Quire MCP + Claude Managed Agents: Ein funktionierender Aufbau

Zuletzt aktualisiert: 6. August 2026

Es ist Montag, 9:04 Uhr. Jemand im Team-Channel fragt: „Hey, kurzer Recap: Was ist letzte Woche live gegangen?“ Drei Leute öffnen ihre Tabs, scrollen durch das Kanban Board, versuchen sich zu erinnern, welche der vierzig erledigten Aufgaben wirklich relevant waren, und kommen zwanzig Minuten später mit zwei Stichpunkten und einem Schulterzucken zurück. Das Recap-Meeting, das zehn Minuten dauern sollte, zieht sich auf vierzig. Bis Dienstag hat jeder vergessen, was besprochen wurde.

Diese Schleife haben wir ersetzt. Wir haben einen Agenten auf Basis von Quire MCP und Claude Managed Agents gebaut. Er liest jeden Montagmorgen unser Projekt Dev_Changelog, findet alles, was in den letzten sieben Tagen erledigt wurde, gruppiert es nach Team, übersetzt das Entwickler-Kauderwelsch in etwas, das ein Kunde lesen kann, und schreibt den ganzen Brief in ein frisches Quire-Dokument. Gesamte Laufzeit: unter dreißig Sekunden. Laufender Wartungsaufwand insgesamt: null.

Dieser Beitrag zeigt den kompletten Aufbau, einschließlich der drei Dinge, die unterwegs schiefgingen, und wie wir sie behoben haben. Wenn Sie schon immer einen KI-Agenten wollten, der echte Arbeit erledigt, statt nur über Ihre Projektdaten zu plaudern, finden Sie hier ein funktionierendes Rezept.

Was liefert der Agent eigentlich?

Jeden Montag um 9 Uhr Pacific wacht eine Claude-Session auf, fragt Quire ab und erstellt in unserem Projekt Dev_Changelog 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 Nutzen für Anwender
• Bugs Fixed mit der Beschreibung, was Nutzer vor der Korrektur erlebt haben
• Design Updates mit Fokus auf sichtbare Änderungen
• Social and Marketing inklusive Engagement-Zahlen, wo die Aufgabenbeschreibung welche enthielt

Leere Abschnitte werden stillschweigend übersprungen. Ganz unten steht eine einzeilige Zusammenfassung der Anzahl. Das Ganze umfasst etwa 400 Wörter und liest sich wie ein interner Digest, nicht wie ein Marketing-Changelog, weil genau das der System-Prompt verlangt.

Live-Beispiele ansehen: Der Agent liest aus dem gefilterten Quellprojekt Dev_Changelog, und der Weekly Brief: May 15 to May 21, 2026 ist das tatsächliche Dokument, das er erstellt hat.

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

Unser MCP-Webinar führt zum selben Ergebnis, ganz ohne die Aufbauschritte, und zwar im Abschnitt zum Monitoring. Genau dort startet der Player unten.

In dieser Session21:58 Workflow 4: Monitoring mit einem geplanten Agenten, der den Wochenbericht schreibt

Was bieten Quire MCP und Claude Managed Agents?

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 rund fünfundneunzig davon, von search_tasks über create_document bis bulk_create_tasks. Der Agent muss nicht wissen, wie die REST API von Quire aufgebaut ist. Er sieht einfach einen Tool-Katalog und ruft auf, was er braucht.

Claude Managed Agents ist die gehostete Laufzeitumgebung von Anthropic für autonome Agenten. Sie definieren einen Agenten (Modell + System-Prompt + Tool-Konfiguration) und eine Umgebung (Sandbox-Container mit Netzwerkrichtlinien) und erstellen Sessions, die die eigentliche Arbeit erledigen. Anthropic übernimmt Sandboxing, Credential-Proxy, Ausführungsschleife und Audit-Log. Nichts davon müssen Sie als Code schreiben.

Die Kombination zählt, weil jedes Teil für sich nur Infrastruktur ist. Quire MCP ohne Agent ist ein Tool-Katalog, den niemand aufruft. Claude Managed Agents ohne domänenspezifisches MCP ist eine Sandbox ohne Aufgabe. Verbindet man beide, entsteht ein Agent, der mit sauberer Authentifizierung und eingebautem Sandboxing echte Aktionen auf echten Produktivdaten ausführt.

Nicht auf Claude Managed Agents? Quire MCP funktioniert auch mit Open Claw, dem Open-Source-MCP-Client. Gleicher Tool-Katalog, gleicher OAuth-Ablauf, gleiche Workflows, die Sie darauf aufbauen können. Wählen Sie die Laufzeitumgebung, die zu Ihrem Stack passt.

Warum das wichtig ist: Die meisten PM-Tools liefern noch keinen öffentlichen MCP-Server mit. Asana, Monday und ClickUp bieten REST APIs, aber kein MCP. Sie müssten sie also selbst kapseln und die Authentifizierung übernehmen. Notion hat MCP, doch seine Tool-Oberfläche ist auf Dokumente und Seiten ausgelegt, nicht auf die Struktur aus Aufgaben und Unteraufgaben, die Projektautomatisierung wirklich braucht. Quire MCP ist um die Arbeitseinheiten (Aufgaben, Unteraufgaben, Status, Tags, Unterlisten) gebaut, mit denen ein Agent arbeitet. Deshalb war dieser Aufbau eine Sache von einem Nachmittag und nicht von einem Quartal.

Wie baut man den Agenten Schritt für Schritt?

Das ganze Setup dauerte etwa eine Stunde, die meiste Zeit davon ging für einen Konfigurationsstolperstein drauf, auf den ich gleich komme. Hier ist das tatsächliche Rezept.

1. Die Agentendefinition

Der Agent besteht aus einer einzigen YAML-Datei. Der System-Prompt ist der wichtigste Teil, denn er macht aus einer generischen Claude-Session einen Changelog-Autor:

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 uns für Haiku 4.5 entschieden, weil die Arbeit kaum Reasoning erfordert. Der Agent gruppiert, filtert und formatiert, und das erledigt Haiku problemlos, bei etwa einem Zehntel der Token-Kosten von Sonnet und mit deutlich höheren Rate-Limits. Bei einem unbeaufsichtigten Wochenlauf zählt dieser Rate-Limit-Spielraum mehr als der geringe Reasoning-Vorteil.

2. Tool-Filterung: Hier steckt das eigentliche Geld

Wenn Sie den Quire-MCP-Server an einen Agenten anhängen, werden standardmäßig alle fünfundneunzig Tool-Definitionen bei jedem Modellaufruf in den Kontext geladen. Das sind viele Tokens, und die meisten sind überflüssig, wenn Ihr Agent nur Aufgaben lesen und ein Dokument erstellen muss.

Filtern Sie konsequent:

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 Block configs aktiviert gezielt die vier Tools, die der Agent tatsächlich nutzt. Allein diese Änderung senkte unsere Input-Tokens pro Lauf von rund 82.000 auf unter 12.000 und brachte uns komfortabel unter das Tier-1-Rate-Limit. (Mehr dazu in den Pannengeschichten unten.)

Es gibt auch einen Sicherheitsvorteil. Sind nur search_tasks, create_document, list_tags und resolve_quire_url aktiviert, kann der Agent buchstäblich keine bestehenden Daten löschen, archivieren oder ändern, selbst wenn eine Prompt Injection ihn dazu bringen wollte. Das Quire-Tool bulk_delete_tasks ist nicht in seinem Werkzeugkasten, also kann das Modell es nicht aufrufen.

3. Die Umgebung

Managed Agents führt jede Session in einer gVisor-Sandbox mit einer Netzwerkrichtlinie aus, die Sie steuern. Standard ist „Limited“ ohne externen Netzwerkzugriff, was Ihren Agenten daran hindert, Quire MCP zu erreichen. Die sauberste Lösung folgt dem Prinzip der minimalen Rechte: Lassen Sie den Typ auf Limited, erlauben Sie aber ausdrücklich den einen benötigten Hostnamen.

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

4. Der Credential Vault

Quire authentifiziert per OAuth. In Managed Agents liegen OAuth-Tokens in einem Credential Vault außerhalb der Sandbox. Ruft der Agent Quire MCP auf, fügt ein Credential-Proxy das Token serverseitig ein. Das Modell selbst sieht das Token nie, sodass eine erfolgreiche Prompt Injection es nicht abgreifen kann.

Erstellen Sie einen Vault, klicken Sie auf Add credential, lassen Sie ihn auf https://mcp.quire.app/mcp zeigen, wählen Sie OAuth als Typ und durchlaufen Sie den Autorisierungsablauf. Sobald die Credential als Active angezeigt wird, ist der Vault bereit.

5. Zeitplanung

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

Was ging schief, und woran haben wir es gemerkt?

Auf dem Weg zu einem sauberen Wochenlauf liefen drei Dinge schief. Sie zu nennen lohnt sich, denn wer etwas Ähnliches baut, stößt auf mindestens eines davon.

Falsche MCP-URL. Das Produkt von Quire liegt unter quire.io, aber der MCP-Server unter 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 wichtig: Jeder Verweis auf das MCP muss mcp.quire.app nutzen, nicht quire.io. Ist der Host an einer der drei Stellen falsch, schlägt der Lauf fehl.

Aufgeblähtes Agent-Toolset. Das Standard-Toolset agent_toolset_20260401 von Anthropic lädt jedes Allzweck-Tool (Bash, Dateioperationen, Websuche, Codeausführung) in den Kontext. Unser Agent braucht nichts davon. Blieb das Standard-Toolset zusätzlich zum Quire-MCP-Server aktiv, stiegen die Input-Tokens auf über 80.000 pro Modellaufruf, und wir liefen sofort ins Tier-1-Rate-Limit.

Nachdem wir das Standard-Toolset entfernt und die Quire-Tools gefiltert hatten (wie oben gezeigt), waren es noch etwa 12.000. Die Lehre: Jedes Tool im Kontext Ihres Agenten ist eine Steuer, auch wenn der Agent es nie aufruft.

Rate-Limit-Panik. Bevor wir das Aufblähungsproblem durchschauten, war die natürliche Reaktion: „Wir müssen die API-Stufe hochstufen.“ Stufen-Upgrades kosten Geld. Das eigentliche Problem war, dass der Agent 70.000 Tokens an Tool-Definitionen lud, die er nie nutzen würde. Prüfen Sie immer, was in Ihrem Kontextfenster steckt, bevor Sie ein größeres Limit für nötig halten.

Was ermöglicht Quire MCP über einen wöchentlichen Changelog hinaus?

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

Einige Ideen, die wir gerade prototypisch umsetzen:

• Ein täglicher Sprint-Kickoff-Brief, der über Nacht in „In Progress“ verschobene Aufgaben liest und eine Zusammenfassung in Slack postet
• Ein Entwurfsassistent für Incident-Retrospektiven, der ein Quire-Projekt auf erledigte aufgaben mit incident beobachtet und aus den Unteraufgaben einen Retro-Entwurf mit Zeitverlauf, Ursachen und Folgemaßnahmen zusammenstellt
• Ein Kunden-Status-Digest, der freitagnachmittags für jedes Kundenprojekt läuft und die Liefergegenstände der Woche so zusammenfasst, dass man sie direkt an den Kunden weiterleiten kann

Die Form ist jedes Mal gleich: ein geplanter Trigger, ein fokussierter Agent, eine kleine Auswahl an Quire-MCP-Tools, ein Dokument oder eine Nachricht als Ergebnis. Die harte Arbeit (Sandboxing, Credentials, Agentenschleife) steckt in Managed Agents. Die fachliche Arbeit (welche Quire-Daten abgefragt und wie sie verwendet werden) steckt im System-Prompt.

Wann ist dieser Ansatz nicht der richtige?

Ein Managed Agent ist für einmalige Fragen überdimensioniert. Wollen Sie einmalig wissen, „was wir dieses Quartal ausgeliefert haben“, ist es schneller, Claude direkt im Chat zu fragen und die Quire-Daten einzufügen, als einen bereitgestellten Agenten zu bauen. Die Agentenform lohnt sich erst, wenn derselbe Job wiederholt und ohne Aufsicht läuft.

Ungeeignet ist sie auch, wenn die Arbeit wirklich Reasoning erfordert, etwa eine durchdachte Produktstrategie aus denselben Daten. Haiku reicht für „zusammenfassen und formatieren“. Für „entscheiden, was wir dagegen tun sollten“ brauchen Sie Sonnet oder Opus, und dann wollen Sie wahrscheinlich auch einen Menschen im Loop.

Und wenn Ihre Projektdaten dünn sind (etwa ein paar erledigte Aufgaben pro Woche ohne Beschreibung), hat der Agent nichts Sinnvolles zusammenzufassen. Das Ergebnis ist nur so gut wie die Disziplin Ihres Teams beim Schreiben echter Aufgabenbeschreibungen. Das haben wir auf die harte Tour gelernt, als ein früher Testlauf einen Brief erzeugte, der technisch korrekt und völlig nichtssagend war, weil die Hälfte der Aufgabennamen nur Ticket-IDs waren.

Brauchen Sie gar keine KI im Loop? Die Quire CLI liefert dieselben Daten über strukturierte Befehle, die Sie skripten und per Cron ausführen können, ohne Modellaufruf im Pfad.

Wichtigste Erkenntnisse

Der wöchentliche Changelog-Agent ist klein im Umfang und groß im Ertrag, denn er beseitigt eine wiederkehrende Steuer (das Montags-Recap-Meeting), ohne dass jemand an etwas denken muss.

Folgendes hat den Ausschlag gegeben: Haiku 4.5 für Kosten und Rate-Limit-Spielraum, konsequentes Tool-Filtern für ein schlankes Kontextfenster, eine Umgebungsrichtlinie nach dem Prinzip der minimalen Rechte, die nur Datenverkehr zu mcp.quire.app erlaubt, und ein Credential Vault, damit der Agent das eigentliche OAuth-Token nie berührt.

Die allgemeine Lehre: Quire MCP plus Claude Managed Agents ist ein schneller Weg, einen autonomen Agenten vor Ihre Projektdaten zu setzen, ohne Infrastruktur zu bauen. Die schwierigen Teile (Sandboxing, Authentifizierung, Zeitplanung, Audit-Logs) sind bereits gelöst. Sie bringen den Prompt mit, die Tool-Auswahl und die Disziplin, Projektdaten zu pflegen, die eine Zusammenfassung überhaupt wert sind.

Häufig gestellte Fragen

Was ist Quire MCP?

Quire MCP ist ein Model-Context-Protocol-Server, mit dem KI-Agenten über eine standardisierte Tool-Schnittstelle in Ihrem Quire-Workspace lesen und schreiben können. Er ist unter https://mcp.quire.app/mcp erreichbar und stellt rund fünfundneunzig Tools für Suche, das Erstellen von Aufgaben und Dokumenten, Massenoperationen und mehr bereit. 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 die gehostete Laufzeitumgebung von Anthropic, um langlebige, autonome Agenten in der Cloud auszuführen. Sie definieren einen Agenten (Modell, System-Prompt, Tools) und eine Umgebung (Sandbox-Container mit Netzwerkrichtlinien) und erstellen Sessions, die die Arbeit ausführen. Anthropic kümmert sich um Sandboxing, Credential-Vermittlung und die Ausführungsschleife, sodass Sie diese Infrastruktur nicht selbst bauen müssen.

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

Strukturierte Aufgabendaten in einem Dokument zusammenzufassen, erfordert kaum Reasoning. Es geht ums Gruppieren, Filtern und Formatieren. Haiku 4.5 erfüllt diesen Qualitätsanspruch problemlos, kostet pro Token etwa ein Zehntel von Sonnet und hat in jeder API-Stufe deutlich höhere Rate-Limits. Bei einem wöchentlichen Job ohne Aufsicht zählen Kosten und Rate-Limit-Spielraum mehr als der geringe Reasoning-Vorteil.

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

Bei einem Projekt mit rund zwanzig erledigten Aufgaben im Zeitfenster dauert der gesamte Lauf unter dreißig Sekunden. Darin enthalten sind die Suche in Quire, die Verarbeitung der Ergebnisse, das Schreiben des Dokumenttexts und das Anlegen des Dokuments im Projekt. Den größten Teil der Zeit nimmt der Modellaufruf in Anspruch, nicht die Tool-Roundtrips.

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

Nur, wenn Sie diese Tool-Berechtigungen ausdrücklich erteilen. Der Quire-MCP-Server stellt rund fünfundneunzig Tools bereit, aber Claude Managed Agents lässt Sie pro Agent nur eine Teilmenge aktivieren. Für den Changelog-Anwendungsfall haben wir nur vier Lese- und Erstellungs-Tools aktiviert. Der Agent kann daher keine bestehenden Daten ändern oder löschen, selbst wenn eine Prompt Injection ihn dazu bringen wollte.

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

Der Agent-Prompt enthält eine Fallback-Anweisung: Liefert die Suche null erledigte Aufgaben, erstellt der Agent kein Dokument und protokolliert stattdessen eine einzelne Zeile, dass die Woche leer war. So wird kein leerer oder irreführender Wochenbrief veröffentlicht, wenn das Team im Zeitfenster nichts ausgeliefert hat.

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

Quire MCP funktioniert mit jedem Plan, der API-Zugriff hat. Die aktuellen API-Kontingente finden Sie auf der Quire-Preisseite. Für einen Agenten, der einmal pro Woche läuft und pro Lauf eine Handvoll Tool-Aufrufe macht, reichen die Limits des Free- oder Starter-Plans in der Regel aus.

Kann ich denselben Agenten für mehrere Quire-Projekte laufen lassen?

Ja. Am saubersten ist ein Muster mit einer Agentendefinition pro Workflow und einer Session pro Projekt. Die Projekt-URL wird beim Erstellen der Session als Parameter übergeben. Wenn Sie einen einzigen Wochenbrief für mehrere Projekte wünschen, bauen Sie den Prompt so um, dass er jedes Projekt nacheinander abfragt und die Ergebnisse in einem Dokument zusammenführt.

Bereit, Ihren eigenen Agenten auf Quire MCP zu bauen?

Starten Sie Ihre 30-tägige kostenlose Testphase unter quire.io/signup und entdecken Sie die Quire-Entwicklerdokumentation, um den kompletten MCP-Tool-Katalog zu sehen. Keine Kreditkarte, voller Zugriff.