Claude-Agent auf dem VPS selbst betreiben

Claude als Agent einzusetzen

Einen Agenten mit Claude zu entwickeln bedeutet, Claude als Kern für die Schlussfolgerungen zu verwenden, während die Schleife, die Tools und die Daten auf Ihrem eigenen Server liegen. Claude entscheidet, was zu tun ist; Ihr VPS führt die Aktion aus. Sie senden Claude die Aufgabe und den aktuellen Status. Claude antwortet entweder mit einer Antwort oder mit einer Anforderung, eines Ihrer Tools zu verwenden. Ihr Code führt das Tool aus und sendet das Ergebnis zurück. Die Schleife läuft weiter, bis die Aufgabe abgeschlossen ist. Die Intelligenz wird als Dienst über das Internet aufgerufen. Alles andere gehört Ihnen.

Diese Trennung ist der entscheidende Vorteil. Sie erhalten Schlussfolgerungen auf dem Niveau führender Modelle, ohne selbst ein Modell betreiben zu müssen. Gleichzeitig behalten Sie die vollständige Kontrolle darüber, worauf der Agent zugreifen kann, weil die Tools auf Hardware ausgeführt werden, die Sie besitzen. Wenn Sie bereits ein erstes Claude-Programm entwickelt haben, behandelt die Anleitung zur ersten Claude-Anwendung auf einem VPS die Grundlagen, auf denen dieser Artikel aufbaut.

Claude ist das Gehirn: die Messages API

Jeder Aufruf von Claude läuft über einen einzigen Endpunkt, die Messages API. Sie senden den bisherigen Gesprächsverlauf und die Liste der Tools, die der Agent verwenden darf. Claude gibt seine nächste Nachricht zurück. Diese Nachricht ist entweder eine abschließende Antwort oder eine Anforderung, ein Tool aufzurufen. Für den Eigenbau gibt es keine separate „Agent API“: Die Tool-Nutzung ist eine Funktion dieses einzigen Endpunkts, und die darum liegende Schleife müssen Sie selbst ausführen.

Claude ist zwischen den Aufrufen zustandslos. Das bedeutet, dass Claude sich selbst nichts merkt. Jede Anfrage enthält den vollständigen Gesprächsverlauf. Ihr Code verwaltet den Verlauf und sendet ihn bei jedem Durchlauf erneut. Das ist der Grund, warum jeder Durchlauf in einer langen Sitzung mehr Tokens kostet als der vorherige. Das ist weniger eine Einschränkung als eine Designentscheidung: Da der Zustand auf Ihrem Server liegt, entscheiden Sie genau, was Claude sieht. Außerdem wird nichts über die Aufgabe an einem Ort gespeichert, den Sie nicht kontrollieren. Allerdings wächst der Prompt dadurch weiter. Claudes Kontextfenster kann damit problemlos umgehen. Ein lokales Modell in derselben Schleife kann das jedoch nicht. Deshalb muss bei Ollama zunächst num_ctx erhöht werden, damit lange Prompts nicht mehr abgeschnitten werden.

Die Tool-Nutzung ist die Agentenschleife

Die Agentenschleife mit Claude lässt sich einfach beschreiben. Sie senden eine Anfrage, die Ihre Tools enthält. Claude liest die Aufgabe und antwortet, wenn eine Aktion erforderlich ist, mit einer Tool-Use-Anfrage. Diese nennt ein Tool und enthält die erforderlichen Eingaben. Ihr Code führt dieses Tool aus und sendet das Ergebnis anschließend in der nächsten Anfrage an Claude zurück. Claude liest das Ergebnis und fordert entweder ein weiteres Tool an oder schreibt seine abschließende Antwort. Sobald Claude keine Tools mehr anfordert, ist die Aufgabe abgeschlossen.

Sie können diese Schleife mit wenigen Zeilen selbst implementieren. Viele machen das, weil sie dadurch leicht nachvollziehbar und gut kontrollierbar bleibt. Die offiziellen SDKs stellen außerdem einen Tool Runner bereit, der die Schleife für Sie steuert: Sie übergeben die Tool-Funktionen, und das SDK übernimmt den wiederholten Ablauf aus Claude-Aufrufen, der Ausführung Ihrer Tools und der Rückgabe der Ergebnisse, bis Claude fertig ist. In beiden Fällen ist der grundsätzliche Ablauf identisch. Der Runner erspart Ihnen lediglich, die Schleife selbst zu schreiben. Wenn die Schleife noch abstrakt wirkt, sollten Sie zunächst eine minimale Schleife implementieren, bevor Sie einen Runner verwenden. Darauf baut alles Weitere in diesem schrittweisen Lernpfad zum Einstieg in AI Agents auf.

Drei Ansätze zum Erstellen und welche zu einem VPS passen

Es gibt drei Möglichkeiten, einen Claude-Agenten zu erstellen. Sie unterscheiden sich darin, wie viel der Infrastruktur Sie selbst betreiben.

Beim ersten Ansatz ruft Ihr eigener Code die Claude API mit Ihren eigenen Tools auf. Sie schreiben die Schleife selbst oder verwenden den Tool Runner des SDK. Die gesamte Anwendung hosten Sie auf Ihrem VPS. Dies ist die häufigste Wahl, weil Sie damit vollständige Kontrolle über die Tools, die Daten und die Sicherheit haben. Außerdem läuft die Anwendung als gewöhnliches Programm auf Ihrem Server. Dieser Leitfaden geht größtenteils von diesem Ansatz aus.

Der zweite Ansatz ist das Claude Agent SDK. Dabei handelt es sich um Claude Code, den Coding-Agenten, der als Bibliothek bereitgestellt wird und auf dem Sie aufbauen können. Das SDK enthält eine vollständige Agentenschleife sowie integrierte Tools zum Lesen und Schreiben von Dateien, zum Ausführen von Shell-Befehlen und zum Durchsuchen von Inhalten. Sie müssen diese Komponenten daher nicht selbst von Grund auf zusammenstellen. Das SDK läuft ebenfalls auf Ihrem eigenen Server. Es eignet sich daher gut für einen VPS, wenn Sie einen leistungsfähigen Datei- und Shell-Agenten benötigen, ohne das Gerüst selbst zu entwickeln. Ein Agent, der Dateien liest und Shell-Befehle ausführt, benötigt eine Begrenzung seiner Zugriffsrechte, bevor er unbeaufsichtigt arbeiten kann. Claude Code sicher auf einem Server ausführen behandelt das Berechtigungssystem, die Sandbox und die Optionen zur Isolation.

Der dritte Ansatz sind Managed Agents. Dabei betreibt Anthropic die Agentenschleife. Standardmäßig werden die Tools des Agenten in einer von Anthropic gehosteten Sandbox ausgeführt. Der Arbeitsbereich des Agenten befindet sich daher auf der Infrastruktur von Anthropic und nicht auf Ihrem VPS. Seit dem 11. Oktober 2026 können Sie eine weiterhin als Beta verfügbare Self-Hosted-Sandbox-Option verwenden. Dabei führt ein Worker-Prozess auf Ihrem eigenen Server die Tool-Aufrufe aus, während die Schleife bei Anthropic bleibt. Verwenden Sie Managed Agents, wenn Sie möglichst wenig Betriebsaufwand wünschen und die Agentenschleife nicht selbst auf Ihrem Rechner ausführen müssen. Bei den beiden anderen Ansätzen befindet sich der gesamte Agent auf Ihrem Server. Darum geht es im restlichen Leitfaden.

Tools mit MCP verbinden

Unabhängig vom gewählten Ansatz möchten Sie den Agenten mit realen Systemen verbinden. Das Model Context Protocol ist dafür eine saubere Lösung. MCP ist ein offener Standard, um einem Agenten Tools und Daten bereitzustellen. Statt für jeden Dienst eine eigene Integration zu programmieren, verweisen Sie Claude auf einen MCP-Server, der diese Funktionen bereits als Tools bereitstellt. Sie können MCP-Server als kleine Dienste auf demselben VPS betreiben. Jeder Server erhält nur die benötigten Berechtigungen. Das beschreibe ich unter MCP-Server auf einem VPS betreiben.

Auswahl eines Modells

Claude ist in mehreren Modellen verfügbar. Die Auswahl ist ein Kompromiss zwischen Leistungsfähigkeit, Geschwindigkeit und Kosten. Am 11. Oktober 2026 umfasst das aktuelle Angebot Claude Opus 5.5 (claude-opus-5-5). Anthropic empfiehlt dieses Modell als Ausgangspunkt für die meisten Workloads. Es ist für lang laufendes agentisches Programmieren und Wissensarbeit ausgelegt. Claude Sonnet 5.5 (claude-sonnet-5-5) ist eine ausgewogene Option, die günstiger und schneller ist. Claude Haiku 5.5 (claude-haiku-5-5) ist das schnellste und günstigste Modell für einfache Schritte mit hohem Volumen. Darüber steht Claude Fable 5.1 (claude-fable-5-1). Es ist das leistungsfähigste Modell, das allen Kunden offensteht, und eignet sich für anspruchsvolle Schlussfolgerungen und agentische Aufgaben mit langem Planungshorizont. Ältere Modelle wie Claude Opus 4.8 und Claude Fable 5 sind weiterhin verfügbar, werden inzwischen aber als Legacy-Modelle geführt. Verwenden Sie in Ihrem Code die exakte Modellkennung, ohne ein Datum hinzuzufügen.

In der Praxis bietet sich eine Kombination an. Lassen Sie ein günstigeres Modell routinemäßige Tool-Aufrufe übernehmen und ein leistungsfähigeres Modell schwierige Entscheidungen treffen. Da das Modell in Ihrer Anfrage nur als Zeichenfolge angegeben wird, lässt es sich mit einer einzeiligen Änderung wechseln. Beginnen Sie daher mit einem leistungsfähigen Standardmodell und verwenden Sie ein günstigeres Modell, wenn Geschwindigkeit oder Kosten wichtiger sind als die letzte Qualitätsstufe.

Führen Sie ihn als gehärteten Dienst auf Ihrem VPS aus

Ein Agent ist nur nützlich, wenn er dauerhaft läuft. Er ist nur sicher, wenn er eingeschränkt wird. Auf einem VPS erreichen Sie beides, indem Sie den Agenten als gehärteten Systemdienst ausführen, statt ihn manuell in einem Terminal zu starten. Als Dienst startet er beim Booten, wird nach einem Absturz neu gestartet und schreibt seine Logs in das Journal. In gehärteter Konfiguration läuft er unter einem nicht privilegierten Benutzer und erhält nur die erforderlichen Zugriffsrechte. Dadurch sind die Auswirkungen eines Fehlers oder einer schädlichen Anweisung begrenzt. Eine Service-Unit kann einschränken, auf welche Ressourcen der Prozess zugreifen darf und wie viel Speicher, CPU sowie wie viele Tasks er verwenden darf. Sie kann jedoch nicht beurteilen, was der Agent mit diesen Zugriffsrechten entscheidet. Diese Aufgabe muss daher im Agenten-Harness selbst gelöst werden. Genau dafür sind die installationswürdigen DeepSeek-Harness-Plugins in einem anderen Stack zuständig: Ausgabenlimits, Berechtigungsregeln pro Tool und Scans auf Prompt-Injection.

Die wichtigste Regel ist, Ihren Claude-API-Schlüssel auf dem Server zu belassen. Der Schlüssel bezahlt und autorisiert jeden Aufruf. Er gehört daher in eine Datei, die nur für den Benutzer des Agenten lesbar ist, wird als Umgebungsvariable in den Dienst geladen und darf niemals in Code, einem Repository oder an einem Ort liegen, auf den ein Browser zugreifen kann. Erstellen Sie hier eine vollständige, gehärtete Service-Unit für Ihren Agenten:

Schließen Sie anschließend die Absicherung des Servers selbst ab. Verwenden Sie für SSH ausschließlich Schlüssel und sichern Sie das Administratorkonto, wie unter SSH-Härtung auf einem VPS beschrieben. Wenn Sie den Agenten beim Einrichten lieber über eine interaktive Sitzung steuern möchten, ist Claude Code auf einem VPS mit tmux ausführen eine passende Ergänzung. Sobald eine zweite Sitzung auf demselben Server geöffnet ist, können beide Arbeit untereinander weitergeben, statt dass Sie jede Anweisung von einem Pane in das andere übertragen müssen. Wenn Sie die Grundlagen hinter diesen Verfahren verstehen möchten, ohne sie an ein bestimmtes Modell zu binden, erläutert der ergänzende Leitfaden zum Erstellen eines eigenen KI-Agenten auf einem VPS die grundlegenden Konzepte.

Wenn Sie einen terminalbasierten Coding-Assistenten benötigen, behandelt einen Coding-KI-Agenten auf einem VPS ausführen Aider und Goose.

FAQ

Welches Claude-Modell sollte ich zum Erstellen eines Agenten verwenden?

Beginnen Sie mit Claude Opus 5.5 (claude-opus-5-5), das Anthropic für die meisten Workloads empfiehlt, und passen Sie die Auswahl anschließend an. Claude Sonnet 5.5 (claude-sonnet-5-5) ist für die meisten Aufgaben günstiger und schneller. Claude Haiku 5.5 (claude-haiku-5-5) eignet sich am besten für einfache Schritte mit hohem Volumen. Claude Fable 5.1 (claude-fable-5-1) ist für die schwierigsten Aufgaben am leistungsfähigsten. Häufig wird für Routineaufgaben ein günstigeres Modell und für schwierige Entscheidungen ein leistungsfähigeres Modell verwendet, da sich das Modell mit einer einzigen Zeilenänderung wechseln lässt.

Führe ich den gesamten Agenten auf meinem VPS aus, oder übernimmt das Anthropic?

Das hängt vom gewählten Ansatz ab. Wenn Sie eine eigene Schleife gegen die Claude API schreiben oder das Claude Agent SDK verwenden, läuft der Agent vollständig auf Ihrem VPS. Nur die Modellaufrufe werden an Anthropic gesendet. Wenn Sie Managed Agents verwenden, führt Anthropic die Schleife aus und hostet standardmäßig die Sandbox, in der die Tools ausgeführt werden. Dadurch läuft weniger auf Ihrem Server. Eine selbst gehostete Sandbox-Option, die am 11. Oktober 2026 als Beta verfügbar ist, verlagert die Tool-Ausführung auf Ihren eigenen Rechner, während die Schleife bei Anthropic bleibt. Wenn der Agent vollständig auf Ihrem eigenen Rechner laufen soll, verwenden Sie eine der ersten beiden Optionen.

Was ist der Unterschied zwischen der Claude API und dem Claude Agent SDK?

Die Claude API ist der unverarbeitete Messages-Endpunkt. Sie senden eine Konversation und Tools und schreiben die Agentenschleife darum herum. Alternativ können Sie den Tool Runner des SDK verwenden, um die Schleife auszuführen. Das Claude Agent SDK ist eine übergeordnete Bibliothek. Es ist Claude Code, das für die Entwicklung eigener Anwendungen paketiert wurde. Es enthält eine vollständige Schleife sowie integrierte Tools für Dateien, Shell und Suche. Verwenden Sie die API, wenn Sie alles selbst definieren möchten. Verwenden Sie das Agent SDK, wenn Sie einen leistungsfähigen Agenten benötigen, ohne das Ausführungsgerüst selbst zusammenzustellen.

Wie schütze ich meinen Claude API-Schlüssel auf einem Server?

Halten Sie ihn auf dem Server und aus Ihrem Code heraus. Speichern Sie ihn in einer Datei, die nur für das Konto lesbar ist, unter dem der Agent ausgeführt wird. Laden Sie ihn als Umgebungsvariable in den Dienst. Legen Sie ihn niemals in einem Repository ab und machen Sie ihn nicht für einen Browser zugänglich. Da jede Anfrage an Claude von Ihrem Server ausgeht, muss der Schlüssel niemals das Gerät eines Benutzers erreichen. Dadurch lässt sich ein serverbasierter Agent einfacher absichern als ein Agent, der in eine Clientanwendung eingebettet ist.

Muss ich ein Modell selbst hosten, um mit Claude einen Agenten zu erstellen?

Nein. Bei Claude ist das Modell ein gehosteter Dienst, den Sie über die API aufrufen. Daher müssen Sie nichts auf einer GPU ausführen. Ihr VPS führt die Agentenschleife und die Tools aus und enthält die Daten. Die Verarbeitung der Anfragen erfolgt auf der Seite von Anthropic. Dadurch kann auch ein kleiner Server einen leistungsfähigen Agenten ausführen. Wenn Sie stattdessen ein vollständig lokales Modell verwenden möchten, ist dies der Self-Hosting-Weg, der im begleitenden Leitfaden zum Erstellen eines eigenen AI-Agenten beschrieben wird.