem Human-in-the-Loop-Fraud-Review-Agent. Ein Evals-Rezept erklärt, wie sich Anthropics eigene Benchmark-Scores auf DeepSearchQA und BrowseComp im Messages API reproduzieren lassen, inklusive programmatischem Tool Calling und serverseitiger Kompaktierung. Deployment-Varianten reichen laut Cookbook von Docker über Modal bis Kubernetes, jeweils mit identischem Container-Image. Insgesamt richten sich die Recipes an Teams, die Produktionssysteme auf Basis von Claude aufbauen, und legen Wert auf nachvollziehbare Kostenattribution und Observability.
- Advisor-Pattern: Ein mid-tier Working-Modell kann innerhalb eines Turns ein stärkeres Modell konsultieren; Kosten werden über den advisor thread's usage separat erfasst.
- Budget-Rezept: Session-Ausgaben werden via session.usage-Events verfolgt; bei budget_reached lässt sich die Obergrenze per sessions.update erhöhen, senken oder entfernen.
- Coordinator-Pattern-Rezept enthält reale Kostenabrechnungen und vergleicht Zwei-Modell-Team-Ökonomie gegen einen Solo-Frontier-Kontrollauf mit identischer Antwortqualität.
- MongoDB-Atlas-Rezept von Mohammad Daoud Farooqi zeigt drei credential-sichere Verbindungswege und speichert Fraud-Review-Entscheidungen plus Audit-Trail im selben Cluster.
- Classifier-Fallback-Rezept für Claude Fable 5: Bei Safety-Classifier-Blockierung automatischer Fallback auf Opus 4.8, mit Hinweis auf geänderte Billing-Regeln beim Fallback.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHplatform.claude.com0mo
Anthropic veröffentlicht Release Notes für Claude System Prompts
- MEINUNGtowardsdatascience.com11h
Single Model vs. Agent-Team: Entscheidungshilfe für KI-intensive Aufgaben
- MEINUNGtowardsdatascience.com2w
Methodik: 100+ Coding-Tasks täglich mit Claude Code Sub-Agents lösen
- MEINUNGtowardsdatascience.com2w
8 Tipps für effektive Agent-Instructions in Agentic AI