Agentic AI Engineering mit Python – Autonome Agenten entwickeln Schulung

Grundlagen der Agentic AI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agenten-Schleife: Zyklus von Wahrnehmen, Entscheiden, Handeln und Beobachten
• Gestaltungsmuster für Verantwortlichkeiten und den Geltungsbereich von Agenten

Python-Tools und Agent-SDKs

• Nutzung von LangChain und ähnlichen SDKs zum Bootstrapping von Agenten
• Asynchrone Programmierung, Task-Warteschlangen und Subprozess-Verwaltung
• Packaging, virtuelle Umgebungen und reproduzierbare Entwicklungsworkflows

Integration externer Werkzeuge und APIs

• Gestaltung von Werkzeug-Schnittstellen und sicheren Aufrufmustern
• Anbindung an Web-APIs, Datenbanken und interne Dienste
• Verwaltung von Zugangsdaten, Secrets und Least-Privilege-Zugriffen

Speicher, Zustand und Kontextverwaltung

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

Orchestrierung, Planung und Mehrschritt-Workflows

• Ketten von Aktionen, Sub-Agenten und Aufgabenzerlegung
• Planungsalgorithmen im Vergleich zu heuristischer Orchestrierung
• Behandlung von Fehlern, Wiederholungen (Retries) und kompensierende Aktionen

Sicherheit, Testen und Beobachtbarkeit

• Gefährdungsmodelle, Red-Teaming und Bereinigung von Ein-/Ausgaben
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Logging, Metriken, Tracing und Alerting für das Agentenverhalten

Bereitstellung, Skalierung und MLOps für Agenten

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

Zusammenfassung und nächste Schritte