Greptile entwickelt mit dem Claude Agent SDK wirklich agentische Code-Reviews

Greptile entwickelt KI-Agenten, die Pull Requests mit vollständigem Codebasis-Kontext überprüfen. Das Unternehmen bedient mehr als 2.000 Organisationen, von Startups bis hin zu Großunternehmen wie NVIDIA, Brex und Coinbase, und hilft Engineering-Teams, Bugs und Anti-Patterns zu erkennen, bevor sie in die Produktion gehen.

Mit dem Claude Agent SDK hat Greptile Folgendes erreicht:

• Ca. 90 % Cache-Trefferquote, was die Kosten sowohl für Greptile als auch für Self-Hosting-Kunden drastisch senkt
• Multi-Hop-Code-Untersuchungen, die Hinweisen über Git-Historie, ähnliche Funktionen und Pull-Request-Kontext hinweg folgen
• Schnellere Auslieferung neuer Fähigkeiten, indem Engineering-Zeit auf spezialisierte Tools statt auf Harness-Infrastruktur konzentriert wird
• Autonome Code-Reviews, die Probleme iterativ untersuchen statt starren Workflows zu folgen
• Kosteneffektive Self-Hosting-Optionen für Unternehmenskunden durch effiziente Ressourcennutzung

Das Problem

Im Bereich der KI-gestützten Code-Reviews folgen die meisten Tools vordefinierten Pfaden. Sie scannen einen Pull Request, arbeiten eine feste Checkliste ab und liefern Ergebnisse in einer vorhersehbaren Reihenfolge. Aber Greptile betrachtet Code-Review als Ermittlung, nicht als Checkliste. Wenn ein erfahrener Ingenieur etwas Ungewöhnliches entdeckt, folgt er keinem Skript. Er gräbt tiefer, untersucht den Kontext, verfolgt die Historie und verknüpft Hinweise über die gesamte Codebasis.

Greptiles Team erkannte diese Lücke. Sie hatten spezialisierte Tools für die Ermittlungsarbeit gebaut: Werkzeuge zum Erfassen von Codebasis-Kontext, zum Finden semantisch ähnlicher Funktionen, zum Abrufen der Git-Historie und mehr. Aber ihre Orchestrierungsschicht zwang diese Tools in ein starres Flussdiagramm. Jeder Schritt offenbarte neue Informationen, aber das System konnte nicht auf diese Entdeckungen reagieren, weil es in einer vordefinierten Reihenfolge feststeckte.

„Wir wollten ein System bauen, in dem Greptile wirklich multi-hop und autonom sein kann – wo jeder Schritt neue Informationen offenbart und der nächste Schritt auf diesen Informationen basieren kann, anstatt einem starren Flussdiagramm zu folgen“, sagt Daksh Gupta, Mitgründer und CEO von Greptile.

Das Team brauchte eine Orchestrierungsschicht, die so intelligent ist wie ihre Tools – eine, die ihren Code-Review-Agent wie einen erfahrenen Ingenieur denken lässt.

Aufbau eines agentischen Code-Review-Systems mit dem Agent SDK

Das Greptile-Team erwägte, einen eigenen Agent-Harness zu bauen, erkannte aber schnell, wo ihre Zeit besser investiert wäre. „Es wurde uns klar, dass der Wert darin lag, unsere gesamte Zeit in den Bau besserer Tools für Code-Review zu investieren“, sagt Gupta. Für ein Team von 10 Ingenieuren zählt dieser Fokus.

Das Claude Agent SDK bot eine leistungsstarke Orchestrierungsschicht, die es ihnen ermöglichte, sich auf ihre Fachexpertise statt auf Infrastruktur zu konzentrieren. Die Entscheidung spiegelte auch eine technische Intuition wider: Agent-Harnesses und Modelle sind eng gekoppelt. „Es war uns klar, dass Modelle und Harnesses gekoppelt sein würden, und die Modelle waren die besten“, erklärt Gupta. „Das war ein wirklich großer Vorteil für das Anthropic SDK.“

Greptile nutzt Claude für Multi-Hop-Code-Untersuchungen

Claude treibt nun Greptiles ermittelnden Ansatz bei Code-Reviews an. Wenn der Agent eine Berechnung entdeckt, die ungewöhnlich aussieht, oder eine Funktion, die sich von ähnlichen in der Codebasis unterscheidet, kann er autonom entscheiden, was er als Nächstes untersucht. Er könnte die Git-Historie untersuchen, um zu verstehen, warum sich etwas geändert hat, einen Commit zu seinem ursprünglichen Pull Request zurückverfolgen, um den Kontext zu lesen, oder den Code mit Mustern anderswo im Repository vergleichen. „Es agiert wie ein investigativer Reporter oder Detektiv“, erklärt Gupta. „Wir haben alle Tools für den Detektiv, und was wir brauchten, war ein wirklich leistungsstarker Orchestrator dafür.“

Greptile läuft auf Opus 4.5. „Wir sind überzeugt, dass es das beste Coding-Modell für alles ist, was wir bei der Erkennung von Bugs und Anti-Patterns in Code erreichen wollen“, sagte Gupta. „Das Prompt-Caching funktioniert gut für unseren Anwendungsfall, und die Integration mit MCP war wertvoll.“

Greptile nutzt auch intensiv die Sub-Agent-Fähigkeiten des SDK. Ein Sub-Agent übernimmt den Memory-Abruf und greift auf eine Wissensdatenbank zu, die Programmierstandards des Teams, von Greptile gelernte Besonderheiten der Codebasis sowie Kontext aus Dokumentation, claude.md-Dateien und Cursor-Regeln umfasst. Dieses angesammelte Wissen fließt in jede Überprüfung ein.

Das Team nutzt auch Hooks, um dort Determinismus einzubringen, wo es wichtig ist. Bei Code-Reviews bedeutet das, sicherzustellen, dass jede Datei in einem Pull Request geprüft wird – eine Garantie, die für Unternehmenskunden, die gründliche, konsistente Abdeckung benötigen, unerlässlich ist.

Das Ergebnis

​

Der Wechsel zum Agent SDK brachte sofortige Effizienzgewinne. Greptile erreicht jetzt Cache-Trefferquoten von fast 90 %, was sich in erheblichen Kosteneinsparungen im gesamten Betrieb niederschlägt. Für Kunden, die Greptile selbst mit ihren eigenen Anthropic-Instanzen hosten, bedeutet diese Effizienz, dass sie KI-gestützte Code-Reviews in größerem Maßstab ausrollen können, ohne proportionale Kostensteigerungen. „Jetzt haben wir mit dem Agent SDK echte Autonomie – jeder Schritt erzeugt neue Informationen, und der nächste Schritt kann auf diesen Informationen basieren“, sagt Gupta. „Das hat die Arbeitsweise unseres Code-Review-Agents grundlegend verändert.“

Die tiefere Auswirkung liegt in dem, was Greptile jetzt bauen kann. „Das Agent SDK hat es uns ermöglicht, schneller und deutlich kosteneffizienter zu liefern und uns voll auf den Aufbau spezialisierter Tools zu konzentrieren“, sagt Gupta. „Wir können unsere gesamte Energie darauf verwenden, hochspezialisierte Tools für die spezifischen Ziele zu bauen, die wir erreichen wollen.“

Anstatt Harness-Infrastruktur zu warten, investiert das Team diese Engineering-Zeit in die Tools, die Code-Reviews wirklich nützlich machen: besseres Codebasis-Verständnis, intelligentere Ähnlichkeitserkennung, reichhaltigere Git-Historie-Analyse.

Die Ergebnisse zeigen sich in der Produktion. In einem Beispiel aus einem NVIDIA-Open-Source-Repository markierte Greptile ein Problem, das der prüfende Ingenieur zunächst bestritt. Der Agent antwortete mit zusätzlichen Belegen – Vergleichen mit ähnlichen Funktionen in der Codebasis, relevanter Git-Historie – und der Ingenieur bestätigte, dass der Fund korrekt war. Diese Art von mehrstufiger Untersuchung, bei der der Agent seine Ergebnisse mit Belegen verteidigen kann, ist genau das, was die agentische Architektur ermöglicht.

Kunden haben den Unterschied bemerkt. „Trotz eines Tech-Stacks, der sich wiederholt als schwierig für KI erwiesen hat, hat Greptile konsistente Review-Einblicke mit einem guten Signal-Rausch-Verhältnis geliefert, das sogar unsere anspruchsvollsten Ingenieure überzeugt hat“, sagt Jarrod Ruhdland, Principal Engineer bei Brex.

Greptile erweitert mit dem Agent SDK weiterhin das Mögliche und baut neue Fähigkeiten, die ohne es weitaus schwieriger zu entwickeln und zu warten wären. Für ein Unternehmen, das jeden Monat über eine Milliarde Codezeilen überprüft, ist die Möglichkeit, sich auf Fachexpertise statt auf Infrastruktur zu konzentrieren, zu einem strategischen Vorteil geworden.