Pi Coding Agent: Der KI-Coding-Agent fürs Terminal, den du dir selbst baust

Die meisten KI-Coding-Tools sind geschlossene Produkte: Du nimmst sie, wie sie sind, oder du lässt es. Pi dreht dieses Prinzip um. Pi ist ein minimalistischer, quelloffener Coding-Agent fürs Terminal — und vor allem eine Harness, die du an deinen Workflow anpasst, statt deinen Workflow an das Tool.

Entwickelt wird Pi von Mario Zechner — in der Entwickler-Community bekannt als Schöpfer des libGDX-Frameworks — unter dem Dach von Earendil Inc. Der Code ist MIT-lizenziert und liegt offen auf GitHub. Das Versprechen steht gleich auf der Startseite: „There are many agent harnesses, but this one is yours."

In diesem Artikel schauen wir uns an, was Pi ist, welche Philosophie dahintersteckt, wie es sich von Tools wie Claude Code, Cursor oder Aider unterscheidet — und warum der Begriff „Harness" gerade zum vielleicht wichtigsten Konzept der KI-gestützten Softwareentwicklung wird.

Was ist Pi?

Pi ist ein Coding-Agent, der komplett im Terminal läuft. Statt eine eigene IDE oder einen Cloud-Dienst mitzubringen, ist Pi bewusst klein gehalten: Es ist die Schicht zwischen dir, einem Large Language Model und deinem Dateisystem. Diese Schicht nennt man „Harness" — das Geschirr, das ein rohes Sprachmodell erst zu einem nützlichen, handelnden Agenten macht.

Technisch ist Pi eine Node.js-Anwendung, erweiterbar über eine TypeScript-SDK. Installiert ist es in Sekunden:

curl -fsSL https://pi.dev/install.sh | sh
# oder
npm install -g --ignore-scripts @earendil-works/pi-coding-agent

Der entscheidende Unterschied zu „fertigen" Tools: Pi ist kein versiegeltes Produkt. Es liefert starke Standardeinstellungen, aber alles Weitere baust du dir selbst zusammen — oder installierst es als Paket.

Die Philosophie: Primitives, not features

Pis Leitsatz lautet: „Adapt Pi to your workflows, not the other way around." Übersetzt: Ändere die Harness, nicht deinen Workflow. Dahinter steckt eine bewusste Designentscheidung, die Pi von fast allen anderen Tools abgrenzt — Pi liefert Primitive statt Features.

Andere Agenten backen Funktionen fest ein: Plan-Modus, Sub-Agenten, To-do-Listen, Berechtigungs-Popups. Pi lässt genau das bewusst weg und gibt dir stattdessen die Bausteine, um dir solche Funktionen selbst zu bauen — oder ein fertiges Paket dafür zu installieren. „Features that other agents bake in, you can build yourself."

Das ist dieselbe Denkweise, die wir im Artikel KI-Agenten: Harness und Meta-Harness beschrieben haben: Nicht das Modell ist der Engpass, sondern die Umgebung, in der es arbeitet. Wer diese Umgebung selbst formen kann, holt aus demselben Modell deutlich mehr heraus.

Wie Pi funktioniert

Vier Werkzeuge — mehr nicht

Im Kern arbeitet der Pi-Agent mit nur vier Tools: read (Dateien lesen), write (Dateien schreiben), edit (Dateien bearbeiten) und bash (Befehle ausführen). Das klingt spartanisch, ist aber Absicht: Mit Lesen, Schreiben, Editieren und einer Shell kann ein fähiges Modell praktisch jede Entwicklungsaufgabe erledigen — von der Code-Änderung über Tests bis zum Git-Commit.

Alles Weitere kommt über Erweiterungen. Das hält den Kern schlank und nachvollziehbar — ein wichtiger Punkt, wenn man verstehen will, was ein Agent eigentlich tut.

Vier Modi für vier Situationen

• Interaktiv (TUI): Die klassische Terminal-Oberfläche für die tägliche Arbeit — du und der Agent im Dialog.
• Print/JSON: pi -p "deine Anfrage" für Skripte und Automatisierung; mit --mode json kommt maschinenlesbare Ausgabe zurück.
• RPC: JSON über stdin/stdout — um Pi aus anderen Programmen heraus zu steuern.
• SDK: Pi direkt in eigene Anwendungen einbetten.

Diese Modi sind der Grund, warum Pi sich gut in Automatisierung einfügt: Derselbe Agent, den du interaktiv nutzt, lässt sich per Print-Modus in eine CI-Pipeline oder ein eigenes Tool hängen.

Sessions als Baum

Der Gesprächsverlauf in Pi ist baumartig strukturiert: Du kannst von jedem Punkt abzweigen, Varianten ausprobieren und Sessions teilen. Dazu kommt sorgfältiges Context Engineering — projektspezifische Anweisungen über AGENTS.md und SYSTEM.md, automatisches Komprimieren langer Verläufe und dynamisches Einspeisen von Kontext. Und während der Agent arbeitet, kannst du ihn per „Steering" nachjustieren, ohne den Lauf zu unterbrechen.

15+ Provider — von der Cloud bis lokal

Pi bindet über 15 KI-Anbieter an: Anthropic (Claude), OpenAI, Google, Azure, AWS Bedrock, Mistral, Groq und viele mehr — zusammen hunderte Modelle. Du bist also nicht an einen Hersteller gekettet und kannst je nach Aufgabe das passende Modell wählen. Welche Modelle und APIs sich wofür eignen, vergleichen wir im Artikel Claude API vs. OpenAI API.

Spannend wird das in Kombination mit lokaler KI: Wer ein Open-Weight-Modell auf eigener Hardware betreibt — etwa auf einer NVIDIA DGX Spark — kann Pi auf diesen lokalen Endpunkt richten und so einen Coding-Agenten betreiben, bei dem kein Code das Haus verlässt. Für datensensible Branchen ist das ein starkes Argument.

Erweiterbarkeit: Extensions, Skills und Pakete

Hier liegt Pis eigentliche Stärke. Anpassen lässt sich Pi über vier Hebel:

• Extensions: neue Fähigkeiten und Tools, in TypeScript geschrieben.
• Skills: wiederverwendbares Wissen und Arbeitsabläufe für wiederkehrende Aufgaben.
• Prompt-Templates: vorformulierte Anweisungen für typische Szenarien.
• Themes: die Optik des Terminals.

Das Beste: Du kannst diese Bausteine als Pi-Pakete bündeln und über npm oder Git teilen — und genauso fremde Pakete installieren:

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

Pi selbst ist in TypeScript geschrieben, aber über das bash-Tool spricht der Agent jede Sprache: Er kann ein Django-Projekt aufsetzen, ein Python-Skript ausführen, Tests starten oder ein RAG-System debuggen. Wer KI-Agenten mit Python von Grund auf verstehen will, findet im Beitrag AI-Agent mit Python bauen: LangChain vs. Custom die konzeptionelle Tiefe dazu.

Was Pi bewusst weglässt

Ungewöhnlich für ein Produkt: Pi wirbt offensiv damit, was es nicht kann. Bewusst nicht eingebaut sind unter anderem:

• MCP (Model Context Protocol)
• Sub-Agenten
• Berechtigungs-Popups
• Plan-Modus
• eingebaute To-do-Listen
• Background-Bash

Die Logik dahinter: Jede dieser Funktionen lässt sich als Erweiterung nachrüsten — und zwar so, wie du sie haben willst, nicht wie ein Hersteller sie vorgegeben hat. Das ist Pis radikalste Wette: lieber ein kleiner, ehrlicher Kern plus Ökosystem als ein großes Produkt mit fest verdrahteten Meinungen.

Der Preis dafür ist klar: Pi ist nichts für alle. Wer ein „läuft einfach"-Tool sucht, ist mit einem fertigen Produkt besser bedient. Wer aber genau wissen und steuern will, was sein Agent tut, bekommt mit Pi eine Kontrolle, die geschlossene Tools nicht bieten.

Pi vs. Claude Code, Cursor und Aider

Eine grobe Einordnung — keines dieser Tools ist „besser", sie zielen auf unterschiedliche Bedürfnisse:

Erwähnenswert: Pi hat bereits ein eigenes Ökosystem angestoßen. Es existiert etwa ein Fork namens „oh-my-pi" (omp), der den Kern um sessions-, subagent- und slash-command-orientierte Funktionen erweitert — ein gutes Zeichen dafür, dass die offene Architektur trägt.

Für wen lohnt sich Pi?

Was das für KI-gestützte Entwicklung bedeutet

Pi ist mehr als ein weiteres Tool — es ist ein Signal. Der Wettbewerb in der KI-Entwicklung verschiebt sich gerade vom Modell zur Harness. Modelle werden zur austauschbaren Ware; den Unterschied macht zunehmend die Umgebung, in der sie arbeiten: welche Tools sie haben, welchen Kontext sie sehen, wie eng ein Mensch sie steuern kann.

Für Unternehmen heißt das: Die Frage ist nicht mehr nur „welches Modell?", sondern „welche Harness, welche Skills, welcher Kontext?". Genau hier setzen wir bei e-laborat an — wir helfen Teams, KI nicht nur einzukaufen, sondern sie in eigene Werkzeuge und Prozesse zu gießen. Wie man KI-Kompetenz pragmatisch im Team aufbaut, beschreiben wir in KI im Mittelstand einführen.

Fazit

Pi ist kein Tool für jeden — und genau das ist sein Punkt. Statt eine fertige Lösung zu verkaufen, liefert Pi einen ehrlichen, kleinen Kern und überlässt dir den Rest. Vier Tools, vier Modi, 15+ Provider, MIT-lizenziert: Wer Kontrolle über seinen Coding-Agenten will, bekommt hier eine Grundlage, die geschlossene Produkte nicht bieten.

Die größere Lektion steckt im Konzept dahinter. „Change the harness, not your workflow" ist nicht nur ein Slogan, sondern eine Wette darauf, wohin sich KI-gestützte Entwicklung bewegt: weg vom monolithischen Produkt, hin zu anpassbaren, transparenten Agenten, die sich in bestehende Werkzeuge einfügen. Ob Pi sich durchsetzt oder nicht — diese Denkweise sollte jedes Team auf dem Schirm haben, das KI ernsthaft in seine Entwicklung integriert.

Wollt ihr KI-Agenten nicht nur ausprobieren, sondern produktiv und sicher in eure Projekte bringen? Dann macht den KI-Readiness-Check oder sprecht uns direkt an.