Agent-Aufgaben einrichten

Einschalten

Agent-Aufgaben werden pro Projekt aktiviert, nicht pro Konto. Öffne das Projekt, gehe zu Einstellungen, dann zum Tab Agent, und setze den Haken bei Agent-Aufgaben aktivieren. Das startet in jeder Staging- und Entwicklungsinstanz des Projekts einen Poller, bereit, Arbeit aufzunehmen.

Du brauchst die Berechtigung für Projekteinstellungen, um diesen Tab zu sehen und zu ändern. Wenn du ihn nicht öffnen kannst, frag die Person, die deinen Workspace administriert.

Eine CLI wählen

Unter Agent-CLI wählst du, welche Coding-CLI Aufgaben in diesem Projekt plant und ausführt:

• Claude Code
• Gemini CLI
• Codex CLI

Jede meldet sich mit ihren eigenen Zugangsdaten an und läuft auf deinem eigenen Konto bei diesem Anbieter. CICDoo verkauft keinen Modellzugang weiter; der Agent nutzt das Abonnement oder den Schlüssel, den du bereitstellst, und Läufe zählen gegen dein Kontingent dort.

Du kannst die CLI später wechseln. Bereits gespeicherte Zugangsdaten behalten ihre Maskierung, ein Wechsel weg und zurück fragt das Geheimnis also nicht erneut ab.

Dein Konto verbinden

Wie du verbindest, hängt von der CLI ab, und der Unterschied entscheidet, wer zahlt.

Claude Code

Führe claude setup-token auf deinem eigenen Rechner aus, wofür du ein Claude-Abonnement brauchst, und füge das Token in Claude-Code-Token ein. Das ist der einzige Modus, den Claude Code hier anbietet.

Gemini CLI und Codex CLI

Beide können auf zwei Wegen laufen, wählbar unter Wie sich der Agent anmeldet:

• Dein eigenes Abonnement. Melde dich auf deinem eigenen Rechner bei der CLI an und füge dann den gesamten Inhalt ihrer zwischengespeicherten Anmeldedatei ein: ~/.gemini/oauth_creds.json für Gemini, ~/.codex/auth.json für Codex. Der Agent aktualisiert sie während der Läufe und schickt die aktualisierte Kopie zurück, du solltest das also kein zweites Mal tun müssen.
• API-Schlüssel, pro Token abgerechnet. Erstelle einen Schlüssel in Google AI Studio oder im Dashboard der OpenAI-Plattform und füge ihn ein. Läufe werden vom Anbieter über diesen Schlüssel abgerechnet.

Eine kostenpflichtige Gemini-Code-Assist-Lizenz braucht zusätzlich ihre Google-Cloud-Projekt-ID. Für ein persönliches Google-Konto lässt du das leer.

Lies das, bevor du Zugangsdaten einfügst

Die Zugangsdaten werden auf der Plattform gespeichert und an die Container deiner Instanz geschickt, damit sich der Agent authentifizieren kann. Jeder mit Shell- oder IDE-Zugriff auf diese Container kann sie lesen.

Eine Anmeldedatei aus der Hand zu geben wiegt schwerer als ein API-Schlüssel. Sie ist deine Konto-Sitzung, kein Zugang mit begrenztem Umfang: sie lässt sich nicht einzeln widerrufen, und sie ist genau das, was die CLI nutzen würde, wenn jemand sie im Container von Hand ausführt. Die Anbieter richten diese Tarife außerdem auf interaktive Nutzung aus, und OpenAI empfiehlt für automatisierte Abläufe einen API-Schlüssel, prüfe also deine Tarifbedingungen, bevor du einen Agenten auf ein persönliches Abonnement zeigen lässt.

Wenn das für dein Setup ein Problem ist, nutze den API-Schlüssel-Modus, wo der Anbieter ihn anbietet: ein Schlüssel lässt sich im Umfang begrenzen und einzeln widerrufen.

Optionale Einstellungen

• Modell. Ein Modell-Alias oder ein vollständiger Modellname für die CLI, die du gewählt hast. Leer lassen, um den Standard zu verwenden.
• Pläne automatisch ausführen. Neue Aufgaben in diesem Projekt überspringen den Prüfschritt: ein erfolgreicher Plan wird automatisch freigegeben, dann umgesetzt und gepusht, ohne dass ihn vorher jemand liest. Ein Plan, den der Agent als gesperrt meldet, wartet trotzdem auf dich, und jeder Plan auf der Produktionsinstanz ebenso. Du kannst das pro Aufgabe ändern, und das Setzen braucht die Berechtigung zur Planfreigabe.

Skills: dem Agenten deine Konventionen beibringen

Der Abschnitt Skills auf demselben Tab ist der Ort, an dem du die Hauskonventionen festhältst, denen der Agent folgen soll: wie du Dinge benennst, wie du Views schreibst, wie du testest.

Lade eine Markdown-Datei hoch, oder eine .zip eines Skill-Ordners mit einer SKILL.md darin. Welche Skills eine Aufgabe nutzt, wählst du beim Anlegen, und ein Skill kann als immer aktiv markiert werden, sodass ihn jede Aufgabe bekommt. Skills liegen im eigenen Storage-Bucket deines Projekts und werden für die Aufgaben, die sie nutzen, in den Container installiert.

Das ist der günstigste Weg, die Ergebnisse zu verbessern. Ein Agent, der deinen Modulaufbau und deine Testkonvention kennt, produziert Pläne, die du seltener korrigieren musst.

Nächste Schritte

Was eine Agent-Aufgabe ist und welche Regeln rund um die Produktion gelten, steht unter Was Agent-Aufgaben sind. Um deine erste anzulegen und zu prüfen, siehe Eine Aufgabe ausführen und das Ergebnis prüfen.

Wenn du nicht weiterkommst, öffne ein Support-Ticket über die Seite Tickets oder das Chat-Widget.