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.
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
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.