Article
JetBrains finding-tests Skill: Halbierte Token-Kosten für AI-Agenten
Wenn ein AI-Agent einen Test schreiben soll, beginnt meist das gleiche Problem: Wo gehört dieser Test hin? Der Agent scannt Ordnernamen, grept nach Methoden, liest Datei nach Datei. Token-Limits verbrennen sich.
JetBrains hat in Rider 2026.2 EAP eine elegante Lösung: den finding-tests Agent Skill.
Das Prinzip
Rider hat bereits Zugriff auf dotCover-Coverage-Daten. Der Skill fragt einfach die IDE: “Welche Tests decken diesen Code ab?” Der Antwort ist präzise – exakt die Test-Dateien, die relevante Tests enthalten.
Kein File-Scanning. Keine Heuristiken. Keine falschen Platzierungen.
Die Architektur
Der Skill kommt in zwei Formen:
Bundled Skill für Rider AI Assistant: Standardmäßig aktiviert in Rider 2026.2 EAP. Läuft direkt im IDE-Kontext.
Standalone MCP Tool für externe Agents: findTests als MCP-Tool für Claude Code, Codex und andere externe Agents. Erfordert MCP-Server-Aktivierung in Rider.
Token-Einsparungen
JetBrains hat dies mit Claude getestet. Das Ergebnis: 50% weniger Token-Verbrauch bei Test-Generierungsaufgaben.
Die Mathematik ist einfach: Anstatt 50% der Token für Code-Exploration zu verbraten, nutzt der Skill 30 Sekunden Coverage-Analysis und gibt dann den exakten Pfad zurück.
Trade-off: Zeit vs. Tokens
Coverage-Running kostet Zeit. Bei kleinen Projekten sind es 30 Sekunden. Bei großen Codebases können es Minuten sein.
Der Skill ist standardmäßig aktiviert, aber deaktivierbar. In den Rider Settings unter Tools > AI Assistant > Skills kann man ihn projektweise konfigurieren.
Integration mit Claude und Codex
Der Skill folgt dem Agent Skills Standard von Anthropic. Für externe Agents:
- Rider MCP-Server aktivieren (Settings > Tools > MCP Server)
- Skill im globalen oder Projekt-Scope installieren
- Agent kann
findTestsautomatisch nutzen
Die MCP-Konfiguration erlaubt auch Timeouts für große Lösungen – Codex und Copilot haben standardmäßig 120 Sekunden, was bei Enterprise-Codebases knapp sein kann.
Was kommt danach?
Wenn der Skill sich bewährt, ist “Target Coverage” der nächste Schritt: Der Agent generiert automatisch genug Tests für eine vorgegebene Coverage-Percentage.
Keine manuellen Tests mehr für Pflichtquoten. Die AI erledigt es.