Agentic AI Engineering mit Python – Autonome Agenten erstellen Schulung

Grundlagen des Agentic AI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agentenschleife: Zyklus aus Wahrnehmen, Entscheiden, Handeln, Beobachten
• Gestaltungsmuster für Verantwortlichkeiten und Geltungsbereich von Agenten

Python-Tooling und Agent-SDKs

• Einsatz von LangChain und ähnlichen SDKs zum Starten von Agenten
• Asynchrone Programmierung, Task-Queues und Prozessverwaltung
• Packaging, virtuelle Umgebungen und wiederholbare Entwicklungsworkflows

Integration externer Tools und APIs

• Gestaltung von Tool-Schnittstellen und sicheren Aufrufmustern für Tools
• Anbindung an Web-APIs, Datenbanken und interne Dienste
• Verwaltung von Zugangsdaten, Secrets und Least-Privilege-Zugriffen

Speicher, Zustand und Kontextverwaltung

• Kurzfristige Kontextfenster und Prompt-Engineering-Techniken
• Architekturen für langfristigen Speicher: Redis, Vektorspeicher, Retrieval-Augmented Generation
• Konsistenz, Caching-Strategien und Speicherhygiene

Orchestrierung, Planung und Mehrstufige Workflows

• Verschachtelung von Aktionen, Sub-Agenten und Aufgabenzerlegung
• Planungsalgorithmen vs. heuristische Orchestrierung
• Behandlung von Fehlern, Wiederholungen und Kompensationsaktionen

Sicherheit, Testen und Observierbarkeit

• Gefahrenmodelle, Red-Teaming und Sanitization von Eingaben/Ausgaben
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Logging, Metriken, Tracing und Alerting für das Verhalten von Agenten

Bereitstellung, Skalierung und MLOps für Agenten

• Containerisierung, CI/CD-Pipelines und Rollout-Strategien
• Kostenkontrolle, Rate-Limiting und Ressourcenoptimierung
• Überwachung, Governance und operative Playbooks

Zusammenfassung und nächste Schritte