Agentenbasierte KI-Entwicklung mit Python – Autonome Agenten erstellen Schulung

Grundlagen der agentenbasierten KI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agenten-Schleife: Zyklus von Wahrnehmen, Entscheiden, Handeln, Beobachten
• Designmuster für Agentenverantwortlichkeiten und -umfang

Python-Tools und Agenten-SDKs

• Einsatz von LangChain und ähnlichen SDKs zum Aufbau von Agenten
• Asynchrone Programmierung, Aufgabenwarteschlangen und Subprozess-Verwaltung
• Paketierung, virtuelle Umgebungen und reproduzierbare Entwicklungsarbeitsabläufe

Integration externer Tools und APIs

• Design von Tool-Schnittstellen und sicheren Aufrufmustern
• Anbindung an Web-APIs, Datenbanken und interne Dienste
• Verwaltung von Anmeldedaten, Geheimnissen und Least-Privilege-Zugriff

Speicher, Status- und Kontextverwaltung

• Kurzzeit-Kontextfenster und Techniken des Prompt Engineering
• Architekturen für Langzeit-Speicher: Redis, Vektor-Speicher, Retrieval-Augmentation
• Konsistenz, Caching-Strategien und Speicherhygiene

Orchestrierung, Planung und Mehrschritt-Arbeitsabläufe

• Kettenbildung von Aktionen, Subagenten und Aufgabenzerlegung
• Planungsalgorithmen vs. heuristische Orchestrierung
• Behandlung von Fehlern, Wiederholungsversuchen und Kompensationsmaßnahmen

Sicherheit, Testen und Observability

• Gefahrenmodelle, Red-Teaming und Sanitierung von Eingaben/Ausgaben
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Logging, Metriken, Tracing und Alarmierung für das Agentenverhalten

Implementierung, Skalierung und MLOps für Agenten

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

Zusammenfassung und nächste Schritte