So baust du einen KI-Agenten

KI-Agenten bauen

KI-Agenten bauen: Schleife, Tools, Gedächtnis, Guardrails | We.Inc

Baue einen KI-Agenten von Grund auf: die Schleife aus Entscheiden, Handeln und Beobachten, Tool-Definitionen, Gedächtnis, Schrittlimits, menschliche Freigabe und Tests. Mit Schritt-Simulator.

Ein KI-Agent ist eine Schleife. Ein Sprachmodell liest das Ziel und alles, was bisher passiert ist, und ruft dann entweder eines der von dir definierten Tools auf oder gibt eine endgültige Antwort. Dein Code führt das Tool aus, hängt das Ergebnis an und fragt erneut. Schrittlimits, Berechtigungen, menschliche Freigabe und Tests halten diese Schleife sicher.

Die fünf Bestandteile eines Agenten

Starte den Simulator und sieh zu, wie eine Aufgabe durch die Schleife läuft. Schalte die Freigabe aus und ein, um zu sehen, wo ein Guardrail einen riskanten Schritt unterbricht. Der Ablauf ist vorgegeben, damit du ihn in Ruhe studieren kannst, ein echter Durchlauf würde bei jedem Entscheidungsschritt ein Modell fragen.

Häufige Fragen

Brauche ich ein Framework, um einen Agenten zu bauen?

Nein. Der Kern ist eine while-Schleife um einen Modellaufruf und ein switch über die Tool-Namen, wie das Beispiel auf dieser Seite zeigt. Frameworks bringen Wiederholungen, Tracing und Integrationen mit, die später helfen, aber die Schleife verstecken, solange du noch lernst.

Wie ruft das Modell ein Tool auf?

Du sendest bei jeder Anfrage die Tool-Definitionen mit. Wenn das Modell eines nutzen will, antwortet es statt mit reinem Text mit dem Tool-Namen und den Argumenten. Dein Code führt die Funktion aus und schickt das Ergebnis als nächste Nachricht zurück.

Was ist der Unterschied zwischen Gedächtnis und Kontext?

Kontext ist das, was das Modell bei diesem Aufruf sieht: Anweisungen, das Ziel und das bisherige Transkript. Gedächtnis ist alles, was du speicherst und später gezielt wieder in den Kontext gibst, etwa Notizen aus einem früheren Durchlauf.

Wie verhindere ich, dass ein Agent endlos läuft?

Begrenze die Anzahl der Schritte und die Gesamtausgaben und beende den Durchlauf mit einer klaren Meldung, sobald eines davon erreicht ist. OWASP führt Unbounded Consumption unter seinen Risiken 2025 für Anwendungen auf Basis von Sprachmodellen.

Wie teste ich einen Agenten?

Schreib eine Reihe fester Aufgaben mit prüfbaren Ergebnissen: Das richtige Tool wurde aufgerufen, eine riskante Aktion hat auf die Freigabe gewartet, die endgültige Antwort enthält eine Zahl. Führe die Reihe nach jeder Prompt- oder Tool-Änderung aus und vergleiche, wie viele bestehen.

Guardrails, die wirklich halten

Nicht vertrauenswürdiger Text ist die größte Angriffsfläche

Die Schleife in reinem JavaScript

Kein Framework und kein Anbieter-SDK. callModel ist ein Stub, der feste Entscheidungen abspielt, damit die Datei unverändert läuft. Ersetze ihn durch eine Anfrage an den Modelldienst, den du nutzt.

Die Tools liegen in einem Objekt, riskante brauchen eine Freigabe, und die Schleife stoppt bei einem Schrittlimit. Führe sie mit node agent.mjs aus.

Risiken, gegen die du planen solltest

Einträge der OWASP Top 10 for LLM Applications 2025, die für Agenten am wichtigsten sind

Ziel: das günstigste von drei Lieferantenangeboten finden und die Zusammenfassung per E-Mail an die Büroleitung schicken.

Das Modell wählt read_quotes, um zu sehen, was eingegangen ist.

Der Code führt read_quotes() aus und gibt drei Dateien zurück.

Ergebnis dem Gedächtnis hinzugefügt: A $1,240, B $1,180, C $1,315.

Das Modell hat, was es braucht, und wählt send_email mit einem Entwurf der Zusammenfassung.

send_email ist als Aktion mit großer Wirkung markiert, daher pausiert der Durchlauf, bis ein Mensch den Entwurf freigibt.

Freigegeben. Der Code führt send_email() mit dem freigegebenen Text aus.

Ergebnis dem Gedächtnis hinzugefügt: Nachricht gesendet.

Das Modell gibt eine endgültige Antwort: Angebot B ist mit $1,180 am günstigsten, Zusammenfassung gesendet. 3 Modellaufrufe, unter dem Limit von 10 Schritten.

Das Modell wählt read_quotes, um zu sehen, was eingegangen ist.

Der Code führt read_quotes() aus und gibt drei Dateien zurück.

Ergebnis dem Gedächtnis hinzugefügt: A $1,240, B $1,180, C $1,315.

Das Modell hat, was es braucht, und wählt send_email mit einem Entwurf der Zusammenfassung.

Keine Freigaberegel, daher sendet der Code den Entwurf sofort. Niemand hat ihn vorher gesehen.

Ergebnis dem Gedächtnis hinzugefügt: Nachricht gesendet.

Das Modell gibt eine endgültige Antwort. Diesmal hat es geklappt, aber eine falsche Zahl oder eine eingeschleuste Anweisung wäre genauso ungeprüft rausgegangen.

Entscheiden

Handeln

Beobachten

Guardrail

Fertig

Simulator für die Agenten-Schleife

Nächster Schritt

Zurücksetzen

Freigabe vor send_email verlangen

Schritt {n} von {v}

Durchlauf beendet.

noch nicht erreicht

Kostenlos starten · Keine Kreditkarte nötig

Verwandt: Ratgeber

Produkt

Für wen

Funktionen

Ressourcen

Unternehmen

Sitemap