← Alle Werkzeuge

Werkzeug · Multi-Modell-Orchestrierung

Xirp

von Spotify

Anbieterneutrale Verwaltungsschicht über Claude Code, Gemini CLI und OpenAI Codex: jede Sitzung läuft in ihrem eigenen Git-Worktree, der Arbeitskontext gehört der Umgebung statt dem Agenten – deshalb lässt sich das Modell mitten in der Aufgabe wechseln, ohne den Stand zu verlieren.

KostenlosDesktop

Einschätzung

Die Zwischenschicht, die den Modellwechsel billig macht – gebaut von einem Anwender, nicht von einem KI-Anbieter

Interessanter als das Werkzeug ist die Schicht, die es besetzt. Wenn der Arbeitskontext in der Umgebung liegt statt im Agenten, verliert die Modellwahl ihren Bindungscharakter – genau dort, wo die Anbieter ihre Kundenbindung aufbauen. Dass dieser Angriff von einem Unternehmen kommt, das KI-Agenten bloß in großem Maßstab benutzt, ist der eigentliche Befund. Der Praxistest fand die Bauform solide und fehlerarm, aber keine Funktion, die einen Wechsel von einer quelloffenen Alternative rechtfertigt. Die Reibung sitzt an der Wurzel: Eine Schicht, deren ganzer Zweck Anbieterneutralität ist, verlangt ein Konto beim Anbieter und liefert ihren Quellcode nicht mit.

Spotify hat Xirp am 10. August 2026 als kostenlose öffentliche Beta freigegeben. Die Selbstbeschreibung im Portal-Blog lautet „a vendor-neutral agentic development environment born out of a concrete engineering need“ – das Werkzeug baut also keinen eigenen Coding-Agenten, sondern verwaltet die vorhandenen: „Claude Code, Gemini CLI, Codex, etc.“

Die Isolierung läuft über Git: „Every session operates in its own worktree, enabling dozens of agents to work concurrently on the same codebase without interference.“ Der eigentliche Zug ist aber die Entkopplung des Kontexts vom Agenten – die Anbieterseite spricht davon, „switch tools mid-project“ und „switch models mid-task“ zu können. Ein unabhängiger Praxistest hat genau das durchgespielt: Eine laufende Claude-Code-Sitzung ließ sich mitten in der Arbeit auf Codex umstellen, Verlauf und Kontext wanderten mit.

Zwei Funktionen aus demselben Test sind uns anderswo nicht begegnet: das Forken einer Sitzung samt vollständigem Kontext in zwei unabhängige Stränge, und abhängige Sitzungen, die als Kind-Worktree angelegt werden und erst starten, wenn die Elternsitzung fertig ist – Arbeit lässt sich damit verketten. Dazu kommen eine Gitter-Ansicht für mehrere Sitzungen nebeneinander, ein Git-Diff-Bereich und ein eingebauter Browser.

Zu den internen Zahlen schreibt Spotify: „thousands of Spotify engineers have organically adopted Xirp across more than 36,000 sessions, resulting in faster context switching and cost efficiencies.“ Die Freigabe-Ankündigung von Spotify Engineering nennt konkreter „1,300+ Spotify engineers“; die unabhängige Wiedergabe trägt diese Zahl („More than 1,300 Spotify engineers are already on it“). Die beiden Angaben desselben Hauses passen nicht ganz zusammen – wir führen beide.

⚠️ Nicht an einer A/B-Quelle belegt: dass die Beta ausschließlich unter macOS läuft. Die Rezeption beschreibt durchgehend eine macOS-Desktop-App, auf Spotifys eigenen Seiten steht auf gezielte Nachfrage keine Plattformangabe. Konto-Anforderung, tmux-Voraussetzung und der geschlossene Quellcode stammen aus dem Tier-C-Praxistest, der sie am eigenen Aufbau beobachtet hat.

Wofür es gut ist

  • Viele parallele Coding-Agenten an derselben Codebasis führen, ohne dass sie sich in die Quere kommen
  • Das Modell mitten in einer Aufgabe wechseln und den Arbeitsstand mitnehmen
  • Agenten-Arbeit verketten: eine Sitzung startet, sobald die vorhergehende fertig ist

Stärken

  • Ein Git-Worktree je Sitzung – Dutzende Agenten parallel an derselben Codebasis ohne Kollision
  • Kontext gehört der Umgebung: Modell- und Werkzeugwechsel mitten in der Aufgabe ohne Verlust des Arbeitsstands
  • Sitzungen forken (voller Kontext in zwei Stränge) und verketten (abhängige Kind-Worktrees)
  • Aus echtem Betrieb entstanden: über 36.000 interne Sitzungen vor der Freigabe
  • Kostenlose öffentliche Beta

Schwächen

  • Nicht quelloffen und an ein eigenes Spotify-Technologie-Konto gebunden – für eine „anbieterneutrale“ Schicht eine bemerkenswerte Reibung (Tier-C-Beobachtung)
  • Setzt eine installierte tmux voraus; die Sitzungsansicht ist im Kern ein tmux mit Oberfläche (Tier-C-Beobachtung)
  • Der eingebaute Browser ließ sich im Test weder vom Agenten steuern noch nach Konsolenausgaben auslesen
  • Auf Spotifys Entwicklerplattform Portal bezogen – die Neutralität endet am eigenen Ökosystem
  • Plattform-Unterstützung an keiner Anbieterquelle dokumentiert; die Rezeption nennt durchgehend nur macOS
  • Keine unabhängige Messung von Zuverlässigkeit oder Zeitersparnis

Im Vergleich

Wofür dieses Werkzeug die bessere Wahl ist – und wann ein direkter Konkurrent.

  • Gehört in dieselbe Klasse wie Conductor oder T3 Code – Oberflächen, die vorhandene Agenten-CLIs verwalten, statt einen eigenen Agenten mitzubringen. Der Unterschied liegt in der Kontext-Wanderung beim Modellwechsel; der Praxistest hält fest, dass er diese Funktion in keiner anderen Anwendung gesehen hat.
  • Anders als bei Grok Bot oder Claude Cowork geht es hier nicht um Büroarbeit über Oberflächen, sondern ausschließlich um Coding-Sitzungen auf einer Codebasis – und anders als dort teilen die Agenten sich keine Maschine, sondern bekommen je einen eigenen Git-Worktree.

Stimmen aus der Community

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

  • gemischtUnabhängiger Praxistest mit eigenem Aufbau: Die Session-Verwaltung wird als gut gebaut und fehlerarm beschrieben, die Kontext-Wanderung beim Agentenwechsel als in keiner anderen Anwendung gesehen. Das Urteil kippt an den Hürden: geschlossene Quelle, eigenes Spotify-Technologie-Konto, tmux als Voraussetzung – „it's just not really any new features that would make me want to sign up for a Spotify technology account and also to use an app that is closed source“. Er bleibt bei einer quelloffenen Alternative und ordnet sich selbst ausdrücklich als nicht zur Zielgruppe gehörig ein: Die Funktionen zeigten, wie Spotify-Entwickler arbeiten, nämlich in sehr großen Organisationen mit vielen parallelen Vorhaben. Kritisch auch zur Projektansicht (Prompt-Feld ohne Zugriff auf Skills und Projektdateien) und zum eingebauten Browser (weder Agenten-Steuerung noch Konsolenausgaben). ⚠️ Tier C, n=1, ohne Messung; die dort genannte Zahl „over 1,300 Spotify engineers“ steht auf Spotifys Blogseite nicht, wohl aber in der Freigabe-Ankündigung und in der unabhängigen Wiedergabe.Better Stack – „Spotify Made an Agent Harness... I Don’t Hate It“ (YouTube, 15.08.2026; oEmbed-verifiziert, Transkript ausgewertet) · Community, August 2026

Direkt ausprobieren

xirp.spotify.com

Zur offiziellen Seite ↗

ℹ️ Öffentliche Beta, Stand 16.08.2026. Aufgenommen im YouTube-Sweep vom 16.08.2026 über einen Praxistest von Better Stack (`TK1LvtX-Bqs`, oEmbed-verifiziert, Transkript ausgewertet); Zweck, Worktree-Isolierung, Kontext-Entkopplung und Nutzungszahlen an Spotifys Portal-Blog und einer unabhängigen Wiedergabe gegengeprüft. Die Freigabe-Ankündigung lief über X und war für unseren Abruf gesperrt (HTTP 402). Offen: Plattform-Matrix, Lizenz und Preismodell nach der Beta an einer Anbieterquelle. Siehe Depesche `spotify-xirp-agenten-umgebung-anbieterneutral`.

Verwandte Werkzeuge

Multi-Modell-OrchestrierungOpenRouter FusionBeta-Funktion von OpenRouter, die mehrere Modelle parallel an derselben Aufgabe arbeiten lässt und ein Judge-Modell die Antworten zu einer finalen Antwort zusammenführt.SprachsyntheseBreeze TTS 2Offenes Sprachsynthese-Modell mit 3 Mrd. Parametern, das eine Stimme aus reiner Textbeschreibung erzeugen oder eine geklonte Stimme in Ton und Emotion steuern kann – Rang 1 unter den offenen Modellen der Artificial-Analysis-Sprachbestenliste, aber unter einer Lizenz, die jede kommerzielle Nutzung ausschließt.Lokaler RunnerFreeTokenInferenz-Motor, der große Mixture-of-Experts-Modelle auf Consumer-Hardware bedient, indem er Experten laufend zwischen GPU, CPU und Arbeitsspeicher umschichtet statt sie fest zu verteilen.