Wie wir einen wöchentlichen Changelog-Agent mit Quire MCP und Claude Managed Agents gebaut haben

Zuletzt aktualisiert: 25. Mai 2026

TL;DR: Wir haben unser Montags-Rückblicksmeeting durch einen Claude Managed Agent ersetzt, der unser Dev_Changelog-Quire-Projekt über Quire MCP liest, die abgeschlossene Arbeit der letzten sieben Tage nach Tag gruppiert und einen kundenverständlichen Wochenbericht als neues Quire-Dokument schreibt. Die Laufzeit liegt unter 30 Sekunden auf Haiku 4.5. Der größte nicht offensichtliche Gewinn war aggressives Tool-Filtering, das die Input-Tokens pro Lauf von ~82.000 auf ~12.000 senkte und den Job ohne API-Upgrade innerhalb der Tier-1-Rate-Limits hielt.

Es ist Montag, 9:04 Uhr. Jemand im Team-Channel fragt: „Hey, schneller Rückblick: Was wurde letzte Woche ausgeliefert?" Drei Leute öffnen ihre Tabs, scrollen durchs Kanban-Board, versuchen sich zu erinnern, welche der vierzig geschlossenen Aufgaben tatsächlich relevant waren, und kommen zwanzig Minuten später mit zwei Bullet Points und einem Schulterzucken zurück. Das Rückblicksmeeting, das zehn Minuten dauern sollte, zieht sich auf vierzig. Bis Dienstag hat jeder vergessen, was darin stand.

Wir haben diese Schleife ersetzt. Wir haben einen Agenten auf Quire MCP und Claude Managed Agents gebaut, der jeden Montagmorgen unser Dev_Changelog-Projekt liest, alles findet, was in den letzten sieben Tagen abgeschlossen wurde, es nach Team gruppiert, die Entwickler-Kurzschrift in etwas übersetzt, das ein Kunde lesen kann, und den gesamten Bericht in ein frisches Quire-Dokument schreibt. Gesamtlaufzeit: unter dreißig Sekunden. Laufender Wartungsaufwand: null.

Dieser Beitrag ist der vollständige Build – inklusive der drei Dinge, die unterwegs schiefgingen, und wie wir sie behoben haben. Wenn du je einen KI-Agenten haben wolltest, der echte Arbeit an deinen Projektdaten erledigt, statt nur darüber zu plaudern, ist das ein funktionierendes Rezept.

Was der Agent tatsächlich produziert

Jeden Montag um 9 Uhr Pacific Time wacht eine Claude-Session auf, fragt Quire ab und erstellt in unserem Dev_Changelog-Projekt ein neues Dokument mit dem Titel Weekly Brief: May 15 to May 21, 2026. Das Dokument hat fünf Abschnitte, in dieser Reihenfolge:

• Highlights mit den drei wichtigsten Punkten nach Nutzerwirkung
• Features Shipped mit jeder neuen Funktion, übersetzt in einen nutzerorientierten Nutzen
• Bugs Fixed mit der Beschreibung, was der Nutzer vor dem Fix erlebt hat
• Design Updates mit Fokus darauf, was sich sichtbar verändert hat
• Social and Marketing inklusive Engagement-Zahlen, wo die Aufgabenbeschreibung sie enthielt

Leere Abschnitte werden stillschweigend übersprungen. Am Ende gibt es eine einzeilige Zusammenfassung mit Zählern. Das Ganze umfasst etwa 400 Wörter und liest sich eher wie ein interner Digest als ein Marketing-Changelog – genau das verlangt nämlich auch der System-Prompt.

Sieh dir die Live-Beispiele an: Der Agent liest aus dem gefilterten Dev_Changelog-Quellprojekt, und das Weekly Brief: May 15 to May 21, 2026 ist das tatsächlich erzeugte Dokument.

Das Team liest ihn im Standup in zwei Minuten. Niemand muss ihn schreiben. Niemand muss daran denken.

Was dir Quire MCP und Claude Managed Agents geben

Quire MCP ist ein Model-Context-Protocol-Server, gehostet unter https://mcp.quire.app/mcp. Er stellt die Quire API als Satz standardisierter Tools bereit, die jeder MCP-kompatible Client aufrufen kann. Es gibt etwa fünfundneunzig davon, die alles von search_tasks über create_document bis bulk_create_tasks abdecken. Der Agent muss nicht wissen, wie die REST API von Quire aufgebaut ist. Er sieht einfach einen Tool-Katalog und ruft das auf, was er braucht.

Claude Managed Agents ist Anthropics gehostete Laufzeitumgebung für autonome Agenten. Du definierst einen Agenten (Modell + System-Prompt + Tool-Konfiguration), eine Umgebung (Sandbox-Container mit Netzwerkrichtlinien) und erstellst Sessions, die die eigentliche Arbeit machen. Anthropic kümmert sich um Sandboxing, Credential-Proxy, Execution-Loop und Audit-Log. Nichts davon ist Code, den du schreiben musst.

Die Kombination macht den Unterschied, weil jedes Stück für sich genommen nur Klempnerarbeit ist. Quire MCP ohne Agent ist ein Tool-Katalog, den niemand aufruft. Claude Managed Agents ohne domänenspezifisches MCP ist eine Sandbox, die nichts zu tun hat. Stöpsel die beiden zusammen, und du bekommst einen Agenten, der echte Aktionen gegen echte Produktivdaten durchführt – mit ordentlicher Auth und Sandboxing eingebaut.

Nicht auf Claude Managed Agents unterwegs? Quire MCP funktioniert auch mit Open Claw, dem Open-Source-MCP-Client. Gleicher Tool-Katalog, gleicher OAuth-Flow, gleiche Workflows, auf denen du aufbauen kannst. Nimm die Laufzeit, die zu deinem Stack passt.

Warum das wichtig ist: Die meisten PM-Tools liefern noch keinen öffentlichen MCP-Server aus. Asana, Monday und ClickUp bieten REST APIs, aber kein MCP – du müsstest sie also selbst umhüllen und die Auth handhaben. Notion hat MCP, aber dessen Tool-Oberfläche ist auf Dokumente und Seiten ausgelegt, nicht auf die Aufgabe-und-Unteraufgabe-Struktur, die Projektautomatisierung tatsächlich braucht. Quire MCP ist um die Arbeitseinheiten (Aufgaben, Unteraufgaben, Status, Tags, Unterlisten) herum gebaut, mit denen ein Agent operiert – deshalb war dieser Build ein Nachmittag und kein Quartal.

Der Build, Schritt für Schritt

Das gesamte Setup dauerte etwa eine Stunde, wobei das meiste davon damit verbracht wurde, gegen eine Config-Falle anzukämpfen, auf die ich gleich noch zu sprechen komme. Hier das eigentliche Rezept.

1. Die Agenten-Definition

Der Agent ist eine einzige YAML-Datei. Der System-Prompt ist der wichtigste Teil, weil er aus einer generischen Claude-Session einen Changelog-Schreiber macht:

name: Dev Changelog Writer
model:
  id: claude-haiku-4-5
  speed: standard
system: |-
  You are the weekly changelog writer for the Quire project
  "Dev_Changelog" (https://quire.io/w/Dev_Changelog).
  When invoked:
  1. Use the Quire MCP to search Dev_Changelog for tasks where status
     is completed and the `toggled` timestamp falls within the last 7
     days. Pull name, description, priority, tags, and subtasks.
  2. Group results by tag: feature, bugfix, design, social. Within
     each group, sort by priority (urgent, high, medium, low).
  3. Translate each task from internal dev shorthand into plain
     language a customer would understand. Features: lead with the
     user-facing benefit. Bugfixes: lead with what the user was
     experiencing. Design: describe what visibly changed. Social:
     include engagement numbers if mentioned.
  4. Create a new document in Dev_Changelog using `create_document`.
     Title: "Weekly Brief: [start date] to [end date]". Sections:
     Highlights, Features Shipped, Bugs Fixed, Design Updates,
     Social and Marketing, plus a footer with item counts.
  5. If zero completed tasks are found, do not create a document.
mcp_servers:
  - name: quire
    type: url
    url: https://mcp.quire.app/mcp

Wir haben Haiku 4.5 gewählt, weil die Arbeit nicht reasoning-lastig ist. Der Agent gruppiert, filtert und formatiert – das schafft Haiku problemlos, bei rund einem Zehntel der Per-Token-Kosten von Sonnet und mit deutlich höheren Rate-Limits. Für einen unbeaufsichtigten Wochenlauf zählt dieser Rate-Limit-Spielraum mehr als der marginale Gewinn beim Reasoning.

2. Tool-Filtering, wo das wahre Geld liegt

Wenn du den Quire MCP-Server an einen Agenten anhängst, werden standardmäßig alle fünfundneunzig Tool-Definitionen bei jedem Modellaufruf in den Kontext geladen. Das sind eine Menge Tokens, und die meisten davon sind sinnlos, wenn dein Agent nur Aufgaben lesen und ein Dokument erstellen muss.

Filtere kompromisslos:

tools:
  - mcp_server_name: quire
    type: mcp_toolset
    default_config:
      enabled: false
      permission_policy:
        type: always_allow
    configs:
      - name: search_tasks
        enabled: true
      - name: create_document
        enabled: true
      - name: list_tags
        enabled: true
      - name: resolve_quire_url
        enabled: true

default_config.enabled: false bedeutet „standardmäßig nichts aktiv", und der configs-Block aktiviert gezielt die vier Tools, die der Agent tatsächlich nutzt. Diese einzelne Änderung hat unsere Input-Tokens pro Lauf von rund 82.000 auf unter 12.000 gedrückt – und damit bequem unter das Tier-1-Rate-Limit. (Mehr dazu unten in den Kriegsgeschichten.)

Es gibt auch einen Sicherheitsvorteil. Wenn nur search_tasks, create_document, list_tags und resolve_quire_url aktiviert sind, kann der Agent buchstäblich keine vorhandenen Daten löschen, archivieren oder ändern – selbst dann nicht, wenn ein Prompt-Injection-Versuch das probieren würde. Das Quire-Tool bulk_delete_tasks ist nicht in seinem Toolkit, also kann das Modell es nicht aufrufen.

3. Die Umgebung

Managed Agents führt jede Session in einer gVisor-Sandbox mit einer Netzwerkrichtlinie aus, die du kontrollierst. Der Standard ist „Limited" ohne externen Netzwerkzugriff, was deinen Agenten daran hindert, Quire MCP zu erreichen. Die sauberste Lösung ist das Prinzip der minimalen Rechte: Lass den Typ auf Limited und erlaube explizit nur den einen Hostnamen, den du brauchst.

In der Claude-Konsole: Manage Environments → deine Umgebung → Networking → Allow MCP server network access aktivieren → mcp.quire.app zu Allowed hosts hinzufügen. Lass den Paketmanager-Netzwerkzugriff deaktiviert, denn dieser Agent installiert nichts.

4. Der Credential Vault

Quire authentifiziert über OAuth. In Managed Agents liegen OAuth-Tokens in einem Credential Vault, der außerhalb der Sandbox sitzt. Wenn der Agent Quire MCP aufruft, injiziert ein Credential-Proxy den Token serverseitig. Das Modell selbst sieht den Token nie, was bedeutet, dass eine erfolgreiche Prompt Injection ihn nicht exfiltrieren kann.

Erstelle einen Vault, klicke auf Add credential, richte ihn auf https://mcp.quire.app/mcp aus, wähle OAuth als Typ und führe den Autorisierungsfluss aus. Sobald die Credential als Active angezeigt wird, ist der Vault einsatzbereit.

5. Scheduling

Managed-Agents-Sessions sind einmalig. Sie wiederholen sich nicht automatisch. Damit der Agent jeden Montag läuft, richte einen beliebigen Scheduler auf den sessions.create-API-Endpunkt mit dem Cron-Ausdruck 0 9 * * 1. Wir verwenden einen einfachen Cloudflare Workers Cron Trigger, der einmal pro Woche die Anthropic API aufruft, aber GitHub Actions auf einem Schedule funktioniert genauso gut, ebenso jede Cloud-Function-Plattform.

Was kaputtging und wie wir es gemerkt haben

Drei Dinge liefen auf dem Weg zu einem sauberen Wochenlauf schief. Sie sind es wert, genannt zu werden, weil du, wenn du etwas Ähnliches baust, mindestens auf eines davon stoßen wirst.

Falsche MCP-URL. Quires Produkt wird unter quire.io gehostet, aber der MCP-Server liegt auf quire.app. Wir hatten alles (Agent, erlaubte Hosts der Umgebung, Credential Vault) auf mcp.quire.io/mcp gerichtet und bekamen einen verwirrenden OAuth-Fehler, und nachdem wir den überwunden hatten, einen HTTP 502 vom Upstream. Die Lösung ist banal, aber erwähnenswert: Jeder Verweis auf das MCP muss mcp.quire.app verwenden, nicht quire.io. Wenn auch nur eine der drei Stellen den falschen Host hat, schlägt der Lauf fehl.

Aufgeblähtes Agenten-Toolset. Anthropics Standard-agent_toolset_20260401 liefert jedes Allzweck-Tool (bash, Dateioperationen, Web-Suche, Code-Ausführung) in den Kontext. Unser Agent braucht keines davon. Den Standard-Toolset zusätzlich zum Quire MCP-Server aktiv zu lassen, schob unsere Input-Tokens pro Modellaufruf über 80.000, und wir stießen sofort gegen das Tier-1-Rate-Limit. Das Entfernen des Standard-Toolsets und das Filtern der Quire-Tools (wie oben gezeigt) brachte es auf etwa 12.000 herunter. Die Lehre: Jedes Tool im Kontext deines Agenten ist eine Steuer, selbst wenn der Agent es nie aufruft.

Rate-Limit-Panik. Bevor wir das Bloat-Problem herausgefunden hatten, war die natürliche Reaktion: „Wir müssen die API-Stufe upgraden." Tier-Upgrades kosten Geld. Das eigentliche Problem war, dass der Agent 70.000 Tokens an Tool-Definitionen lud, die er nie nutzen würde. Prüfe immer, was in deinem Kontextfenster steckt, bevor du annimmst, du brauchst ein höheres Limit.

Was Quire MCP über einen Wochen-Changelog hinaus freischaltet

Der wöchentliche Changelog ist ein nützlicher erster Agent, aber im Wesentlichen ein Proof of Concept. Das Muster (ein Managed Agent + Quire MCP + ein geplanter Trigger) lässt sich auf vieles mehr erweitern.

Ein paar Beispiele, die wir prototypisieren:

• Ein täglicher Sprint-Kickoff-Bericht, der über Nacht in „In Progress" verschobene Aufgaben liest und eine Zusammenfassung in Slack postet
• Ein Incident-Retrospektiven-Entwerfer, der ein Quire-Projekt auf abgeschlossene incident-Aufgaben überwacht und ein Retro-Dokument-Entwurf mit Zeitleiste, beitragenden Faktoren und Folgeaktionen aus den Unteraufgaben zusammenstellt
• Ein Client-Statusbericht, der freitagnachmittags für jedes Kundenprojekt läuft und die Liefergegenstände der Woche in einer Sprache zusammenfasst, die sich direkt an den Kunden weiterleiten lässt

Die Form ist jedes Mal dieselbe. Ein geplanter Trigger, ein fokussierter Agent, ein kleiner Satz Quire-MCP-Tools, ein Dokument oder eine Nachricht als Output. Die harte Arbeit (Sandboxing, Credentials, die Agenten-Schleife) steckt in Managed Agents. Die Domänenarbeit (welche Quire-Daten abzufragen sind, was damit zu tun ist) steckt im System-Prompt.

Wann das nicht der richtige Ansatz ist

Ein Managed Agent ist für einmalige Fragen überdimensioniert. Wenn du eine einmalige Zusammenfassung von „Was wurde in diesem Quartal ausgeliefert?" willst, ist es schneller, Claude direkt in einem Chatfenster zu fragen und die Quire-Daten einzufügen, als einen deployten Agenten zu bauen. Die Agentenform zahlt sich erst aus, wenn derselbe Job wiederholt ohne Aufsicht läuft.

Sie ist auch die falsche Form, wenn die Arbeit tatsächlich reasoning-lastig ist – etwa wenn du aus denselben Daten eine durchdachte Produktstrategie schreiben willst. Haiku ist okay für „zusammenfassen und formatieren". Für „entscheiden, was wir damit anfangen sollen" willst du Sonnet oder Opus, und an dem Punkt willst du wahrscheinlich auch einen Menschen im Loop.

Und wenn deine Projektdaten dünn sind (sagen wir, ein paar abgeschlossene Aufgaben pro Woche ohne Beschreibungen), hat der Agent nichts Sinnvolles zu summarizen. Der Output ist nur so gut wie die Disziplin deines Teams beim Schreiben echter Aufgabenbeschreibungen. Wir haben das auf die harte Tour gelernt, als ein früher Testlauf einen technisch korrekten und völlig unaussagekräftigen Bericht produzierte, weil die Hälfte der Aufgabennamen nur Ticket-IDs waren.

Wichtigste Erkenntnisse

Der Wochen-Changelog-Agent ist klein im Umfang und groß im Nutzen, weil er eine wiederkehrende Steuer (das Montags-Rückblicksmeeting) abschafft, ohne dass jemand daran denken muss, irgendetwas zu tun. Die Teile, die ihn zum Funktionieren brachten, waren konkret: Haiku 4.5 für Kosten und Rate-Limit-Spielraum, aggressives Tool-Filtering, um das Kontextfenster knapp zu halten, eine Umgebungsrichtlinie mit minimalen Rechten, die nur Traffic zu mcp.quire.app erlaubt, und ein Credential Vault, damit der Agent nie den eigentlichen OAuth-Token anfasst.

Die allgemeine Lehre ist: Quire MCP plus Claude Managed Agents ist ein schneller Weg, einen autonomen Agenten vor deine Projektdaten zu stellen, ohne irgendeine Infrastruktur zu bauen. Die harten Teile (Sandboxing, Auth, Scheduling, Audit-Logs) sind bereits gelöst. Was du mitbringst, sind der Prompt, die Tool-Auswahl und die Disziplin, Projektdaten zu schreiben, die es überhaupt wert sind, zusammengefasst zu werden.

Häufig gestellte Fragen

Was ist Quire MCP?

Quire MCP ist ein Model-Context-Protocol-Server, der es KI-Agenten ermöglicht, über eine standardisierte Tool-Schnittstelle aus deinem Quire-Workspace zu lesen und in ihn zu schreiben. Er liegt unter https://mcp.quire.app/mcp und stellt etwa fünfundneunzig Tools bereit, die Suche, Aufgaben- und Dokumenterstellung, Bulk-Operationen und mehr abdecken. Jeder MCP-kompatible Client (Claude, Cursor, eigene Agenten auf Basis des Anthropic SDK) kann sich damit verbinden.

Was sind Claude Managed Agents?

Claude Managed Agents ist Anthropics gehostete Laufzeitumgebung zum Ausführen langlebiger, autonomer Agenten in der Cloud. Du definierst einen Agenten (Modell, System-Prompt, Tools), eine Umgebung (Sandbox-Container mit Netzwerkrichtlinien) und erstellst Sessions, die die Arbeit ausführen. Anthropic kümmert sich um Sandboxing, Credential-Vermittlung und Execution-Loop, sodass du diese Infrastruktur nicht selbst aufbauen musst.

Warum Haiku 4.5 statt Sonnet oder Opus für diese Art von Automatisierung?

Strukturierte Aufgabendaten in einem Dokument zusammenzufassen, ist keine besonders anspruchsvolle Denkaufgabe. Es geht ums Gruppieren, Filtern und Formatieren. Haiku 4.5 erfüllt diese Qualitätsanforderung problemlos, kostet pro Token etwa ein Zehntel von Sonnet und bietet auf jeder API-Stufe deutlich höhere Rate-Limits. Für einen wöchentlichen Job, der unbeaufsichtigt läuft, zählen Kosten und Rate-Limit-Spielraum mehr als der marginale Gewinn beim Reasoning.

Wie lange braucht der Agent, um einen Wochenbericht zu erstellen?

Bei einem Projekt mit rund zwanzig abgeschlossenen Aufgaben im Zeitfenster dauert der vollständige Lauf Ende-zu-Ende unter dreißig Sekunden. Das umfasst die Suche in Quire, das Verarbeiten der Ergebnisse, das Schreiben des Dokumentinhalts und das Anlegen des Dokuments im Projekt. Der Großteil dieser Zeit entfällt auf den Modellaufruf, nicht auf die Tool-Roundtrips.

Kann der Agent vorhandene Aufgaben in meinem Projekt bearbeiten oder löschen?

Nur wenn du diese Tool-Berechtigungen ausdrücklich erteilst. Der Quire MCP-Server stellt etwa fünfundneunzig Tools bereit, aber mit Claude Managed Agents kannst du pro Agent eine Teilmenge aktivieren. Für den Changelog-Anwendungsfall haben wir nur vier Lese- und Erstell-Tools aktiviert, sodass der Agent vorhandene Daten weder ändern noch löschen kann – selbst dann nicht, wenn ein Prompt-Injection-Versuch ihn dazu bringen wollte.

Was passiert, wenn in der Woche, in der der Agent läuft, keine Aufgaben abgeschlossen wurden?

Der Agenten-Prompt enthält eine Fallback-Anweisung: Wenn die Suche null abgeschlossene Aufgaben zurückgibt, soll kein Dokument erstellt werden, sondern stattdessen eine einzelne Zeile protokolliert werden, die besagt, dass die Woche leer war. Das verhindert, dass ein leerer oder irreführender Wochenbericht veröffentlicht wird, wenn das Team im Zeitfenster nichts ausgeliefert hat.

Muss ich einen kostenpflichtigen Quire-Plan haben, um Quire MCP zu nutzen?

Quire MCP funktioniert mit jedem Plan, der API-Zugriff bietet. Die aktuellen API-Kontingente findest du auf quire.io/pricing. Für einen Agenten, der einmal pro Woche eine Handvoll Tool-Aufrufe macht, reichen die Limits des Free-Tarifs oder eines Einsteigerplans in der Regel aus.

Kann ich denselben Agenten für mehrere Quire-Projekte einsetzen?

Ja. Das sauberste Muster ist eine Agenten-Definition pro Workflow und eine Session pro Projekt. Die Projekt-URL wird beim Erstellen der Session zu einem Parameter. Wenn du einen einzelnen Wochenbericht haben möchtest, der mehrere Projekte abdeckt, strukturiere den Prompt so um, dass er jedes Projekt nacheinander abfragt und die Ergebnisse in einem Dokument kombiniert.

Bereit, deinen eigenen Agenten auf Quire MCP zu bauen?

Starte deine 30-tägige kostenlose Testphase auf quire.io/signup und erkunde die Quire-Entwicklerdokumentation, um den vollständigen MCP-Tool-Katalog zu sehen. Keine Kreditkarte, voller Zugriff.