Agentic AI Engineering mit Python – Autonome Agenten entwickeln Schulung

Grundlagen der Agentischen KI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agenten-Schleife: Zyklus aus Wahrnehmen, Entscheiden, Handeln, Beobachten
• Gestaltungsmuster für Agentenverantwortlichkeiten und -umfang

Python-Tooling und Agenten-SDKs

• Verwendung von LangChain und ähnlichen SDKs zum Aufbau von Agenten
• Asynchrone Programmierung, Task-Warteschlangen und Subprozess-Verwaltung
• Paketierung, 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, Secrets und least-privilege-Zugriff

Gedächtnis, Zustand und Kontextverwaltung

• Kurzfristige Kontextfenster und Prompt-Engineering-Techniken
• Langzeitgedächtnis-Architekturen: Redis, Vektorspeicher, Retrieval-Augmentation
• Konsistenz, Caching-Strategien und Gedächtnishygiene

Orchestrierung, Planung und Mehrschritt-Workflows

• Kettenbildung von Aktionen, Subagenten und Aufgabenzerlegung
• Planungsalgorithmen im Vergleich zur heuristischen Orchestrierung
• Bearbeitung von Fehlern, Wiederholungen und Kompensationsaktionen

Sicherheit, Testen und Observierbarkeit

• Gefahrenmodelle, Red-Teaming und Sanitization von Eingaben/Ausgaben
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Logging, Metriken, Tracing und Alerting für das Agentenverhalten

Deployment, Skalierung und MLOps für Agenten

• Kontenarisierung, CI/CD-Pipelines und Rollout-Strategien
• Kostenkontrolle, Rate Limiting und Ressourceneffizienz
• Monitoring, Governance und operative Playbooks

Zusammenfassung und nächste Schritte