Hands-On: Deinen eigenen Agent bauen
Jetzt wird es ernst -- du baust deinen eigenen Agent!
Du hast in den letzten fünf Modulen das theoretische Fundament gelegt: Du verstehst, wie LLMs unter der Haube arbeiten, beherrschst fortgeschrittenes Prompt Engineering, kennst AI Coding Tools im Detail, hast Agentic AI Patterns durchdrungen und weißt, wie MCP-Integrationen funktionieren. Jetzt bringst du alles zusammen.
In diesem Modul baust du Schritt für Schritt einen funktionierenden Agent -- vom System Prompt über die Tool-Anbindung bis zur Kostenoptimierung. Am Ende hast du nicht nur verstanden, wie Agents funktionieren, sondern einen selbst zum Laufen gebracht.
*Lernziel
Nach diesem Modul kannst du einen Agent mit System Prompt, Tool-Anbindung und MCP-Integration aufsetzen, seinen ReAct-Loop analysieren und die laufenden Kosten kalkulieren. Du bewegst dich auf Bloom-Level "Anwenden" und "Analysieren".
Voraussetzungen
Bevor du startest, stelle sicher, dass du folgende Module abgeschlossen hast:
- Modul 01 -- LLM Deep Dive: Du brauchst das Verständnis von Tokens, Context Windows und Modellunterschieden
- Modul 02 -- Prompt Engineering: System Prompts und Chain-of-Thought sind die Basis für Agent-Instruktionen
- Modul 03 -- AI Coding Tools: Du kennst die Tool-Landschaft und verstehst Agent-Driven Development
- Modul 04 -- Agentic AI Patterns: ReAct, Tool Use und Plan-and-Execute sind die Architektur deines Agents
- Modul 05 -- MCP-Integrationen: Du weißt, wie MCP-Server gebaut und angebunden werden
!Technische Voraussetzungen
Für die praktischen Übungen brauchst du: Python 3.10+ oder Node.js 18+, einen API-Key für Claude oder GPT, und einen Texteditor. Die Code-Beispiele zeigen wir in Python und TypeScript -- du kannst dir aussuchen, welche Sprache du nutzt.
Was dich erwartet
Das Modul besteht aus vier aufeinander aufbauenden Schritten:
Schritt 1 -- Agent Setup: Du definierst den System Prompt, wählst ein Modell und schreibst deine erste Tool-Definition. Am Ende hast du einen Agent, der auf Anweisungen reagiert.
Schritt 2 -- MCP-Server anbinden: Du verbindest deinen Agent mit einem bestehenden MCP-Server und testest, ob die Kommunikation funktioniert. Dein Agent bekommt seine ersten echten Fähigkeiten.
Schritt 3 -- Agent-Loop verstehen: Du beobachtest deinen Agent in Aktion -- wie er denkt, handelt und beobachtet. Du spielst vordefinierte Szenarien durch und analysierst das Verhalten.
Schritt 4 -- Kosten kalkulieren: Du rechnest aus, was dein Agent pro Tag und Monat kostet, und optimierst ihn für ein realistisches Budget.
Bereit?
Lass uns starten -- mit dem Setup deines ersten Agents.
Reflektieren
In diesem Hands-on Modul baust du deinen ersten eigenen Agenten -- vom Setup über MCP-Anbindung bis zur Kostenkalkulation. Jeder Schritt baut auf dem vorherigen auf. Los geht es mit dem Setup deines ersten Agents.