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
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.