Claw Code vs Claude Code: Was ein Open-Source-GitHub-Clone über AI-Agent-Architektur verrät

Wenn du nach claw code github gesucht hast oder dich gefragt hast, ob es Claude Code open source in irgendeiner sinnvollen Form gibt, ist Claw Code das Projekt, das gemeint ist. Es handelt sich um eine Open-Source-, reverse-engineerte Neuimplementierung von Anthropic’s Claude Code — in Rust (Runtime) und Python (Metadaten- und Portierungsgerüst) neu aufgebaut — und sie bietet einen seltenen Einblick darin, wie ein AI-Coding-Agent in Produktionsqualität strukturiert ist.

Dieser Leitfaden folgt unserem üblichen Vergleichs-Format: Was jede Seite ist, wie sie sich in der Praxis schlagen, wo Claw Code technisch landet und ein klares Fazit für Builder, die die Codebasis bewerten.

Was ist Claw Code?

Claw Code ist ein Open-Source-Projekt, das versucht, die Kernfunktionalität von Claude Code zu replizieren — Anthropic’s agentisches Coding-Tool für Terminal und IDE. Der Quellcode liegt auf GitHub unter einer offenen Lizenz; es ist nicht mit Anthropic verbunden.

Das Projekt ist in zwei Schichten aufgeteilt:

• Eine Python-Metadatenschicht, die vor allem als Portierungsgerüst dient — Fortschritt nachverfolgt, Sitzungs-Persistenz verwaltet und dataclass-basierte Schemas bereitstellt.
• Eine Rust-CLI-Runtime, die den eigentlichen agentischen Gesprächszyklus, Tool-Ausführung, API-Streaming und Berechtigungsverwaltung implementiert.

Mit rund 1.500 Zeilen Python und 4.000 Zeilen Rust ist Claw Code ein Prototyp in einem frühen Stadium. Aber es erkennt mehrere Architekturmuster korrekt, die AI-Coding-Agents funktionsfähig machen.

Was ist Claude Code?

Claude Code ist Anthropic’s proprietärer, terminal- und IDE-nativer AI-Coding-Assistent. Er ist nicht Open Source: Das Produkt ist geschlossen, wird von Anthropic bereitgestellt und läuft gegen Claude-Modelle mit Funktionen wie MCP (Model Context Protocol), Subagents, Hooks, Skills und tiefer IDE-Integration.

Wenn Menschen nach Claude Code open source fragen, suchen sie meist entweder nach (a) einer unabhängigen Neuimplementierung wie Claw Code auf GitHub oder (b) nach einem ganz anderen Produkt (zum Beispiel einem Multi-Agent-Desktop-Coworker). Claw Code gehört klar zur ersten Kategorie — ein pädagogischer und experimenteller Spiegel eines Teils des Verhaltens von Claude Code, kein offizielles Release.

Claw Code vs Claude Code: Auf einen Blick

Der Vergleich ist absichtlich asymmetrisch: Claw Code ist ein Lernartefakt und eine teilweise Neuimplementierung; Claude Code ist ein fertiges Produkt mit voller Plattformunterstützung.

Was Claw Code richtig macht

Der agentische Gesprächszyklus

Das Wichtigste, was Claw Code richtig hinbekommt, ist der fundamentale agentische Loop — die Kern-Engine jedes AI-Coding-Assistenten:

User message → API call → Parse response → Execute tools → Feed results back → Repeat

Die Rust-Implementierung (ConversationRuntime<C, T>) modelliert diesen Ablauf mit trait-basierten Abstraktionen über ApiClient und ToolExecutor. Diese Trennung spiegelt Produktionsagenten wider: Modellaufrufe und Tool-Ausführung bleiben entkoppelt, testbar und austauschbar.

SSE-Streaming und API-Integration

Der API-Client ist vermutlich der produktionsreifste Teil von Claw Code. Er implementiert:

• Anthropic’s Messages API v1 mit Server-Sent Events (SSE)-Streaming
• Inkrementelles Frame-Parsing mit Buffering
• Retry-Logik mit exponentiellem Backoff für 408-, 429- und 5xx-Antworten
• Cache-Token-Tracking für cache_creation_input_tokens und cache_read_input_tokens
• Authentifizierung über ANTHROPIC_API_KEY und ANTHROPIC_AUTH_TOKEN

Für alle, die einen eigenen Anthropic-Client bauen, ist dieses Crate eine glaubwürdige Referenz.

Dateiverarbeitungstools

Claw Code bringt sechs zentrale Tools mit — Bash, Read, Write, Edit, Glob und Grep — deren Verhalten an das Modell von Claude Code angelehnt ist:

• Edit nutzt exaktes String-Matching statt Regex und entspricht damit dem Verhalten von Claude Code sowie einer ganzen Klasse von Escaping-Bugs.
• Glob sortiert Ergebnisse nach Änderungszeit (neueste zuerst).
• Grep unterstützt Kontextzeilen, mehrere Ausgabemodi und Paginierung.
• Write erstellt übergeordnete Verzeichnisse automatisch.

Das Berechtigungsmodell

Das dreistufige Berechtigungssystem (Allow, Deny, Prompt) mit Tool-spezifischen Überschreibungen über eine PermissionPolicy-Struktur spiegelt wider, wie Claude Code die Tool-Ausführung kontrolliert. Jeder Agent, der Shell-Befehle ausführt und Dateien bearbeitet, braucht diese Ebene — Claw Codes Ansatz ist grundsätzlich sinnvoll.

Sitzungs-Komprimierung

Wenn der Kontext sich den Token-Grenzen nähert, müssen Agents ältere Turns komprimieren und gleichzeitig die letzten Nachrichten nutzbar halten. Claw Codes Komprimierung — frühere Nachrichten in die System-Prompt-Zusammenfassung aufnehmen und dabei die letzten N Turns behalten — bildet ab, wie das in der Praxis funktioniert.

Wesentliche Lücken: Was fehlt

Während Claw Code das Skelett eines AI-Coding-Agents erfasst, fehlen mehrere Systeme, die Prototypen von Produktionswerkzeugen unterscheiden.

Keine MCP-Unterstützung (Model Context Protocol)

Das ist die größte Lücke. MCP ist das Rückgrat der Erweiterbarkeit von Claude Code: Externe MCP-Server stellen Tools, Ressourcen und Prompts bereit, die der Agent zur Laufzeit entdeckt. Claw Code hat keinen MCP-Client, kein Transport-Layer, keine dynamische Erkennung und keine Ressourcenintegration — der Tool-Satz bleibt zur Build-Zeit fest.

Keine Subagent-Orchestrierung

Claude Code kann verschachtelte Agentengespräche und parallele Arbeit starten (mit Isolation und Aggregation). Claw Code implementiert keine verschachtelten Konversationen, keine Isolierung von Worktrees, keine Grenzen für Child-Contexts und kein Zusammenführen von Ergebnissen.

Kein Hook- oder Skill-System

Produktionsreifes Claude Code bietet benutzerkonfigurierbare Hooks und eine Skill-/Slash-Command-Pipeline. Claw Codes Handler ist minimal (zum Beispiel nur /compact), ohne Hook- oder Skill-Discovery-Pipeline.

Unvollständige System-Prompt-Erstellung

Der Prompt-Builder hat die richtigen groben Abschnitte, lässt aber dynamische Bestandteile weg wie die Erkennung von CLAUDE.md, Git-Status-Snapshots, MCP-Server-Anweisungen und Laufzeitmetadaten (Datum, Modellname usw.).

Keine IDE-Integration

Die Bridge- und Server-Architektur für VS-Code- und JetBrains-Erweiterungen fehlt.

Implementierungsqualität

Rust-Schicht — solide Grundlage (7/10)

Der Rust-Code verwendet #![forbid(unsafe_code)], eine trait-basierte Struktur und einen SSE-Parser, der mehrzeilige Frames und Pings verarbeitet. Schwachstellen sind ein eigener JSON-Parser für Sitzungsdateien statt serde_json, überlappende CLI-Einstiegspunkte, hart codierte Defaults und eine naive Token-Schätzung (Stringlänge / 4).

Python-Schicht — größtenteils Gerüst (3/10)

Die Python-Schicht ist für Dataclasses und Paritätsprüfungen sauber, aber vieles davon sind Platzhalter-Stubs, simulierte Tools und leere Remote-/SSH-Pfade. Der eigentliche Runtime-Wert liegt heute in der Rust-Schicht.

Feature-Paritäts-Scorecard

Implementiert

• Kern-Loop des agentischen Gesprächs
• Sechs MVP-Tools (bash, read, write, edit, glob, grep)
• API-Streaming-Client mit SSE
• Sitzungs-Persistenz und Komprimierung

Teilweise implementiert

• Durchsetzung von Berechtigungen (Framework ohne vollständige interaktive Aufforderungen)
• System-Prompt-Erstellung (Struktur ohne vollständige dynamische Einfügung)
• Zusammenführung von Konfigurationsdateien (User / Projekt / lokal)

Nicht implementiert

• MCP-Client und Transport
• Spawn von Subagenten / Agent-Tools
• IDE-Bridge über LSP oder Erweiterungen
• Skill-System, Hooks, Web-Such-Tools
• Intelligenteres Kontext-Budgeting und Kosten-Tooling
• Tools zum Lesen von Notebooks und PDFs

Was uns das über AI-Agent-Architektur lehrt

Über den direkten Claw Code vs Claude Code-Vergleich hinaus ist das GitHub-Projekt ein nützliches Artefakt für Builder:

• Der Loop ist der einfache Teil. „Modell aufrufen → Tools parsen → ausführen → zurückspielen“ ist unkompliziert. Die Power kommt von MCP, Subagents, Hooks, Skills und IDE-Bridges.
• Streaming ist wichtig. Warten, bis die komplette Antwort fertig ist, fühlt sich für CLI-Agents kaputt an; Claw Codes SSE-Arbeit ist die wiederverwendbarste Komponente.
• Berechtigungen sind Pflicht für Shell- und Datei-Tools.
• Kontext bleibt schwer. Naive Komprimierung funktioniert nur bis zu einem gewissen Punkt; Produktionssysteme brauchen selektive Aufbewahrung und striktes Budget-Management.

Fazit

Claw Code deckt ungefähr 20–25 % von Claude Codes Funktionsumfang ab. Die Rust-Schicht — API-Client, Loop, Datei-Tools — ist der wertvolle Kern. Die Python-Schicht dokumentiert größtenteils die Portierungsabsicht.

Als Analyse von claw code github und dessen Aussagekraft als inoffizieller Claude Code open source-Spiegel ist das Projekt erfolgreich. Als Drop-in-Ersatz für Claude Code würde es erheblich mehr Arbeit in den Bereichen MCP, Orchestrierung und Integration erfordern.

Wer sollte Claw Code auf GitHub genauer ansehen?

Claw Code ist die richtige Wahl, wenn du:

• eine konkrete Open-Source-Implementierung von Anthropic-artigen Tool-Loops und SSE-Clients lesen willst
• AI-Coding-Agent-Architektur lehren oder erforschen möchtest, ohne auf geschlossenen Code angewiesen zu sein
• eine Rust-first-Basis forken und selbst in MCP investieren willst

Wer sollte bei Claude Code bleiben?

Bleib bei Anthropic’s Claude Code, wenn du MCP, Subagents, IDE-Erweiterungen, Hooks, Skills und einen unterstützten Produktpfad brauchst — nicht einen Forschungsprototyp.

Warum Eigent als breitere Open-Source-Option in Betracht ziehen

Wenn dein Ziel Open-Source-Automatisierung über einen einzelnen terminalbasierten Coding-Agenten hinaus ist, ist Eigent ein Multi-Agent-Open-Source-Coworker mit Desktop-Workflows, Skills und mehreren Modellanbietern — eine sinnvolle Ergänzung dazu, Claw Code für die low-level Agentenmechanik zu studieren.

FAQ

Was ist Claw Code auf GitHub?

Claw Code ist ein Open-Source-Projekt, das Teile von Claude Code mit einer Rust-CLI und einer Python-Metadatenschicht reverse-engineert. Das Repository ist github.com/instructkr/claw-code.

Ist Claude Code Open Source?

Nein. Claude Code ist proprietär. Claw Code ist ein unabhängiges Open-Source-Projekt, das von Claude Codes Verhalten inspiriert ist; es ist kein Release von Anthropic.

Ist Claw Code ein vollständiger Ersatz für Claude Code?

Heute nicht. Kritische Lücken sind MCP, Subagent-Orchestrierung, IDE-Integration und die vollständige Tool- und Prompt-Pipeline.

In welchen Sprachen ist Claw Code geschrieben?

Primär in Rust für die Runtime (~4k Zeilen) und Python für das Gerüst (~1,5k Zeilen). Claude Code selbst ist ein geschlossenes TypeScript-/Node-Produkt.

Warum ist fehlendes MCP wichtig?

MCP ist der Mechanismus, mit dem Claude Code Tools dynamisch erweitert. Ohne MCP bleibt Claw Codes Tool-Oberfläche fest, was reale Workflows einschränkt.

Wichtige Erkenntnisse

• Claw Code GitHub = offene, lehrreiche partielle Kopie; Claude Code = proprietäres Vollprodukt.
• Kern-Loop, Streaming-Client, Datei-Tools und Berechtigungen in Claw Code sind lehrreich; MCP, Subagents und IDE-Schichten fehlen noch.
• Die Suche nach claude code open source sollte dich zu Projekten wie Claw Code führen — nützliche Referenzen, keine funktionsgleichen Ersatzprodukte.