Was ist TokenEconomizer?
TokenEconomizer ist ein Plugin, das Coding-Agenten in Repositorys, zu denen du immer wieder zurückkehrst, günstiger macht, ohne den Agenten oder das Modell zu ändern. Nach jeder abgeschlossenen Sitzung aktualisiert es drei Dinge: Micro-Skills (Fakten über das Repository, die Sitzungen immer wieder neu herausfinden, etwa dass python -m pytest nötig ist, weil pytest fehlt), eine Liste von Tools, die das Repository nie nutzt und die es über die Einstellungen des Agenten selbst entfernt, und einen Loop-Guard, der ein Judge-Modell fragt, ob ein wiederholt scheiternder Turn feststeckt, und ihn in diesem Fall einmal umlenkt.
Es unterstützt Claude Code, Codex, GitHub Copilot CLI und Pi, dazu experimentell Cursor, opencode und Hermes. Tool-Pruning und Loop-Guard sind standardmäßig an, Micro-Skills sind aus. Das Plugin braucht keinen eigenen API-Schlüssel: Seine Modellaufrufe laufen über die CLI deines Agenten mit deinem bestehenden Plan, und was es lernt, liegt in ~/.tokeneconomizer.
Dazu gehört das Paper TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents (arXiv 2610.22732) von Forschenden bei Microsoft Research, Microsoft Security und UC Berkeley. Es ist in Python nur mit der Standardbibliothek geschrieben, braucht Python 3.10 oder neuer und steht unter Apache-2.0. Version 0.1.0 erschien am 26. Oktober 2026.
Lohnt sich TokenEconomizer?
TokenEconomizer ist ein Kosten-Add-on für Coding-Agenten mit einer kontrollierten Studie dahinter, und die Studie stützt eine bescheidene, glaubwürdige Aussage: In einem Repository, zu dem du immer wieder zurückkehrst, muss der Agent nicht mehr für dieselben Fehler und für Tools bezahlen, die er nie aufruft. Das Paper ließ 277 SWE-Bench-Aufgaben aus 6 Repositorys der Reihe nach laufen, mit je drei Seeds, über fünf Kombinationen aus Agent und Modell. Es meldet 18,4 bis 30,9 % niedrigere mittlere, cache-bewusste Kosten als der unveränderte Agent, niedriger in allen 30 Zellen aus Repository und Kombination (um 5,2 bis 40,1 %), wobei die eigenen Modellaufrufe des Plugins der auslösenden Aufgabe angerechnet werden. Im selben Aufbau erhöhte RTK allein die Kosten in 12 dieser Zellen und Aiders RepoMap in 15.
Die Vorbehalte stehen im Paper selbst. Pass@1 stieg in 4 von 5 Kombinationen und fiel bei Claude Code mit Opus 4.8 um 1,0 Punkte; das Paper nennt Standardabweichungen über drei Seeds, aber keine Signifikanztests, und die meisten Unterschiede liegen bei ein oder zwei Punkten. Die Hyperparameter wurden in Entwicklungsläufen auf denselben sechs Repositorys festgelegt, die Aufgabenfolgen sind unabhängige Fixes statt echter Nutzersitzungen, und die Autoren sagen, dass interaktive Nutzung nicht getestet ist. Die Einsparungen brauchen auch Zeit: Jedes Repository außer xarray war anfangs teurer, und alle waren ab der sechsten Aufgabe günstiger.
Die ausgelieferten Standardeinstellungen sind nicht die Konfiguration hinter der Schlagzahl. Die 18,4 bis 30,9 % nutzen alle drei Mechanismen, das Plugin schaltet Micro-Skills aber standardmäßig ab. Bei Claude Code beziffert die Ablation des Papers Tool-Pruning allein auf 13,2 % (Sonnet 5) und 17,7 % (Opus 4.8), Micro-Skills allein auf 11,8 und 14,3 % und den Loop-Guard allein auf 7,1 und 5,4 %. Der einzige unabhängige Test, den wir gefunden haben, von yoDEV auf DEV Community vor dem Tag v0.1.0, passt dazu: Über 8 Bugfixes in einem kleinen Python-Repository, je Seite zweimal ausgeführt, entfernte das Pruning 284 Tools und senkte den Kontext pro Anfrage um 31 %, die Sitzungskosten fielen über nur 4 Sitzungen um 15 % ($0.72 auf $0.61), Micro-Skills wurden nie aktiv und der Loop-Guard griff nie ein.
Beim Umgang mit Daten steht es besser da als die meisten. Es gibt keinen zusätzlichen API-Schlüssel; Aufrufe für Judge, Umlenkung und Faktenvorschläge laufen über die CLI deines eigenen Agenten (claude -p, codex exec, copilot -p), bei Claude Code standardmäßig mit Haiku, und laut Doku erhält kein Aufruf Dateiinhalte oder deine Prompts. Der Judge sieht die letzten 24 Aktionen, Befehle auf 90 Zeichen gekürzt, höchstens etwa 1.500 Tokens. Der gelernte Zustand bleibt in ~/.tokeneconomizer, und die Doku erwähnt keine Telemetrie. Das Pruning schreibt allerdings Deny-Listen in Projektdateien wie .claude/settings.local.json, die über .git/info/exclude vor git verborgen werden.
Es ist ein frühes Forschungs-Release. Das Repository wurde am 13. Oktober 2026 angelegt und hat rund 4.800 Sterne und 16 offene Issues und Pull Requests, darunter ein Speicherleck unter Windows im Hook-Launcher (#144) und eine Race Condition im Loop-Guard, wenn Tools parallel laufen (#142). Getestet ist es gegen enge Versionsbereiche der Agenten, etwa Claude Code 2.1.300 bis 2.1.310; neuere Versionen sind ungetestet. Während RTK die Ausgabe von Befehlen komprimiert, ändert TokenEconomizer, was der Agent lädt und wiederholt, sodass sich beide ergänzen: Das beste Ergebnis des Papers mit Opus 4.8, 33,2 % niedrigere Kosten, kombinierte beide.
Wo es sich lohnt
Ein Backend-Entwickler mit API-Plan, der Claude Code täglich in einem Django-Monorepo nutzt
Nicht mehr für MCP-Tools und Konnektoren zahlen, die das Repository nie nutzt
Plugin installieren und die Standardeinstellungen lassen; nach einigen Sitzungen schreibt das Tool-Pruning eine Deny-Liste nach .claude/settings.local.json, nach etwa einer Stunde Leerlauf, damit ein warmer Prompt-Cache nicht verloren geht. Im kleinen Test von yoDEV entfernte das 284 Tools und senkte den Kontext pro Anfrage um 31 %; toolprune restore holt sie zurück.
Ein Engineering-Manager, der die Agentenkosten eines zehnköpfigen Teams mit Codex im Blick hat
Sehen, ob die Agentenkosten in den Haupt-Repositorys des Teams tatsächlich sinken
Jeder Entwickler installiert es; status und die ledger.jsonl pro Repository melden die Sitzungskosten einschließlich der eigenen Aufrufe des Plugins. Rechne damit, dass die ersten Sitzungen mehr kosten, und beurteile das Ergebnis nach einer Woche normaler Arbeit, nicht anhand der 18,4 bis 30,9 % aus dem Paper.
Ein Entwickler, dessen Agent immer wieder denselben fehlschlagenden Testbefehl ausführt
Lange Fehlerschleifen durchbrechen, ohne den Agenten von Hand zu stoppen
Nach 5 erfolgreichen Turns im Repository schickt der Loop-Guard einen festgefahren wirkenden Turn an einen Judge auf deinem Plan (bei Claude Code standardmäßig Haiku) und lenkt einmal um, wenn der Judge zu mindestens 0,7 sicher ist. Er stoppt nie selbst einen Turn; in Headless-Läufen läuft ein markierter Turn bis zu den eigenen Grenzen des Agenten weiter.
Bevor du dich festlegst
- Einrichtung
- Braucht Python 3.10 oder neuer. Repository klonen und den Klon an seinem Ort lassen, dann als Plugin-Marketplace hinzufügen und tokeneconomizer@tokeneconomizer installieren (Plugin-Befehle von claude, codex oder copilot); Pi installiert direkt aus git. Bei Claude Code und Copilot CLI einmal pro Rechner und nach Agenten-Updates toolprune refresh-catalog ausführen.
- Integrationen
- Getestet sind Claude Code 2.1.300 bis 2.1.310, Codex 0.153.1 bis 0.164.0, Copilot CLI 1.0.83 bis 1.0.102 und Pi 1.2.0 bis 1.3.0; Cursor, opencode und Hermes sind experimentell. Das Pruning entfernt bei Claude Code einzelne Tools, bei Codex Fähigkeitspakete und bei Copilot CLI ganze MCP-Server, bei den anderen nichts.
- Daten und Datenschutz
- Fakten, Tool-Belege, Schleifenverlauf, ein Kostenbuch und ein Fehlerlog bleiben in ~/.tokeneconomizer; wer den Ordner löscht, löscht, was es gelernt hat. Modellaufrufe laufen über die CLI deines Agenten und enthalten laut Doku nie Dateiinhalte oder deine Prompts. Keine Telemetrie dokumentiert. Apache-2.0.
- Kosten im großen Maßstab
- Das Plugin ist kostenlos; seine Judge- und Faktenvorschlags-Aufrufe gehen auf deinen Plan, und mit den Standardeinstellungen ruft es nur dann ein Modell auf, wenn ein Turn festgefahren wirkt. Eine gehostete oder kostenpflichtige Edition ist nicht veröffentlicht.
- Grenzen
- Einsparungen brauchen wiederholte Sitzungen in einem Repository und beginnen im Minus. Mit Copilot BYOK werden die Modellaufrufe des Plugins pausiert. Ein Plugin-Befehl im Agenten kostet einen Modell-Turn. 16 offene Issues und Pull Requests, darunter ein Speicherleck unter Windows und eine Race Condition bei parallelen Tools im Loop-Guard.
Was gut ist
- Einsparungen in einem Paper mit drei Seeds gemessen, eigene Aufrufe eingerechnet
- Kein zusätzlicher API-Schlüssel; Modellaufrufe laufen über die CLI deines Agenten
- Gelernter Zustand bleibt lokal in ~/.tokeneconomizer
- Jede Aktion ist umkehrbar, und ein fehlerhaftes Plugin lässt die Sitzung weiterlaufen
Was nicht
- Micro-Skills, Teil des Spitzenergebnisses, sind standardmäßig aus
- Kostet in einem neuen Repository bei den ersten Aufgaben mehr
- Hyperparameter auf denselben Repositorys abgestimmt, auf denen getestet wurde
- v0.1.0 mit offenen Windows- und Nebenläufigkeitsfehlern und engen getesteten Agentenversionen
Am besten für
Entwickler und Teams, die für Claude Code, Codex oder Copilot CLI pro Token zahlen und den Agenten Tag für Tag in denselben wenigen Repositorys einsetzen.
Alternativen zu TokenEconomizer
TokenEconomizer: häufige Fragen
- Lohnt sich TokenEconomizer?
- Ein Kostensenker mit einer echten Studie dahinter, der sich für Repositorys lohnt, in denen du täglich arbeitest, solange du von den ausgelieferten Standardeinstellungen weniger erwartest als die Schlagzahl des Papers. Wir bewerten es mit 3.8 von 5.
- Was kostet TokenEconomizer?
- Kostenlos unter der Apache-2.0-Lizenz; die eigenen Modellaufrufe werden über deinen bestehenden Agenten-Plan oder Schlüssel abgerechnet.
- Welche Nachteile hat TokenEconomizer?
- Micro-Skills, Teil des Spitzenergebnisses, sind standardmäßig aus; Kostet in einem neuen Repository bei den ersten Aufgaben mehr; Hyperparameter auf denselben Repositorys abgestimmt, auf denen getestet wurde; v0.1.0 mit offenen Windows- und Nebenläufigkeitsfehlern und engen getesteten Agentenversionen.
- Für wen eignet sich TokenEconomizer?
- Entwickler und Teams, die für Claude Code, Codex oder Copilot CLI pro Token zahlen und den Agenten Tag für Tag in denselben wenigen Repositorys einsetzen.
- Was kostet TokenEconomizer für ein Team oder im Produktivbetrieb?
- Das Plugin ist kostenlos; seine Judge- und Faktenvorschlags-Aufrufe gehen auf deinen Plan, und mit den Standardeinstellungen ruft es nur dann ein Modell auf, wenn ein Turn festgefahren wirkt. Eine gehostete oder kostenpflichtige Edition ist nicht veröffentlicht.
- Ist TokenEconomizer sicher für Firmendaten?
- Fakten, Tool-Belege, Schleifenverlauf, ein Kostenbuch und ein Fehlerlog bleiben in ~/.tokeneconomizer; wer den Ordner löscht, löscht, was es gelernt hat. Modellaufrufe laufen über die CLI deines Agenten und enthalten laut Doku nie Dateiinhalte oder deine Prompts. Keine Telemetrie dokumentiert. Apache-2.0.
- Was sind die besten Alternativen zu TokenEconomizer?
- Die nächsten Alternativen, die wir getestet haben, sind rtk (Rust Token Killer), context-mode und ccusage.
Antworten geprüft am 5. Nov. 2026.