Baue deinen ersten KI-Agenten

Bis hierhin haben wir über Agenten als ein System gesprochen, das:

• ein Ziel hat
• versucht zu handeln
• das Ergebnis prüft
• und es erneut versucht, wenn es nicht klappt

Aber das klingt immer noch nach Theorie.

Also schreiben wir jetzt den einfachsten Agenten, der wirklich funktioniert.

Keine Frameworks. Kein Memory. Keine komplexe Logik.

Nur ein Loop.

Stell dir einen Agenten wie ein Kind vor

Ein Kind will eine Tür öffnen.

Es:

• probiert die Klinke -> geht nicht auf
• probiert stärker -> klappt nicht
• probiert es noch einmal -> offen!

Ein Agent arbeitet genauso. Er "denkt" nicht im menschlichen Sinn.

Er macht einfach:

-> Probieren
-> Schauen, was passiert ist
-> Aktion ändern
-> Wieder probieren

Aufgabe für den Agenten

Geben wir dem Agenten eine einfache Aufgabe:

Schreibe eine Zahl größer als 10

Aber wir machen es trickreich. Statt eines Modells starten wir mit random, um die Mechanik ohne unnötiges Rauschen zu sehen.

Manchmal bekommt der Agent 3, manchmal 7, manchmal 15. Er muss das unterscheiden und entweder stoppen oder erneut versuchen.

Code: Agent ohne LLM

import random

goal = 10
max_steps = 5

for step in range(max_steps):
    print(f"\n🤖 Step {step + 1}: Agent is trying...")

    # "Modell" erzeugt eine Antwort
    number = random.randint(1, 20)
    print(f"💬 Generated: {number}")

    if number > goal:
        print(f"✅ Goal reached! {number} > {goal}")
        break
    else:
        print(f"❌ Not enough. {number} ≤ {goal}. Trying again...")
else:
    print("\n⚠️ Max steps reached without success")

Starte es ein paar Mal. Schau, wie der Agent selbst entscheidet, ob er weitermacht oder stoppt.

Was passiert hier

1. Der Agent bekommt ein Ziel - eine Zahl > 10 finden
2. Probiert - "erzeugt" eine Antwort
3. Prüft - ist das Ziel erreicht?
4. Wenn nein - probiert erneut (maximal 5 Mal)
5. Wenn ja - stoppt

Das ist der ganze Loop:

Modell vs Agent

Das Modell ist für Act verantwortlich.
Der Agent ist für Check -> Retry -> Stop verantwortlich.

Warum ist das schon ein Agent und nicht nur eine Funktion?

Eine Funktion würde einen Versuch machen und fertig.

Ein Agent:

• hat ein Ziel
• prüft das Ergebnis
• kann erneut handeln ohne deine Beteiligung

Du gibst die Aufgabe, und er arbeitet selbstständig. Auch wenn er Fehler macht.

Was, wenn wir eine echte LLM anschließen?

random.randint() durch einen AI API-Call zu ersetzen ist eine Änderung.

Der Agenten-Loop bleibt genau gleich.

Genau das ist der Kern: Ein Agent ist nicht "intelligentes Modell". Es ist Struktur: Ziel -> Aktion -> Prüfung -> Wiederholung.

Kurz gesagt

FAQ

Q: Warum steht hier max_steps = 5 und kein unendlicher Loop?
A: Ein Agent, der nicht selbst stoppt, ist gefährlich. Er kann Geld für API-Calls ausgeben, in einem Loop feststecken oder endlos laufen, wenn das Ziel unerreichbar ist. max_steps ist eine Absicherung.

Q: Warum haben wir mit random angefangen und nicht direkt mit LLM?
A: Damit du die Agent-Mechanik ohne unnötiges Rauschen siehst. Das Modell ist nur ein Detail. Der Loop ist wichtiger.

Q: Warum weiß der Agent nicht vor der Prüfung, dass die Zahl "schlecht" ist?
A: Das Modell erzeugt nur. Es kennt das Ziel nicht. Das Ziel ist Verantwortung des Agenten, nicht des Modells.

Wie geht es weiter

Hast du max_steps = 5 bemerkt?

Das ist kein Zufall. Ein Agent, der nicht selbst stoppt, kann:

• endlos laufen
• Geld für API-Calls ausgeben
• in einem Loop feststecken, wenn das Ziel unerreichbar ist

Darum braucht jeder Agent Grenzen.

-> Lies weiter: Wann ein Agent Grenzen braucht

Willst du das selbst ausführen?

Wenn du eine vollständige Implementierung mit echter LLM sehen willst, in Module aufgeteilt und sofort startbar, findest du sie hier:

-> Erster KI-Agent - Python (vollständige Implementierung)