Wenn du in der Softwareentwicklung, im Bereich KI und bei Large Language Models (LLMs) arbeitest, verwendest du wahrscheinlich regelmäßig KI-Agenten. Dieser Artikel zeigt dir, wie du deinen ersten Agenten baust. Bevor es losgeht, lohnt es sich, den Begriff zu definieren. Es gibt viele Antworten, doch die meisten sind sich einig, dass ein KI-Agent ein Softwaresystem ist, das ein LLM nutzt, welches in einer Schleife ein oder mehrere Tools aufruft, um ein Ziel zu erreichen. Dieses Ziel kann von der Beantwortung einer einfachen Frage bis hin zur Steuerung deines Browsers reichen, um ein Flugticket zu buchen, oder zur Entwicklung komplexer Software.
In agentischen Systemen beschreibt die Schleife den Zyklus zwischen Modell, Anwendung und deren Tools. Dafür braucht es keine wörtliche while- oder for-Anweisung. Das Beispiel hier durchläuft diesen Zyklus genau einmal: Das Modell fordert ein Tool an, Python führt es aus, und das Modell nutzt das Ergebnis für die Antwort. Der Agent wird bewusst nichts Komplexes tun, damit es am Anfang einfach bleibt.
Das Beispiel ist ein Support-Assistent für einen fiktiven Online-Shop. Die Bestelldaten liegen in einer SQLite-Datenbank, daher kann ein Sprachmodell Fragen zu Bestellungen nicht allein beantworten. Stattdessen fordert das Modell eine Python-Funktion namens get_order_total an, die die Datenbank abfragt und den tatsächlichen Wert zurückgibt. Für Bestellung 1001 von Sarah Jones beträgt die korrekte Summe GBP 96.95.
Das Modell kann eine Operation anfordern, aber Python entscheidet, ob sie erlaubt ist, und führt sie aus. Das Modell läuft lokal über Ollama, daher sind kein Cloud-Konto und kein API-Schlüssel nötig. Das Programm gibt die angeforderte Funktion, deren Argumente und das Datenbankergebnis aus, sodass der Austausch sichtbar wird, statt in einem Agenten-Framework verborgen zu bleiben.
Quelle: Towards Data Science · Zusammengefasst von HeadlinesBriefing