Was ist ein Agent wirklich? Loops, Tools und Multi-Agent-Systeme - Episode #015

Was ist ein Agent wirklich? Loops, Tools und Multi-Agent-Systeme
- Episode #015
Was macht einen Agenten aus – und wann ist ein Agent eigentlich
gar nicht die richtige Wahl? In dieser Episode sprechen die Tobis
nicht über konkrete Frameworks, sondern über die Konzepte hinter
modernen AI Agents. Sie ordnen ein, was einen Agenten von
klassischer Software und einfachen LLM-Calls unterscheidet, warum
Agents nicht deterministisch sind und weshalb genau das sowohl
spannend als auch riskant sein kann.


Außerdem geht es um die Agent Loop, Tools, System Prompts,
Kurzzeit- und Langzeitgedächtnis, RAG, strukturierte Outputs wie
JSON und verschiedene Orchestrierungsmuster für
Multi-Agent-Systeme. Dazu kommen ganz praktische Fragen aus der
echten Entwicklung: Wann startet man mit einem Single Agent, wann
lohnt sich Multi-Agent-Orchestrierung wirklich, und wie geht man
mit Kosten, Telemetrie, Testing und Security um?


Hinweis: PAT steht für Personal Access Token (wir nutzen den
Begriff, definieren diesen aber nicht)


Darüber wurde gesprochen:
(00:00) Intro: Warum gerade alle über Agents sprechen
(01:25) Was ist ein Agent? Was einen Agent von klassischer
Software unterscheidet...
(03:58) Nicht deterministisch: Testing, Telemetrie und
Guardrails
(06:16) Die Agent Loop: nachdenken, handeln, beobachten
(08:36) Was Tools sind und warum gute Beschreibungen wichtig
sind
(13:15) System Prompt, Ziele und Versionierung
(15:30) Memory, Kontextfenster und maximale Iterationen
(19:48) Langzeitgedächtnis, Sessions und RAG
(24:15) Output-Formate und strukturierte Antworten wie JSON
(26:00) Wann ein Agent sinnvoll ist – und wann eher nicht
(29:35) Kosten, Latenz und das Determinismus-Spektrum
(35:40) Sequential, Concurrent, Group Chat und Handoff
(39:12) Warum ihr mit einem Single Agent starten solltet. Was
bewegt mich mehr als einen Agent einzusetzen in einem Szenario?
Was ist der Indikator für mehrere Agents? Conway's Law und
Agenten!
(48:12) Pragmatischer Start: erst mit dem LLM testen, dann
Agenten bauen
(50:40) Security: Prompt Injection, Credential Exposure und Least
Privilege
(59:20) Fazit: Agents sind keine Magic Box, sondern vor allem
Kontextmanagement
(01:01:36) Outro


Beispiel aus der Episode:
Agent Loop:
1. Das LLM bewertet die Aufgabe.
2. Es entscheidet, ob ein Tool gebraucht wird.
3. Der Code ruft das Tool auf.
4. Das Ergebnis fließt zurück in den Kontext.
5. Das LLM entscheidet erneut, bis das Ziel erreicht ist oder die
maximale Anzahl an Iterationen erreicht wurde.


Link:
Credential Exposure via Supply Chain Attack:
https://www.trendmicro.com/en_us/research/26/c/inside-litellm-supply-chain-compromise.html

Hast du Bugs, die wir fixen sollen, oder Themen-Ideen, die wir
deployen können? Schick uns eine Pull-Request per Mail:
feedback@tobihochzwei.de


Wenn dir der Podcast gefällt, unterstütz uns kurz:
Abonnieren Bewerten Weiterempfehlen


LinkedIn:
https://www.linkedin.com/company/tobihochzwei/


Agent, Agenten, AI Agent, AI Agents, KI Agenten, LLM, Large
Language Model, Agent Loop, Tools, Tool Use, System Prompt,
Memory, Kurzzeitgedächtnis, Langzeitgedächtnis, RAG, Retrieval
Augmented Generation, Single Agent, Multi-Agent, Orchestrierung,
Prompt Injection, Credential Exposure, Kontextmanagement, GitHub
Copilot, MCP, TobiHochZwei, Tobi Hoch Zwei, Tobi Hoch 2, Tobi_2,
Tobi 2


TobiHochZwei – Doppelt Tobi, doppelt Tech ist der Podcast rund um
Software, Cloud und moderne Technologien. Die Hosts Tobias
Allweier und Tobias Wittenburg sprechen praxisnah über
Softwareentwicklung, Cloud-Architekturen, Künstliche Intelligenz
und IT-Strategien. Mit klaren Einblicken aus dem Berufsalltag,
echten Erfahrungen und spannenden Gästen liefert jede Folge
Orientierung und Mehrwert – für Einsteiger ebenso wie für
erfahrene IT-Profis.Weitere Infos und Impressum:
www.TobiHochZwei.de/impressum