Aktualisiert:: 19. Juli 2026
Autor:: Roland Golla

Grünes isometrisches Terminal mit PI Wortmarke, Modulen und Rakete

Was ist der Pi Coding Agent?

Pi ist ein minimaler Agent Harness für das Terminal. Der Agent bringt vier Werkzeuge mit, dazu einen sehr kurzen System Prompt. Alles andere baust du selbst als Extension oder installierst es als Paket.

Entwickelt hat Pi der Österreicher Mario Zechner, in der Szene bekannt als badlogic. Sein Name steht seit Jahren für libGDX, eines der meistgenutzten Java Game Frameworks. Die erste Version von Pi erschien im August 2025. Seit April 2026 liegt das Projekt bei Earendil Inc., mitgegründet von Armin Ronacher, dem Erfinder von Flask. Das Repository wanderte von badlogic/pi-mono zu earendil-works/pi. Der Kern bleibt MIT lizenziert.

Der Satz auf der Startseite von pi.dev bringt die Haltung auf den Punkt: Es gibt viele Agent Harnesses, aber dieser hier gehört dir. Gemeint ist damit kein Marketing, sondern eine Architektur. Pi zwingt dich nicht in einen Workflow. Du formst Pi um deinen Workflow herum.

Bekannt wurde Pi vor allem durch ein anderes Projekt. OpenClaw nutzt Pi über den SDK Modus als Motor. Der virale persönliche Assistent, den halb Twitter im Januar 2026 installiert hat, läuft im Kern auf diesem schlanken Harness. Wer MoltBot und ClawdBot kennt, kennt Pi also längst, ohne es zu wissen.

Inhalt

Pi mit NCA: Schnelle Hilfe vom Experten

Terminal Agents sind unser tägliches Werkzeug. Wir arbeiten seit Jahren mit Claude Code und OpenCode an Symfony, Sulu CMS und Astro Projekten. Wir wissen deshalb sehr genau, wo ein Harness Zeit spart und wo er Token verbrennt. Pi ordnen wir editorial ein, weil die minimale Bauweise für kleine lokale Modelle echte Vorteile bringt.

Was wir konkret anbieten: Vibe Coding Consulting für Teams, die einen Terminal Agent sauber ins Projekt holen wollen. Aufbau eines lokalen KI Stacks mit Ollama und Qwen Modellen auf eigenen Servern. Vibe Coding Best Practices für Teams, die KI Code in Produktion bringen. Und lokale KI für Compliance, wenn DSGVO und Berufsgeheimnis den Einsatz von Cloud Providern verbieten.

Ob Pi zu deinem Team passt oder ob ein Agent mit mehr Vorgaben die bessere Wahl ist, klären wir im Beratungsprojekt. Wir lernen uns kennen, schätzen den Aufwand und rechnen minutengenau ab.

Lass uns sprechen

Finde das passende Angebot für dein Projekt

🤖

Hey! Ich bin CodeBot. Lass uns herausfinden, wie wir dein Projekt zum Fliegen bringen.

Was soll entstehen?

Was Pi bewusst nicht gebaut hat

Die meistdiskutierte Stelle auf pi.dev ist eine Liste von Dingen, die fehlen. Andere Tools werben mit Features. Pi wirbt mit Verzicht. Für jeden weggelassenen Punkt steht daneben, wie du dasselbe Ergebnis mit den Grundwerkzeugen erreichst.

Kein MCP: Statt Server anzubinden, schreibst du CLI Tools mit einer README und lädst sie als Skill. Zechner begründet das mit dem Token Verbrauch, den manche MCP Server im Kontextfenster erzeugen.
Keine Sub Agents: Du startest mehrere Pi Instanzen in tmux oder baust dir die Funktion als Extension.
Kein Plan Mode: Pläne landen in einer Datei im Repo.
Keine Permission Popups: Du läufst im Container oder baust deinen eigenen Freigabe Ablauf.
Keine eingebauten Todos: Eine TODO Datei im Projekt reicht.
Kein Background Bash: tmux liefert volle Sichtbarkeit und direkte Kontrolle.

Diese Liste ist der eigentliche Kern von Pi. Ein Harness mit vielen Features schreibt seine Annahmen in jeden Prompt. Ein Harness ohne Features lässt dem Modell und dir den Platz. Wer sauber mit Exact Coding arbeitet und seine Regeln ohnehin in einer AGENTS.md pflegt, verliert durch den Verzicht wenig und gewinnt Kontrolle.

Vier Werkzeuge und ein kurzer System Prompt

Pi kennt read, write, edit und bash. Mehr nicht. Der System Prompt liegt im Bereich von wenigen hundert Wörtern, während andere Harnesses mehrere tausend Token allein für ihre Grundanweisung verbrauchen.

Das klingt nach Verzicht, ist aber vor allem Rechenkunst. Jedes Token im System Prompt fehlt beim eigentlichen Problem. Bei einem Kontextfenster von 200.000 Token frisst ein aufgeblasener Harness spürbar Platz, bevor die erste Datei gelesen ist. Der Effekt ist besonders bei kleinen lokalen Modellen wichtig. Ein Modell, das an einem überladenen Harness scheitert, kommt mit einem schlanken oft noch durch.

Die These dahinter: Moderne Modelle brauchen kein Gerüst mehr, das ihnen jeden Schritt vorschreibt. Ausführliche Anweisungen waren eine Krücke für schwächere Modelle. Wie sich Agenten in ihrer Schleife tatsächlich verhalten, erklären wir im Detail unter Agent Looping.

Pi installieren und die erste Session starten

Pi braucht eine aktuelle Node Version, git und bash. Die Installation läuft über npm oder das Installationsskript von pi.dev.

Code:

          npm install -g @earendil-works/pi-coding-agent

# oder direkt:
curl -fsSL https://pi.dev/install.sh | sh

Danach setzt du einen Schlüssel für deinen Provider und startest Pi im Projektordner.

Code:

          pi config set ANTHROPIC_API_KEY=dein-key

cd mein-projekt
pi

Projektanweisungen liest Pi beim Start aus AGENTS.md Dateien, sowohl im aktuellen Verzeichnis als auch in den übergeordneten Ordnern. Über SYSTEM.md ersetzt oder ergänzt du den Standard Prompt pro Projekt. Wer das Format kennt, findet sich sofort zurecht, denn es folgt derselben Idee wie SKILL.md und die Agent Skills anderer Anbieter.

Modelle wechseln mitten in der Session

Pi spricht über fünfzehn Provider an, darunter Anthropic, OpenAI, Google, Azure, Bedrock, Mistral, Groq, Cerebras, xAI, Hugging Face, MiniMax, NVIDIA, OpenRouter und Ollama. Die Anmeldung läuft wahlweise über API Schlüssel oder OAuth.

Der Wechsel passiert mitten in der Arbeit. Ein Tastenkürzel, ein anderes Modell, gleiche Session. Du erkundest eine fremde Codebase mit einem starken Modell, holst dir eine zweite Meinung von einem anderen Anbieter und lässt die stumpfe Fleißarbeit von einem günstigen Modell erledigen.

Für lokale Modelle hinterlegst du einen eigenen Provider in der models.json.

Code:

          {
  "providers": {
    "ollama-local": {
      "baseUrl": "http://localhost:11434/v1",
      "api": "openai-completions",
      "apiKey": "ollama"
    }
  }
}

Genau hier wird Pi für deutsche Teams spannend. Kein Code verlässt den eigenen Server. Welche lokalen Modelle sich dafür eignen, haben wir in unserem Vergleich der besten lokalen Coder Modelle zusammengetragen.

Die vier Stufen der Anpassung

Pi lässt sich in Stufen an dein Team anpassen. Die meisten Entwickler starten auf Stufe eins und bleiben dort eine Weile. Erst wenn ein Handgriff sich zum dritten Mal wiederholt, lohnt der Sprung nach oben. Die Tabelle zeigt, was auf welcher Stufe passiert.

Level	Werkzeug	Aufwand
Level 1: Defaults nutzen	Pi ohne Anpassung, AGENTS.md im Projekt	Minuten
Level 2: Prompt Templates	Wiederkehrende Prompts als Markdown Dateien	Stunden
Level 3: Skills	Fähigkeiten mit eigenen CLI Tools, bei Bedarf geladen	Tage
Level 4: Extensions und Packages	TypeScript Module mit Zugriff auf Tools, Befehle und Oberfläche	Projektarbeit

Extensions: der Agent baut sich selbst um

Extensions sind TypeScript Module. Sie hängen sich an Lebenszyklus Punkte, ergänzen Werkzeuge, legen Tastenkürzel an, greifen in die Nachrichten ein, bevor sie beim Modell landen, und dürfen die komplette Terminal Oberfläche bespielen. Kompiliert wird zur Laufzeit, ein Bauschritt entfällt.

Der eigentliche Trick ist banal und stark zugleich. Fehlt dir eine Funktion, bittest du Pi darum, sie zu schreiben. Der Agent verändert seine eigene Installation, ein Neuladen genügt, und du arbeitest weiter. Genau die Beispiele, die andere Anbieter fest einbauen, liegen bei Pi als Beispiel Extensions im Repository: Sub Agents, Plan Mode, Freigabe Regeln, geschützte Pfade, Ausführung über SSH, Sandbox.

Fertige Bündel aus Extensions, Skills, Prompt Templates und Themes verteilst du als Pi Packages über npm oder git. Wer das Prinzip aus dem Claude Code Plugin Marketplace oder von Claude Code Plugins kennt, findet sich sofort zurecht.

Code:

          pi install npm:@foo/pi-tools
pi install git:github.com/badlogic/pi-doom

Sessions als Baum statt als Faden

Die meisten Agenten führen ein Protokoll. Pi führt einen Baum. Du springst zu jeder früheren Nachricht zurück und arbeitest von dort in eine neue Richtung weiter. Alle Zweige liegen in einer einzigen Datei.

Das löst ein Problem, das jeder kennt, der lange mit einem Agenten arbeitet. Der Agent biegt falsch ab, du merkst es zehn Schritte später, und der halbe Kontext ist vergiftet. Statt neu zu starten, gehst du an die Gabelung zurück.

Ergebnisse teilst du als HTML Export oder als GitHub Gist mit einer Adresse, die die Sitzung sauber darstellt. Für Code Reviews im Team ist das erstaunlich nützlich. Wer parallel an mehreren Zweigen arbeitet, kombiniert das mit Git Worktrees.

Vier Modi: vom Terminal bis ins eigene Produkt

Interactive: die klassische Terminal Oberfläche für den Alltag.
Print und JSON: ein Aufruf, eine Antwort. Ideal für Skripte und für Ereignisströme, die du weiterverarbeitest.
RPC: ein JSON Protokoll über die Standardkanäle, damit auch Anwendungen außerhalb der Node Welt Pi ansprechen.
SDK: Pi wandert als Bibliothek in deine eigene Anwendung.

Der Print Modus ist der stille Star. Ein Pi Aufruf in einer Pipeline schreibt Commit Nachrichten, prüft Migrationen oder erzeugt Changelogs. Für Teams, die ohnehin auf saubere Automatisierung setzen, ist das der einfachste Einstieg.

Pi, Hermes Agent und Paperclip im Vergleich

Drei Open Source Projekte, drei völlig verschiedene Antworten auf dieselbe Frage. Alle drei sind MIT lizenziert, alle drei laufen mit lokalen Modellen.

Pi ist der Minimalist. Ein Werkzeugkasten für Entwickler, die selbst bauen wollen. Kein Gedächtnis über Sitzungen hinweg, kein Gateway, keine Oberfläche außerhalb des Terminals.
Hermes Agent von Nous Research ist der Dauerläufer. Er lebt auf dem Server, merkt sich Kontext, legt selbst Fähigkeiten an und spricht über Telegram, Slack, Discord und weitere Kanäle. Die Anwendungsfälle für Hermes zeigen, wie weit das reicht.
Paperclip ist die Ebene darüber. Es dirigiert mehrere Agenten in einem Org Chart, Pi ist dort einer von vielen Adaptern neben Claude Code, Codex, Gemini, OpenCode und OpenClaw.

Wer zwischen den beiden Plattformen schwankt, findet die Details in unserem Vergleich Paperclip gegen Hermes Agent. Im Terminal Lager steht Pi neben OpenCode, Crush und Kilo Code. Eine Gesamtübersicht liefert unser Ranking der Top 10 Vibe Coding Tools.

I think pi is the most steerable coding harness out there.

Mario Zechner, Entwickler von Pi und libGDX, Earendil Inc. – X (9. Januar 2026)

Hermes Agent: Self Hosted KI Agent von Nous Research

Hermes Agent von Nous Research: selbstlernender Open Source KI Agent mit Memory, Skills System und MCP. Installation, Vergleich und DSGVO Bewertung.

Mehr erfahren

Unsere Einordnung: für wen Pi passt

In NCA Projekten arbeiten wir täglich mit Terminal Agents. Claude Code für große Refactorings in Symfony und Sulu CMS, OpenCode für lokale Abläufe mit Ollama. Beide bringen viel mit, und genau das ist der Punkt, an dem Pi interessant wird.

Pi ist etwas für Teams, die im Terminal zuhause sind. Wer tmux, Container und Skripte ohnehin nutzt, gewinnt Kontrolle. Wer einen Assistenten sucht, der nach der Installation sofort mit Plan Mode, Freigabedialogen und Aufgabenlisten losläuft, ist mit einem stärker vorgegebenen Agenten besser bedient. Das ist keine Schwäche von Pi, sondern eine bewusste Entscheidung des Projekts.

Besonders spannend finden wir den kleinen Fußabdruck im Kontext für lokale Modelle. Wer Code aus DSGVO Gründen nicht in die Cloud geben darf, arbeitet mit begrenzter Hardware. Jedes gesparte Token zählt. In dieser Konstellation ist ein schlanker Harness kein Purismus, sondern schlicht die Bedingung dafür, dass es überhaupt läuft.

Roland Golla ist der Gründer von Never Code Alone in Duisburg. Sein Thema: Die KI schreibt den Code, er sorgt für die Qualität. Bei der Bewertung von Agent Tooling zählt für uns weniger die Feature Liste als die Frage, ob das Team am Ende Code liefert, den es auch in einem Jahr noch warten kann.

CYPRESS.IO Ambassador und IT Consultant für QA Engenieering und Qualität in PHP Projekten.

NCA Vibe Coding Consulting

Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.

E-Mail Kontakt

Häufige Fragen zum Pi Coding Agent

Die wichtigsten Fragen zu Pi, zur Installation, zur Lizenz und zur Abgrenzung von anderen Terminal Agents.

Was ist der Pi Coding Agent 2026?

Pi ist ein minimaler Agent Harness für das Terminal, entwickelt von Mario Zechner und seit April 2026 bei Earendil Inc. Der Agent bringt vier Werkzeuge mit: read, write, edit und bash. Alles Weitere baust du als TypeScript Extension oder installierst es als Pi Package über npm oder git.

Ist Pi 2026 noch Open Source?

Ja. Der Kern von Pi bleibt MIT lizenziert, auch nach dem Wechsel zu Earendil Inc. im April 2026. Das Repository liegt unter earendil-works/pi. Earendil hat angekündigt, dass einzelne künftige Zusatzkomponenten anders lizenziert sein können. Der Agent selbst bleibt offen.

Wie installiere ich Pi 2026?

Über npm mit dem Paket at earendil-works/pi-coding-agent oder über das Installationsskript von pi.dev. Voraussetzung sind eine aktuelle Node Version, git und bash. Danach hinterlegst du einen API Schlüssel und startest Pi im Projektordner.

Warum unterstützt Pi 2026 kein MCP?

Der Verzicht ist gewollt. Manche MCP Server schieben große Mengen an Werkzeugbeschreibungen in das Kontextfenster, bevor die erste Aufgabe beginnt. Pi setzt stattdessen auf CLI Tools mit einer README, die als Skill nur bei Bedarf geladen werden. Wer MCP braucht, kann es als Extension nachrüsten.

Welche Modelle unterstützt Pi 2026?

Pi spricht über fünfzehn Provider an, darunter Anthropic, OpenAI, Google, Azure, Bedrock, Mistral, Groq, Cerebras, xAI, Hugging Face, MiniMax, NVIDIA, OpenRouter und Ollama. Der Wechsel läuft mitten in der Session per Tastenkürzel. Eigene Provider trägst du in der models.json nach.

Was ist der Unterschied zwischen Pi und Claude Code?

Claude Code bringt Plan Mode, Sub Agents, Freigabedialoge und MCP von Haus aus mit. Pi lässt all das bewusst weg und stellt dir stattdessen die Bausteine bereit. Claude Code liefert schneller Ergebnisse ohne Konfiguration. Pi gibt dir mehr Kontrolle, kostet aber Einrichtungszeit.

Was hat Pi mit OpenClaw zu tun?

OpenClaw nutzt Pi über den SDK Modus als Kern. Pi übernimmt die Kommunikation mit dem Sprachmodell, OpenClaw ergänzt Messaging Anbindung und Assistenzschicht. Der virale Assistent aus dem Januar 2026 läuft also auf diesem Harness.

Kann Pi mit lokalen Modellen über Ollama arbeiten?

Ja. Du trägst Ollama als Provider in der models.json ein und richtest Pi auf die lokale Schnittstelle. Weil der System Prompt klein bleibt, haben auch kleinere lokale Modelle eine reelle Chance, Aufgaben sauber zu Ende zu bringen.

Wer steckt hinter Pi?

Mario Zechner aus Österreich, in der Szene bekannt als badlogic und Schöpfer des Java Game Frameworks libGDX. Seit April 2026 gehört Pi zu Earendil Inc., einer Public Benefit Corporation, die Armin Ronacher mitgegründet hat. Zechner ist dort Anteilseigner und entscheidet weiter über Pi.

Wie funktionieren Extensions in Pi?

Extensions sind TypeScript Module, die zur Laufzeit kompiliert werden. Sie greifen auf Werkzeuge, Befehle, Tastenkürzel, Ereignisse und die Terminal Oberfläche zu. Du kannst Pi bitten, eine fehlende Funktion selbst zu schreiben, neu zu laden und direkt weiterzuarbeiten.

Was sind Pi Packages?

Pi Packages bündeln Extensions, Skills, Prompt Templates und Themes zu einer installierbaren Einheit. Verteilt werden sie über npm oder git. So teilst du deinen Team Standard, statt jeden Rechner einzeln einzurichten.

Wofür ist der Print Modus von Pi gut?

Der Print Modus liefert auf einen Aufruf eine Antwort und eignet sich damit für Skripte und Pipelines. Typische Einsätze sind Commit Nachrichten, Prüfungen vor dem Deployment oder das Erzeugen von Changelogs. Mit dem JSON Modus verarbeitest du den Ereignisstrom weiter.

Wie teile ich eine Pi Session mit dem Team?

Sessions liegen als Baum in einer einzigen Datei. Du exportierst sie als HTML oder lädst sie als GitHub Gist hoch und erhältst eine Adresse, die den Verlauf lesbar darstellt. Für Code Reviews ist das ein praktischer Nebeneffekt.

Passt Pi für Teams ohne Terminal Erfahrung?

Eher nicht. Pi setzt voraus, dass tmux, Container und Skripte zum Alltag gehören. Teams ohne diese Grundlage kommen mit einem stärker vorgegebenen Agenten schneller ans Ziel. Welche Variante zu deinem Team passt, ordnen wir im Beratungsprojekt gemeinsam ein.

A/B Testing mit KI – Automatisiertes Testing für Entwickler 2026