Erstellen Sie Ihren ersten KI-Agenten in Python: Tools. Schleife. Stoppregeln

Teil 16 des kostenlosen AI Engineer-Kurses: Ihr erster KI-Agent. Ein Agent wählt zwischen mehreren Tools, macht weiter, bis die Arbeit erledigt ist, und weiß, wann er aufhören muss. Sie sehen einen mehrstufigen Lauf, fünf Stoppregeln, warum der Nachrichtenverlauf zu einem Kostenproblem wird und wie man einen Agenten testet. Das „Modell“ in den Demos ist ein Mock, den ich von Hand geschrieben habe, keine echte KI, und es wird kein echter API-Aufruf durchgeführt. In diesem Video: - Workflow oder Agent? Wer entscheidet über den nächsten Schritt – Die Nachrichtenliste ist das Gedächtnis des Agenten – Ein echter mehrstufiger Lauf und seine Verfolgung (Bestellungen auflisten, dann berechnen) – Wie die Beschreibung die Wahl zwischen Werkzeugen steuert – Fünf Möglichkeiten, wie ein Lauf endet: erledigt, maximale Runden, maximale Anrufe, Token-Budget, Wiederholung – Das Verlaufsproblem: Bei jeder Runde wird alles erneut gesendet und alte Ergebnisse werden gekürzt – Den Pfad testen, nicht nur die Antwort (20 Tests) – 4 Übungen und ein Quiz KAPITEL 0:00 Beginn Hier: Ihr erster KI-Agent 1:09 Was ein Agent ist 2:55 Das Gedächtnis eines Agenten 3:44 Ein mehrstufiger Lauf 4:55 Auswahl zwischen Tools 6:13 Stoppregeln 8:07 Das Verlaufsproblem 9:45 Testen eines Agenten 11:25 Zusammensetzen 12:56 Sie sind an der Reihe 14:29 Überprüfen Sie sich selbst KURSCODE (Teile 1 bis 16) Teil 16 Dateien: agent.py, tools.py, schema.py, mock_agent_model.py, demo16.py, test_agent.py. Keine zusätzlichen Pakete (Python 3.11+). ÜBUNGEN 1. Fügen Sie ein fünftes schreibgeschütztes Tool mit einer Beschreibung aus vier Sätzen und einem Eingabeschema hinzu und schreiben Sie dann ein Ziel, das es benötigt, und einen Test für den Pfad. 2. Fügen Sie eine eigene neue Stoppregel hinzu (z. B. ein Zeitlimit) und einen Test, der nachweist, dass der Lauf beendet wird. 3. Führen Sie die Trim-Demo aus, wobei keep_last auf 2 gesetzt ist, und vergleichen Sie die geschätzten Token und die Antwort. 4. Dehnen: Schreiben Sie die echte Modellfunktion (geben Sie .env ein, niemals Code), führen Sie dieselben Ziele aus, vergleichen Sie ihre Spuren mit meinem Mock und halten Sie kleine Grenzen ein. EHRLICHE ANMERKUNGEN: Ich hatte keinen Modellschlüssel und mein Arbeitsbereich kann keine öffentlichen APIs erreichen, daher wurde in diesem Teil kein echtes Modell verwendet. Das Scheinmodell besteht aus handgeschriebenen Regeln, nicht aus einer KI; Seine Antworten haben die gleiche Form wie die echte API, sodass die Schleife, die Stoppregeln, das Trimmen des Verlaufs und die Tests echter Code sind. Die Terminalbildschirme sind echte Ausführungen meines eigenen Codes (Linux, Python 3.13, 5. November 2026) mit erfundenen Befehlen. Bei den Token-Nummern handelt es sich um eine grobe Schätzung (ca. 4 Zeichen pro Token) und nicht um einen echten Tokenizer. Windows nicht getestet. – Die Ideen (Workflow vs. Agent, mit der einfachsten Lösung beginnen, Stoppbedingungen, menschliche Kontrollpunkte, sorgfältiges Tool-Design, Testen in einer Sandbox) stammen aus dem Anthropic-Artikel „Building Effective Agents“ (veröffentlicht am 19. Dezember 2024) und den Seiten zur Tool-Nutzung, gelesen am 5. November 2026; sie können sich ändern. Keine Preise angegeben. QUELLEN (Stand: 5. Nov. 2026) Anthropic, Aufbau wirksamer Agenten: https://www.anthropic.com/engineering/building-efficient-agents Anthropic, Überblick über die Werkzeugnutzung: https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview Abonnieren Sie AI Made Clear für verständliche KI-Tipps in englischer Sprache. Offenlegung: Die Stimme ist KI-generiert. Bildschirme mit der Bezeichnung „Real Run“ sind echte Terminalausgaben meines eigenen Codes mit einem Scheinmodell (keine echte KI); Andere Bildschirme sind Illustrationen. Anthropic, Python und andere Namen gehören ihren Besitzern. Dieser Kanal ist mit keinem der genannten Unternehmen verbunden. Geschäftsanfragen: rabbihossain01941@gmail.com #AIEngineer #AIAgents #Python