Agentic AI Engineering mit Python – Autonome Agenten entwickeln Schulung

Grundlagen des Agentic AI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agenten-Loop: Zyklus aus wahrnehmen, entscheiden, handeln, beobachten
• Designmuster für Agenten-Verantwortlichkeiten und -Umfang

Python-Tooling und Agenten-SDKs

• Einsatz von LangChain und ähnlichen SDKs zur Initialisierung von Agenten
• Asynchrone Programmierung, Aufgabenwarteschlangen und Prozessverwaltung
• Packaging, virtuelle Umgebungen und reproduzierbare Entwicklungsworkflows

Integration externer Tools und APIs

• Gestaltung von Tool-Schnittstellen und sichere Aufrufmuster
• Anbindung an Web-APIs, Datenbanken und interne Dienste
• Verwaltung von Zugangsdaten, Geheimnissen und least-privilege-Zugriffen

Speicher, Zustand und Kontextverwaltung

• Kurze Kontextfenster und Prompt-Engineering-Techniken
• Langfristige Speicherarchitekturen: Redis, Vektorspeicher, Retrieval-Augmentation
• Konsistenz, Caching-Strategien und Speicherhygiene

Orchestrierung, Planung und Mehrstufige Workflows

• Kettenbildung von Aktionen, Subagenten und Aufgabenzerlegung
• Planungsalgorithmen vs. heuristische Orchestrierung
• Behandlung von Fehlern, Wiederholungen und ausgleichende Massnahmen

Sicherheit, Testen und Observability

• Gefahrendarstellungen, Red-Teaming und Sanitization von Eingabe/Ausgabe
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Logging, Metriken, Tracing und Alarmierung für Agentenverhalten

Deployment, Skalierung und MLOps für Agenten

• Containerisierung, CI/CD-Pipelines und Rollout-Strategien
• Kostenkontrolle, Rate-Limiting und Ressourcenoptimierung
• Überwachung, Governance und operative Playbooks

Zusammenfassung und Nächste Schritte