Multi‑Agent Systems

/perspective/learn/

Die Roadmap

Agentische Entwurfsmuster meistern, der Reihe nach.

Eine in sich geschlossene Route von "Was ist ein Agent?" bis produktionsreif — sechs Kapitel, fünfzehn Stationen, jede auf der vorherigen aufbauend. Die Lektion findet direkt hier auf der Roadmap statt. Markieren Sie eine Station als gemeistert, und der Weg füllt sich hinter Ihnen.

15 Stationen · ~25 Min. Lesen
0%
0 von 15 Stationen gemeistert
Ihr Fortschritt wird automatisch gespeichert — jederzeit weitermachen.
Der BogenKapitel 01→Kapitel 02→Kapitel 03→Kapitel 04→Kapitel 05→Kapitel 06

Kapitel 01 · 2 Stationen

Was ist ein Agent?

Weg mit dem Hype: Ein Agent ist ein Sprachmodell in einer Schleife, ausgestattet mit Tools und einem festen Auftrag, das seine eigene nächste Aktion wählt.

Kapitel 01

Was ist ein Agent?

Ein LLM in einer Schleife, ausgestattet mit Tools und einem festen Auftrag, das seine eigene nächste Aktion entscheidet.

LehrtIntegrator
SYSTEM PROMPTRolle, Regeln, PersonaEINGABEWahrnehmungNutzeranfrage, SignaleLLM · DAS GEHIRNReasoningkognitiver Kern · Weltmodellentscheidet: Tool rufen oder antwortenAUSGABEEndantwortSchleife geschlossenAntwortTOOLS · DIE HÄNDETypisierte Aktionen — fetch, query, CodeAktionbeobachten
  • Wahrnehmungrohe Eingaben von Nutzer oder Welt, in strukturierte Perzepte überführt.
  • Das Gehirndas LLM trägt das Reasoning und das Bild des Agenten davon, was bislang wahr ist.
  • Fester Auftragder System-Prompt legt die Rolle fest und prägt, wie der Agent plant.
  • Die HändeTools — typisierte Funktionen — lassen ihn eine DB abfragen, Code ausführen, eine Seite abrufen.
  • Die Schleife schließt sichErgebnisse kehren als Beobachtungen zurück; der Agent handelt erneut oder antwortet.

Stabilisiert

Begrifflicher Nebel — „Agent“ als Schlagwort verwendet statt als präzise Architektur.

Fünf Teile jedes einzelnen Agenten

Input · Wahrnehmung
Rohe Eingaben, in strukturierte Perzepte überführt, über die der Kern schlussfolgern kann.
LLM · Das Gehirn
Trägt das Reasoning und hält das Weltmodell des Agenten aufrecht.
System-Prompt · Fester Auftrag
Definiert die Rolle, gibt Betriebsanweisungen, prägt den Plan.
Tools · Die Hände
Das Modell gibt einen strukturierten Tool-Aufruf aus — eine typisierte Funktion, die es aufrufen darf.
Output · Rückmeldung
Beobachtungen kehren zurück; der Agent wertet aus und dreht eine weitere Runde oder antwortet.

Die Trennlinie

Workflow: Sie verdrahten den Kontrollfluss; das Modell füllt die Lücken. Agent: das Modell entscheidet den Kontrollfluss zur Laufzeit. Autonomie ist ein Spektrum — und mehr davon kostet Sie immer Vorhersagbarkeit.

Checkpoint — Sie können…

Benennen Sie die fünf Teile eines Agenten und den einen Schritt, der einen Agenten von einem bloßen Modellaufruf unterscheidet.

Kapitel 01

Die ReAct-Schleife

Das Atom der Handlungsfähigkeit: denken, handeln, beobachten — dann erneut denken, mit dem Gesehenen im Kontext.

LehrtDeliberatorExecutor
Gedanke→Aktion→Beobachtung↻ wiederholen
  • Gedankedas Modell schließt über den Zustand und benennt, was es als Nächstes braucht.
  • Aktiones gibt einen Tool-Aufruf aus, verankert in diesem Gedanken — keine blinde Vermutung.
  • Beobachtungdas Ergebnis fließt zurück in den Kontext, sodass der nächste Gedanke die Realität sieht.
  • Wiederholendie Schleife läuft weiter, bis das Ziel erreicht oder eine Grenze getroffen ist.

Stabilisiert

Blindes Handeln — Aktionen wählen, ohne sie in dem zu erden, was gerade geschah.

Warum die Verschränkung zählt

Schlussfolgern und Handeln wechseln sich ab, sodass jede Entscheidung an das gebunden ist, was gerade geschah. Fehler werden innerhalb der Schleife abgefangen, statt sich über sie hinweg aufzusummieren.

Checkpoint — Sie können…

Verfolgen Sie eine Runde einer ReAct-Schleife und sagen Sie, welcher Schritt für das ‚Denken‘ und welcher für das ‚Handeln‘ zuständig ist.

Kapitel 02 · 3 Stationen

Warum ein Agent nicht genügt

Ein Prompt ist ein probabilistischer Vorschlag, kein Vertrag. Ungesteuert driftet er, dreht sich im Kreis und halluziniert — manchmal bis vor Gericht.

Kapitel 02

Prompts sind keine Software

Ein Prompt ist ein probabilistischer Vorschlag, keine deterministische Anweisung. Beide zu verwechseln ist die Erbsünde der Agent-Entwicklung.

Orientierung — noch kein formales Pattern
f(x)in→outsame every run
p(x)in→abc?sampled
  • Nicht-deterministischdieselbe Eingabe wird aus einer Verteilung gezogen — nicht reproduziert.
  • Schwach spezifiziertVerhalten wird in Prosa erbeten, nicht durch Code und Typen festgenagelt.
  • Demo ≠ korrektzehn grüne Durchläufe sind zehn Stichproben, kein Beweis. Der elfte kann live scheitern.
  • Absichern statt vertrauenmachen Sie das System zuverlässig — validieren, begrenzen, wiederholen, Checkpoints setzen.

Stabilisiert

Der Kategorienfehler — einen probabilistischen Vorschlag für eine deterministische Anweisung halten.

Der Kategorienfehler

SoftwarePrompt
OutputGleich rein, gleich rausAus einer Verteilung gezogen
SpezifikationDurch Code & Typen festgenageltIn natürlicher Sprache erbeten
TestenAuf exakte Werte prüfenEigenschaften prüfen, nicht Strings
FehlerReproduzierbarSporadisch, nicht-deterministisch
VertrauenVom CompilerVon den Guardrails drumherum

Die Umdeutung

Verlangen Sie nicht vom Modell, zuverlässig zu sein. Halten Sie den probabilistischen Schritt klein und eng umrissen und umgeben Sie ihn mit deterministischer Struktur. Die Lücke zwischen einer Demo und einem Produkt sind die Patterns.

Checkpoint — Sie können…

Nennen Sie zwei Arten, wie sich ein Prompt von einer Funktion unterscheidet, und was Sie vor dem Ausliefern um ihn herum ergänzen würden.

Kapitel 02

Ein Beispiel — Air Canada

Ein unbeaufsichtigter Chatbot erfand eine Erstattungsrichtlinie. Ein Gericht ließ die Fluggesellschaft zahlen. Halluzination hat ein Preisschild.

Orientierung — noch kein formales Pattern
chatbot→“refund policy”→LIABLECAD $812.02
  • Er halluzinierte eine Richtlinieder Bot versprach einen rückwirkenden Trauerfalltarif, den es nie gab.
  • „Die KI hat es gesagt“ scheitertedas Gericht machte das Unternehmen haftbar für das, was sein Agent sagt.
  • Kein Einzelfallder 1-$-Tahoe und Aviancas erfundene Zitate sind dasselbe fehlende Pattern.
  • Guardrails sind kein Feinschliffsie sind die Linie zwischen einem Feature und einer Haftung.

Stabilisiert

Die Illusion, Halluzination sei harmlos — sie trägt rechtliche, finanzielle und Reputationskosten.

Der Präzedenzfall

Moffatt v. Air Canada

BC Civil Resolution Tribunal · Februar 2024

Der Chatbot halluzinierte eine rückwirkende Erstattungsrichtlinie für Trauerfalltarife. Das Gericht befand Air Canada wegen fahrlässiger Falschdarstellung haftbar — das Unternehmen, nicht der Bot, verantwortet, was der Bot sagt.

Zwei weitere aus den Akten

Chevrolet „1-$-Tahoe“ (Dez. 2023)
Ein Kunde brachte per Prompt-Injection einen Händler-Assistenten zu einem „rechtsverbindlichen“ 1-$-Autoangebot. Agenten ohne eng umrissenen Auftrag sagen alles.
Mata v. Avianca (Juni 2023)
Anwälte wurden sanktioniert, nachdem ChatGPT sechs fiktive Fallzitate in einem Gerichtsschriftsatz erfunden hatte.

Checkpoint — Sie können…

Benennen Sie den Fehlermodus hinter dem Urteil und ein Pattern, das ihn verhindert hätte.

Kapitel 02

Die vier Wände, gegen die ein einzelner Agent läuft

Eine einzelne ReAct-Schleife ist mächtig — bis die Aufgabe tief wird, die Tools unsicher werden, die Arbeit Spezialisten braucht oder sie den Dienstagsbetrieb überstehen muss.

Orientierung — noch kein formales Pattern
TiefePlanungLernenReflexionSicherheitToolsSkalierungMulti-Agent
  • Tiefe des Schlussfolgernseinmaliges Denken bricht bei langen mehrstufigen Aufgaben zusammen → Sie brauchen Planning.
  • Kausales Lernenes wiederholt Fehler, die es nie diagnostiziert hat → Sie brauchen Reflection.
  • Unsichere Grenzenrohe Tool-Aufrufe beschädigen den Zustand → Sie brauchen eine sichere Tool-Use-Grenze.
  • Koordinationechte Spezialisten brauchen begrenzte Kommunikation → Sie brauchen Multi-Agent-Patterns.

Stabilisiert

Der Glaube, ein einzelner cleverer Prompt skaliere — tut er nicht, und die Wände sagen genau voraus, wo er bricht.

Das ist der Angelpunkt der Geschichte

Jede Wand benennt einen Fehlermodus des einzelnen Agenten — und auf jeden antwortet ein benanntes Pattern im nächsten Kapitel. Halten Sie die vier Wände im Kopf; die Patterns sind die Türen hindurch.

Checkpoint — Sie können…

Listen Sie die vier Wände auf und benennen Sie die Pattern-Familie, die jede durchbricht.

Kapitel 03 · 5 Stationen

Die Lösungs-Patterns

Dieselbe Handvoll Formen wiederholt sich überall. Jede benennt einen Fehlermodus und die Struktur, die ihn eindämmt — für einen Agenten, dann für viele.

Kapitel 03

Reflection

Entwerfen, kritisieren, verbessern. Der Agent lernt aus seinen eigenen Fehlern, statt sie zu wiederholen.

LehrtReflector
zu vage?Fakten prüfenQuellen hinzuf.
EntwurfAusgabe
→
KritikDiagnose
→
VerbessernÜberarbeiten
Qualität
56%↻ überarb. ×0
  • Den Mangel benennenkonkret, nicht „das ist schlecht“ — „es lässt das geforderte Erstattungsfenster aus.“
  • Die Ursache findendamit die Korrektur die Ursache trifft, nicht das Symptom.
  • Eine konkrete Revision anwendeneine umsetzbare Änderung, an der der nächste Entwurf gemessen wird.
  • Den Prüfer verankernan einem Test oder einem Menschen — ein Modell, das sich selbst benotet, kann seinem eigenen Fehler zustimmen.

Stabilisiert

Kausales Lernen — denselben Fehler wiederholen, weil die Ursache nie diagnostiziert wurde.

Checkpoint — Sie können…

Beschreiben Sie entwerfen→kritisieren→verbessern und was eine Kritik liefern muss, um nützlich zu sein.

Kapitel 03

Tool Use

Agenten wirken über Tools auf die Welt — APIs, Datenbanken, das Web. Die Grenze muss sicher sein.

LehrtTool UseExecutor
Agent
API {…}DBWEB
  • Argumente validierenjedes Argument vor dem Dispatch gegen ein Schema prüfen.
  • Fähigkeiten begrenzengeringste Rechte — der Agent kann nur aufrufen, was ihm gewährt wurde.
  • Fehler normalisierenFehlschläge kehren als strukturierte, behebbare Signale zurück, nicht als Abstürze.
  • StandardisierenMCP gibt einen Client- + einen Server-Kontrakt für jedes Tool (Kapitel 04).

Stabilisiert

Unsichere Tool-Grenzen — driftende Schemata und nicht eingegrenzte Aufrufe, die den Graphen vergiften.

Checkpoint — Sie können…

Benennen Sie zwei Dinge, die die Tool-Grenze erzwingen muss, bevor ein Aufruf abgesetzt wird, und warum.

Kapitel 03

Planning

Zerlegen Sie das Ziel, bevor Sie handeln. Ein Plan macht aus einer vagen Absicht geordnete, prüfbare Schritte.

LehrtPlannerSelector
Ziel→Prüfen?→RechercheAusführen
  • Definieren
  • Sammeln
  • Ausführen
  • Prüfen
  • Zerlegender Planner bricht ein komplexes Ziel in geordnete Teilziele auf.
  • Priorisierender Selector wählt, welches Teilziel als Nächstes verfolgt wird.
  • Vorab planen vs. unterwegs planenReWOO legt sich vorab fest; ReAct plant jede Runde neu. Die meisten mischen beides.
  • Lesbarkeitein expliziter Plan ist cachebar, parallelisierbar und zeigt auf den Fehler.

Stabilisiert

Tiefe des Schlussfolgerns — komplexe Aufgaben, die übersteigen, was einmaliges Schlussfolgern halten kann.

Checkpoint — Sie können…

Skizzieren Sie eine mehrstufige Aufgabe als geordnete Teilziele und sagen Sie, welches Sie zuerst ausführen würden und warum.

Kapitel 03

Die Graph-Sprache

Workflows und Agenten teilen ein Vokabular: Knoten, Kanten, Zustand, Reducer. Lernen Sie die Syntax einmal, und jedes Pattern liest sich gleich.

Orientierung — noch kein formales Pattern
KnotenKanteZustandReducer
  • Knoteneine Arbeitseinheit — ein LLM- oder Tool-Aufruf — typisiert rein und raus.
  • Kanteeine gerichtete Linie; die Kantenmenge definiert, was möglich ist. Die Laufzeit erfindet nichts.
  • Zustanddas typisierte Objekt, das durch den Graphen gefädelt wird — geteiltes Arbeitsgedächtnis.
  • Reducerdie Regel zum Zusammenführen der Schreibvorgänge eines Knotens in den Zustand — überschreiben, anhängen, kombinieren.

Stabilisiert

Vokabular-Drift — jedes Framework erfindet dieselben Substantive unter anderen Namen neu.

Die vier Substantive

Knoten
Eine Arbeitseinheit — ein LLM- oder Tool-Aufruf. Typisierter Input, typisierter Output. Rein, wo möglich.
Kante
Eine gerichtete Verbindung. Statisch (immer) oder bedingt (ein LLM wählt). Die Kantenmenge ist der Raum der erlaubten Züge.
Zustand
Das geteilte, typisierte Objekt, aus dem jeder Knoten liest und in das er schreibt. Das Arbeitsgedächtnis des Systems.
Reducer
Pro-Feld-Zusammenführungsregel für die Schreibvorgänge eines Knotens — einen Wert überschreiben, an eine Liste anhängen, eine Menge kombinieren.

Warum eine gemeinsame Sprache zählt

Sobald Fluss Daten ist — Knoten und Kanten, keine vergrabenen if-Anweisungen — können Sie ihn per Checkpoint sichern, fortsetzen, visualisieren und über ihn schlussfolgern. Das macht auch die nächste Unterscheidung präzise: eine Pipeline verbietet Zyklen und LLM-gewählte Kanten; ein Graph erlaubt beides, begrenzt durch ein Rekursionslimit.

Checkpoint — Sie können…

Definieren Sie Knoten, Kante, Zustand, Reducer — und die eine Regel, die eine Pipeline von einem Graphen trennt.

Kapitel 03

Die sechs Koordinations-Patterns

Orchestrator, Pipeline, Graph, Blackboard, Swarm, Human-in-the-Loop. Fast jedes System ist eines davon — oder eine Komposition.

LehrtCoordinator
StrukturAutonomie
PipelineOrchestratorGraphBlackboardSwarm
+ Human-in-the-Loop auf jedem
  • Ein Spektrumvon vollständig entwicklerverdrahtet (Pipeline) bis vollständig selbstorganisierend (Swarm).
  • Eine Fragejedes beantwortet „wer entscheidet, wer als Nächstes arbeitet?“ anders.
  • HITL ist kombinierbarein menschliches Gate legt sich über jedes der anderen fünf.
  • Widerwillig eskalierenwählen Sie das strukturierteste Pattern, das das Problem löst.

Stabilisiert

Pattern-Wildwuchs — in benannten Varianten ertrinken, statt die sechs zugrunde liegenden Formen zu sehen.

Die sechs Koordinations-Patterns

Orchestrator / Agent-as-Tool
Kapselung
Wer hält den Ablauf zusammen? Wer delegiert an wen?
Spezialisten werden als typisierte Callables — Tools — bereitgestellt, und der Orchestrator sieht nur die Signatur, nicht den Prompt oder das Modell. Diese Grenze macht Spezialisten über Implementierungen und Frameworks hinweg austauschbar, einschließlich entfernter A2A-Agenten.
Pipeline / Workflow (DAG)
Strukturdeterministisch
Welche Reihenfolge ist fest? Was kann parallel laufen?
Der Kontrollfluss ist vollständig im Code verdrahtet: welche Knoten laufen, in welcher Reihenfolge, mit welchem Fan-out. Der Graph ist bei jedem Lauf identisch; nur der modellgenerierte Inhalt innerhalb der Knoten ist nicht-deterministisch.
Graph (Fan-out / Fan-in)
Begrenzte Variabilität
Gibt es bedingte Verzweigungen und Punkte, an denen Ergebnisse zusammenlaufen?
Pipeline plus zwei Lockerungen — bedingte Kanten, die ein LLM wählt, und Zyklen, die durch ein Rekursionslimit begrenzt sind. Die Knotenmenge ist weiterhin geschlossen und das Zustandsschema wird weiterhin validiert; nur der Pfad hindurch entsteht erst zur Laufzeit.
Blackboard (geteilter Zustand)
Entkoppelte Topologie
Wo lebt der geteilte Arbeitszustand? Wie wächst das Wissen aller Agenten?
Kommunikation läuft über eine geteilte Zustandsfläche, nicht über adressierte Nachrichten. Einen Agenten hinzuzufügen ist ein Abonnement, keine Neuverdrahtung — die anderen Agenten erfahren nichts von seiner Existenz. Das einzige Pattern mit einer zur Laufzeit offenen Agentenmenge.
Swarm (selbstorganisierende Handoffs)
Emergente Topologie
Können die Agenten selbst entscheiden, wer als Nächstes übernimmt?
Der Graph ist ein Laufzeitartefakt. Jeder Agent deklariert, an welche Peers er übergeben darf; der Pfad durch das Netzwerk materialisiert sich, während der Lauf fortschreitet. Geeignet für Probleme, bei denen sich im Voraus kein statischer Plan zeichnen lässt.
Human-in-the-Loop
Zeitlich, nicht topologisch
Wo muss ein Mensch eingreifen, und mit welcher Frage?
Setze den Lauf an einem bestimmten Knoten aus, persistiere den Zustand, stelle einem Menschen eine strukturierte Frage, setze fort, sobald die Antwort eintrifft. Die Innovation liegt in der Zeitdimension — HITL komponiert mit jedem anderen Pattern, statt mit ihnen zu konkurrieren.

Die Trade-offs auf einen Blick

PatternSteuert FlussZyklenDeterminismus
OrchestratorOrchestrator-LLMNeinMittel
PipelineEntwicklerNeinHoch
GraphEntwickler + LLMJaMittel
BlackboardAlle AgentenJaMittel
SwarmAgenten (Handoffs)JaNiedrig
HITLMensch + SystemNeinHoch

Checkpoint — Sie können…

Ordnen Sie jedes Pattern seiner Leitfrage zu und platzieren Sie die sechs auf dem Struktur→Autonomie-Spektrum.

Kapitel 04 · 3 Stationen

Wie sie angewendet werden

Wählen Sie das einfachste Pattern, das funktioniert, ein Framework, das zu seiner Form passt, und verbinden Sie über Grenzen hinweg mit zwei offenen Protokollen.

Kapitel 04

Das Entscheidungs-Framework

Bevor Sie ein Pattern wählen, fragen Sie, ob Sie überhaupt einen Agenten brauchen. Sechs Fragen, der Reihe nach, führen Sie zum Einfachsten, das funktioniert.

Orientierung — noch kein formales Pattern
1Ein Prompt?2Tools?3Vorhersehbar?4–6Agent → Multi → Prodstopp beim ersten ‘Nein’
  • Am günstigsten beginnenkönnte ein gut entworfener Prompt es schaffen? Dann hören Sie hier auf.
  • Nur wenn nötig hochsteigenjedes ‚ja‘ bringt Sie eine Sprosse höher, nie mehr.
  • Die meisten Aufgaben hören früh aufweit früher, als Teams erwarten — reines Schlussfolgern oder ein Workflow.
  • Produktion ist eine eigene Sprossedas Ausliefern macht die System-Operation-Patterns verpflichtend.

Stabilisiert

Over-Engineering — ein Multi-Agent-System für ein Problem bauen, das ein Prompt lösen könnte.

Gehen Sie sie der Reihe nach durch

L1
Ein Verstand, der eine Aufgabe in einer Schleife bearbeitet.
Wie ein einzelner Agent intern denkt — Gedanke, Aktion, Beobachtung, Reflexion. Die Einheit, zu der du immer wieder zurückkehrst, selbst in den größeren Systemen.
L2
Schritte, die du in Code verdrahtest. Das LLM füllt die Lücken.
Struktur gehört in den Code. Workflow-Patterns sind das deterministische Skelett: sequenziell, Routing, parallel, Schleifen. Das Modell erzeugt Inhalt; du steuerst den Fluss.
L3
Spezialisten. Wer entscheidet, wer als Nächstes arbeitet?
Der Punkt, an dem Koordination zum schwersten Problem des Systems wird. Supervisoren, Übergaben, Schwärme, Blackboards — zwölf kanonische Antworten auf dieselbe Frage.
L4
Memory, Tools, Runtime, Governance, Evals.
Dies ist der Boden, auf dem jede andere Sprosse bereits stand. Wir präsentieren L4 zuletzt, weil sein Überspringen der häufigste Grund ist, warum Agenten-Prototypen beim ersten Kontakt mit dem Alltag sterben — konzeptionell ist es jedoch das Fundament, kein letzter Schritt.

Checkpoint — Sie können…

Führen Sie eine echte Aufgabe der Reihe nach durch die sechs Fragen und bleiben Sie auf der Sprosse stehen, die zu ihr passt.

Kapitel 04

Framework-Passung

Das Framework entscheidet, wie Ihr Agent denkt. Es gibt kein „bestes“ — nur die Passung zur Form Ihres Problems und zu Ihrem Stack.

Orientierung — noch kein formales Pattern
Frameworkwie es denktRuntimeAusführung & StateHarnessfertige Schleife
LangGraphCrewAITemporal
  • Drei SchichtenFramework (Authoring), Runtime (Ausführung & Zustand), Harness (eine fertige Schleife).
  • Nach Pattern einkaufengleichen Sie das „best for“ eines Kandidaten mit dem Pattern ab, das Sie ohnehin brauchen.
  • Das „watch out“ lesengegen Ihre echten Beschränkungen — Kontrolle, Kosten, Debugbarkeit.
  • Zwei Achsen entscheidenKontrolle ↔ Bequemlichkeit, und das Ökosystem, in dem Sie schon stehen.

Stabilisiert

Framework-Cargo-Kult — nach Hype wählen statt nach Pattern, Kontrollbedarf und Ökosystem.

Ein repräsentativer Ausschnitt

LangGraph
Runtime
StarkAuditierbare, zustandsbehaftete Graphen mit deterministischer Steuerung und Human-in-the-Loop.
VorsichtHoher Boilerplate-Aufwand; striktes State Management ist für einfache lineare Flows überdimensioniert.
CrewAI
Framework
StarkSchnelles Prototyping rollenbasierter Team-Workflows mit eingebautem mehrschichtigem Memory.
VorsichtHohe Abstraktion erschwert das Debugging des internen Zustands ('Black Box').
AutoGen / AG2
Framework
StarkMulti-Agent-Debatten, Verhandlungen und Code-Reviews per Konversation.
VorsichtChat-Historien treiben hohen Token-Verbrauch; keine eingebaute Persistenz.
Pydantic AI
Framework
StarkStrukturierte Extraktion und validierte RAG-Pipelines mit strikter Typisierung.
VorsichtSchwächer als LangGraph bei endlos zyklischen Graphen.
AWS Strands SDK
Framework
StarkSchneller Einsatz modellgesteuerter Agenten auf AWS (Bedrock, Lambda, ECS).
VorsichtWenig Low-Level-Kontrolle; das LLM steuert den Graphen, sodass Flows weniger deterministisch sind.
Temporal
Runtime
StarkLanglaufende, zustandsbehaftete Orchestrierung, die Abstürze übersteht und genau dort weitermacht, wo sie aufgehört hat.
VorsichtAllgemeine Workflow-Infrastruktur, nicht agent-nativ — LLM- und Agent-Layer müssen selbst eingebracht werden.

Checkpoint — Sie können…

Wählen Sie ein Pattern, dann ein Framework, dessen „best for“ passt, und eine Beschränkung, die sein „watch out“ verletzt.

Kapitel 04

Verbinden — MCP & A2A

Zwei offene Protokolle queren die Grenze aus jedem Framework heraus. Eines standardisiert Agent↔Tool; das andere Agent↔Agent.

LehrtTool UseCoordinator
AgentA2A → Peer
MCP ↓
ToolDatenPrompt
  • MCP — vertikalN Agenten × M Tools kollabiert zu N+M. „Ein USB-C-Anschluss für KI-Apps.“
  • A2A — horizontalAgenten auf verschiedenen Frameworks kooperieren als undurchsichtige Peers.
  • Komplementärdas Framework entscheidet, wie es denkt; Protokolle entscheiden, mit wem es spricht.
  • Datenschutz von Grund aufA2A-Peers legen eine Fähigkeit und ein Ergebnis offen — nie ihr Reasoning.

Stabilisiert

Lock-in — Agenten und Tools, die keine Framework- oder Anbietergrenze queren können.

Zwei Protokolle, zwei Grenzen

MCPA2A
GeltungsbereichAgent ↔ Tool / DatenAgent ↔ Agent
StandardisiertTool-Discovery & I/OAgent-Discovery, Task-Lebenszyklus
KernobjekteTools · Resources · PromptsAgent Cards · Tasks · Artefacts
TrägerAnthropic (offene Spec)Linux Foundation (von Google initiiert)

A2A in Bewegung — eine Reise, drei Anbieter

Discover
Die Agent Card des Remote von /.well-known/agent-card.json abrufen — Skills, Endpunkt, Auth.
Authenticate
Ein Token gemäß dem Schema der Card beziehen. Der Remote behandelt den Aufrufer bis dahin als nicht vertrauenswürdig.
message/send
Ein Task öffnet sich im Zustand submitted; der Fortschritt strömt über SSE als working zurück.
Artifact
Ein flight-options-Artifact kehrt zurück; der Task ist completed — das Reasoning verlässt nie die Grenze.

Wo Sie das hinbringt

Von einem ungesteuerten Prompt zu einem gesteuerten Agenten, der jedes Tool über MCP erreicht und mit jedem Agenten über A2A kooperiert — strukturiert, beobachtbar, rechenschaftspflichtig von Anfang bis Ende.

Checkpoint — Sie können…

Erklären Sie das vertikale Problem, das MCP löst, und das horizontale Problem, das A2A löst.

Kapitel 05 · 1 Station

Zu vermeidende Anti-Patterns

Die Patterns haben böse Zwillinge. Wer die benannten Fallen kennt, erkennt den Fehler, bevor er ausgeliefert wird — nicht erst in der Nachbetrachtung.

Kapitel 05

Die zu vermeidenden Fallen

Jedes Pattern hat einen bösen Zwilling. Dies sind die benannten Fehlermodi — erkennen Sie das Symptom, greifen Sie zur Korrektur.

Orientierung — noch kein formales Pattern
⚠ God Orchestrator→kleine Spezialisten⚠ Unbounded Loop→Rekursionslimit
  • Over-AgentifizierungMulti-Agent, wo ein Workflow genügen würde → gehen Sie die Entscheidungsleiter durch.
  • Unbegrenzte Schleifekeine Abbruchbedingung → hartes Rekursionslimit + Schrittbudget.
  • God Orchestratorein Knoten hält alles → schieben Sie Arbeit in kleine Spezialisten.
  • Selbstbenotete Halluzinationein Modell stimmt seinem eigenen Fehler zu → verankern Sie das Urteil extern.

Stabilisiert

Die Nachbetrachtung — benannte Fehlermodi im Review abfangen statt in der Produktion.

Symptom → Korrektur

Hallucinated Routing
SymptomReflexionsschleifen konvergieren nie. Rekursionslimits schlagen erst zur Laufzeit an statt zur Entwurfszeit.
LösungRouter-Entscheidungen schema-validieren. Hartes recursion_limit, hartes max_handoffs.
Tool Explosion
SymptomDie Tool-Auswahlgenauigkeit bricht ein. Das Modell halluziniert Aufrufe und Parameternamen.
LösungMinimal-Rechte pro Rolle. Große Kataloge hinter einer Tool Registry plus Capability-Routing absichern.
Hidden State in Prompts
SymptomVerhalten driftet über lange Gespräche. Fehler reproduzieren sich nur sporadisch.
LösungPydantic-v2-Zustand an jeder Knotengrenze. Zusätzliche Attribute verbieten. Zustand gehört in den Code.
Cascading Security Failures
SymptomEin vergiftetes Dokument in einem gemeinsamen Index kontaminiert jeden nachgelagerten Konsumenten. Prompt-Injection propagiert über Übergaben.
LösungJede Agent-zu-Agent-Nachricht als Vertrauensgrenze behandeln. Wissensdatenbanken nach Vertrauensniveau partitionieren.

Die Meta-Lektion

Anti-Patterns sind nicht exotisch — sie sind das Standard-Ergebnis, wenn man ein Pattern überspringt. Jede Korrektur oben ist nur ein Pattern aus den Kapiteln 03–04, bewusst angewendet.

Checkpoint — Sie können…

Wählen Sie zwei Anti-Patterns, nennen Sie das Symptom, das Sie in den Logs sähen, und das Pattern, das jedes behebt.

Kapitel 06 · 1 Station

Produktionsreif

Sicher, zuverlässig, skalierbar: Guardrails, die halten, Zustand, der überlebt, und die Observability, die es beweist.

Kapitel 06

Produktionsreif

Sicher, zuverlässig, skalierbar. Guardrails, die halten, Zustand, der überlebt, Skills, die sich verstärken.

LehrtControllerRecorderSkill Build
GuardrailLLM-Judge
→
AgentGraph
→
FreigabeMensch
MetrikenLogsAlertsState

Monitoring · Guardrails · Checkpoints — live

  • Guardrails — ControllerOutput-Validierung + LLM-as-Judge, der den Lauf anhalten kann.
  • Ausfallsicherer Zustand — RecorderCheckpoint an jedem Knoten; ein Absturz bei Schritt 11 setzt bei 11 fort.
  • Sich verstärkende Skillswiederholte Lösungen werden zu versionierten, wiederverwendbaren Assets.
  • ObservabilityMetriken, Logs, Traces, Alerts — Sie können nicht betreiben, was Sie nicht sehen.

Stabilisiert

Drift, verlorener Zustand und erodierende Guardrails über lang laufende Sitzungen.

Der Boden, nicht das Ziel

Diese sind kein letzter Schritt — sie sind der Boden, auf dem jedes andere Kapitel stand. Sie zu überspringen ist der häufigste Grund, warum Prototypen beim Kontakt mit echtem Traffic sterben. Das ist der ganze Weg.

Checkpoint — Sie können…

Benennen Sie die drei Dinge, die einen Agenten produktionsreif halten, und welcher ADP für welches zuständig ist.

Roadmap abgeschlossen · 100%

Produktionsreif.

Von „Was ist ein Agent?“ bis zu den Guardrails, die unter Last halten — Sie haben die ganze Straße gegangen.

Wohin als Nächstes

Nach den Pfaden.

GrundlagenDie LeiterJedes System beginnt beim Einzelagenten. Steige von dort L1 → L4 auf.L1 → L4 erklimmen PatternsPattern-ÜbersichtAlle vier Pattern-Kategorien auf einer Karte.Übersicht öffnen PerspektiveEntscheidungsheuristikEin kurzer Baum, um die richtige Höhe zu wählen.Welches Pattern wann

Suche

Patterns, Frameworks und Seiten durchsuchen.