Zum Inhalt springen
Kontakt

Einen eigenen KI-Agenten verstehen und aufsetzen

Was verändert sich, wenn ein Sprachmodell Werkzeuge benutzen kann?

Entdeckt · Mit Vorkenntnissen

Projekt zum Entdecken · Die Originalquellen führen dich zum Aufbau.

Selbst ausprobieren

Wie arbeitet ein Agent mit Werkzeugen?

Folge einem Auftrag vom ersten Schritt bis zum prüfbaren Entwurf.

1Auftrag
2Werkzeug wählen
3Ergebnis lesen
4Entwurf prüfen

Dein Ziel

Lies die bereitgestellte Blink-Anleitung. Erstelle daraus eine Materialliste und lege sie mir zur Prüfung vor.

Ein erlaubtes Werkzeug

read_project_note("blink-led")

Dieser dargestellte Aufruf liest eine Beispielanleitung. Er bestellt keine Teile.

Vorgegebene Quellnotiz

Für dieses Blink-Beispiel verwenden wir die eingebaute LED eines Mikrocontroller-Boards. Benötigt werden ein Board mit eingebauter LED, ein passendes USB-Datenkabel und ein Computer mit Entwicklungsumgebung.

Dein Materiallisten-Entwurf

  • 1 Board mit eingebauter LED
  • 1 passendes USB-Datenkabel
  • 1 Computer mit Entwicklungsumgebung

Findest du jeden Eintrag in der Quellnotiz wieder?

Was du beobachten kannst

Das Modell erhält einen Auftrag, nutzt ein Werkzeug und verarbeitet dessen Rückmeldung. Hier endet der Ablauf mit einem Entwurf zur Prüfung.

Vorgegebener Beispielablauf ohne laufendes Sprachmodell. Die Freigabe ist hier bewusst eingebaut; andere Agenten können anders konfiguriert sein.

Dein erstes Ergebnis: Ein Agent mit einem klaren Auftrag

Stell dir einen Assistenten vor, der eine bereitgestellte Projektnotiz liest und daraus einen kurzen Entwurf erstellt. Du siehst, welches Werkzeug er dafür benutzt, welche Information zurückkommt und was er daraus vorschlägt. So wird aus einer schwer durchschaubaren Antwort ein beobachtbarer Ablauf.

Ein Sprachmodell erzeugt Ausgaben aus seinem Kontext. Ein Agentenprogramm verbindet es zusätzlich mit ausgewählten Werkzeugen und einer Schleife: Ein Werkzeugaufruf liefert ein Ergebnis, das in den nächsten Schritt einfliesst. Ein Werkzeug kann beispielsweise eine Datei lesen oder eine Berechnung ausführen. Welche Zugriffe möglich sind, bestimmt die Anwendung.

Vom Auftrag zum überprüfbaren Ergebnis

Der Auftrag legt das Ziel fest. Das Modell schlägt einen nächsten Schritt vor, das Programm führt einen erlaubten Werkzeugaufruf aus und gibt dessen Ergebnis zurück. Danach kann ein weiterer Aufruf folgen oder eine abschliessende Antwort entstehen. Ein Werkzeugfehler ist dabei eine Rückmeldung, kein erfolgreicher Abschluss.

Für unseren Einstieg ergänzen wir einen Halt vor dem Speichern: Du prüfst den Entwurf und entscheidest, ob er übernommen werden soll. Solche Freigaben müssen eingerichtet werden; sie sind nicht automatisch Bestandteil jedes Agenten.

Klein anfangen und den Ablauf sichtbar halten

Für deinen ersten Versuch brauchst du eine Laufzeit, ein passendes Modell und ein klar beschriebenes Werkzeug. smolagents zeigt dafür Beispiele in Python. Beginne mit einer bereitgestellten Testnotiz und einem einzigen lesenden Werkzeug. Prüfe im Ablaufprotokoll, ob die Antwort wirklich aus dieser Notiz stammt. Teste auch eine fehlende Datei. Erst danach ergänzt du weitere Aufgaben und gezielte Schreibrechte.

Ein nächster Ausbau könnte Projektnotizen durchsuchen, Messwerte zusammenfassen oder einen Artikelentwurf vorbereiten. Das erste Erfolgskriterium bleibt konkret: Kannst du jeden Schritt und seine Quelle nachvollziehen?

Von anderen Makern lernen

Schau dir an, wie es geht.

Hugging FaceAgent process

YouTube · Hugging Face · Englisch

Agent process

Achte auf den Wechsel zwischen Auftrag, Werkzeugaufruf und zurückgegebenem Ergebnis. Welchen Teil übernimmt das Werkzeug?

Auf YouTube ansehen ↗

Beim Laden wird eine Verbindung zu YouTube aufgebaut.

Hugging FaceVision-browser Agent example using smolagents. Part of Agents Course

YouTube · Hugging Face · Englisch

Vision-browser Agent example using smolagents. Part of Agents Course

Wo liefert der Browser ein neues Bild oder eine neue Information, und wie fliesst sie in den nächsten Schritt ein?

Auf YouTube ansehen ↗

Beim Laden wird eine Verbindung zu YouTube aufgebaut.

Originalprojekt & Quellen

Die Technik dahinter.

  • VLM

    Bilder verstehen

    Was passiert zwischen Foto und Antwort? Verfolge Pixel, Bildmerkmale und Sprache durch ein VLM – und finde heraus, was es dabei wirklich lernt.

    Bild + Frage → Textantwort
    15 Min. Einstieg
  • TTS

    Text vorlesen lassen

    Aus geschriebenen Wörtern wird hörbare Sprache. Probiere aus, wie Tempo und Satzzeichen das Zuhören verändern.

    Geschriebener Text → Gesprochene Sprache
    4 Min. Einstieg
  • STT

    Gesprochenes aufschreiben

    Aus einer Sprachaufnahme wird ein Transkript. Verstehe den Unterschied zwischen Gesagtem, erkanntem Text und einer ausgeführten Aufgabe.

    Gesprochene Sprache → Transkript
    4 Min. Einstieg

Was möchtest du als Nächstes versuchen?

Entdecke weitere Projekte oder bring deine Frage zum Tech-Treff mit.