Der Harness ist das Produkt: Ein praktischer Leitfaden zu Harnesses in agiler KI
Erfahren Sie, was ein Agent Harness ist und seine sieben Bestandteile – von Werkzeugen und Kontext über Schutzmechanismen und Bewertungen bis hin zu Unteragenten, Ausfallmöglichkeiten sowie wichtigen Frameworks.
Quellen: The Harness Is the Product: An End-to-End Guide to Harnessing in Agentic AI
Stellen Sie sich vor, Sie geben dasselbe Sprachmodell zwei verschiedenen Teams. Team A entwickelt einen Agenten, der Fehler in einem riesigen Repository behebt, die Testsuite ausführt und einen ordentlichen Pull Request einreicht. Team B erstellt einen Chat-Assistenten, der nach wenigen Nachrichten den Überblick über das Gespräch verliert und fröhlich Unternehmensrichtlinien erfindet. Die Gewichte sind identisch, doch die Ergebnisse unterscheiden sich stark.
Der „Harness“ ist das gesamte Umfeld, das um das Modell aufgebaut ist. Dazu gehören der Mechanismus, der es dem Modell ermöglicht, zu handeln, die Tools, auf die es zugreifen kann, die Verwaltung seines Kontextfensters, Schutzmechanismen, die verhindern, dass es etwas Unkluges tut, sowie Rückmeldungen, die anzeigen, ob es erfolgreich ist. Was folgt, beginnt bei Null, erläutert, was ein Agent ist, und geht anschließend auf die Bestandteile des „Harness“, Produktionsmuster wie Sub-Agenten und Komprimierung, einige bekannte Systeme sowie die heute verfügbaren Frameworks ein. Vorerfahrung mit Agenten ist nicht erforderlich.
Die Grundlagen
Was künstliche Intelligenz in Form von Agenten bedeutet
Ohne Übertreibungen ist ein Agent einfach:
Ein Agent ist ein Sprachmodell, das in einer Schleife mit Tools arbeitet, bis ein Ziel erreicht ist.
Dafür sind drei Komponenten erforderlich: ein Modell, das reasoning-fähig ist und den nächsten Schritt wählen kann, Werkzeuge, die das Modell nutzen darf – wie Websuche, Dateizugriff, Codeausführung, Datenbankabfragen oder Versand von E-Mails – sowie eine Schleife, die das Ergebnis jedes Werkzeugs zurückgibt, damit das Modell entscheiden kann, was als Nächstes zu tun ist.
Ein Chatbot antwortet einmal und hört auf. Ein Agent hingegen setzt seine Tätigkeit fort: Er führt eine Aktion aus, prüft das Ergebnis und führt anschließend eine weitere Aktion durch. Dieser Kreislauf ist es, der es einem Textvorhersagemodell ermöglicht, tatsächliche Aufgaben zu erledigen, und der Rest dieses Textes erläutert dies genauer.
Was ein Harness ist
Betrachten Sie den Harness als die Ausführumgebung für diese Schleife. Das Modell entscheidet, was als Nächstes geschehen soll, während der Harness diese Entscheidungen umsetzt und den gesamten Prozess sicher, kostengünstig, überwachbar und steuerbar hält. Der Name erinnert an einen Test Harness in der Software oder an einen Steigbügel am Pferd: Rohkraft benötigt eine Struktur, um auf nützliche Arbeit gelenkt zu werden.
Im Konkreten führt das Harness die von der Funktion angeforderten Aufrufe des Modells aus, kontrolliert, was das Modell in jedem Schritt sieht, setzt Berechtigungen durch, handhabt Fehler, Wiederholungen und Endlosschleifen, verfolgt den Fortschritt und erkennt, wann die Aufgabe abgeschlossen ist oder wann man aufhören und einen Menschen um Hilfe bitten sollte.
Eine nützliche Vorstellung: Das Modell hat zwischen den Aufrufen kein Gedächtnis. Jedes Mal, wenn es aufgerufen wird, beginnt es von vorne, liest den ihm gegebenen Text und gibt ein einziges Ergebnis aus. Alles andere – das Skript, die Hilfsmittel, die „Bühne“ sowie die Sicherheitsmaßnahmen – ist das Harness. Ändert man diese Elemente, agiert derselbe „Schauspieler“ völlig anders.
Warum das Harness wichtig ist
Drei praktische Gründe sind besonders hervorzuheben.
Die Leistungsverbesserungen der Modelle konvergieren, während die Vorteile der Unterstützungssysteme das nicht tun. Frontier-Modelle sind in ihrer Rohfähigkeit zunehmend ähnlich. Bei Benchmarks, die das Beheben echter Softwareprobleme messen, kann dasselbe Modell je nach verfügbaren Werkzeugen, Anleitungen und Rückkopplungsschleifen deutlich unterschiedliche Ergebnisse erzielen. Ab einem bestimmten Punkt wird das Unterstützungssystem zum entscheidenden Faktor.
Lange Aufgaben verstärken kleine Fehler. Wenn ein Modell bei jedem Schritt zu 99 Prozent zuverlässig ist, hat eine 50-Schritte-Aufgabe nur zu etwa 60 Prozent Erfolg, da 0,99 hoch 50 etwa 0,605 beträgt. Überprüfungen, Wiederholungen, Zwischenkontrollen und Korrekturen sind die Mechanismen des Unterstützungssystems, die dieser sich verstärkenden Fehlerentwicklung entgegenwirken. Sie unterscheiden eine Demonstration von einem Produkt.
Freiheit braucht Grenzen. Jeder Agent, der Shell-Befehle ausführen, Geld bewegen oder an Kunden schreiben kann, muss über Zugriffsbeschränkungen, Sandboxes und Audit-Logs verfügen. Diese Elemente gehören zum Harness, und das Modell liefert keines davon.
Anatomie eines Harness
Code-Agenten, Forschungsagenten und Support-Agenten weisen in der Regel sieben Komponenten auf. Hier sind sie nacheinander aufgelistet.
1. Der Systemprompt, die Richtlinien
Darin wird dem Agenten seine Rolle, seine Grenzen, seine Verhaltensregeln sowie der Zweck jeder Werkzeug beschrieben. In ausgereiften Produkten umfasst der Text Tausende von Wörtern und wird mit derselben Sorgfalt wie Quellcode gepflegt – unter Berücksichtigung von Tonfall, Sicherheit, dem richtigen Zeitpunkt für Fragen sowie der Handhabung unklarer Anweisungen.
Ein Neuling könnte vielleicht nur eine Zeile schreiben, in der steht, der Agent sei ein hilfreicher Programmierassistent. Ein Produktionsprompt hingegen legt Verfahren fest: Ein Datei wird vor der Bearbeitung geöffnet, kleine Änderungen werden bevorzugt, nach jeder Änderung werden Tests ausgeführt, nach zwei fehlgeschlagenen Testläufen soll man innehalten und berichten, und niemals direkt auf die Hauptbranche gepusht werden – anschließend folgen noch viele weitere solcher Regeln.
2. Die Tool-Schicht, die „Hände“
Ein Tool ist eine Funktion, die vom Modell aufgerufen werden darf und durch einen Namen, eine Beschreibung sowie ein typisiertes Schema für seine Argumente definiert wird. Das Modell beantragt einen Aufruf als strukturierte Ausgabe, anschließend führt das Harness ihn aus und sendet das Ergebnis zurück.
Die Tool-Entwicklung ist ein unterschätztes Handwerk. Es handelt sich dabei im Grunde um API-Design für einen sehr wörtlichen Benutzer:
- Beschreibungen dienen als Anleitungen. Das Modell wählt die Tools anhand ihrer Beschreibungen aus, wodurch eine vage Beschreibung zum falschen Tool führen kann.
- Ein paar gut strukturierte Werkzeuge sind besser als viele überlappende. Eine Überflutung mit Werkzeugen verwirrt Modelle genauso wie ein Menü mit vierzig Gängen die Gäste.
- Geben Sie Fehler zurück, auf die das Modell reagieren kann. Eine Meldung, dass die Datei nur zum Lesen zugänglich ist und ein Zugriff zuerst beantragt werden muss, ist besser als eine rohe Fehlerausgabe.
- Halten Sie gefährliche Werkzeuge eingegrenzt. Ein Werkzeug, das nur vorab genehmigte Entwürfe sendet, ist weitaus sicherer als eines, das willkürlichen Code ausführt.
Eine wichtige Entwicklung in diesem Bereich ist das Model Context Protocol, das Anthropic Ende 2024 als Open Source veröffentlicht hat und von vielen Branchen übernommen wurde. Es standardisiert, wie Werkzeuganbieter ihre Werkzeuge für beliebige Agenten bereitstellen – im Grunde ein universeller Anschluss: Die Integration wird einmal erstellt und anschließend in jedes System eingebunden.
3. Kontextverwaltung, das Arbeitsgedächtnis
Das Kontextfenster ist die gesamte Wahrnehmungswelt des Modells. Die Größe dieser Fenster liegt in der Regel zwischen Hunderttausenden und einer Million Tokens – was sehr groß erscheint, bis ein Agent bereits vierzig Dateien gelesen und sechzig Befehle ausgeführt hat.
Die Auswahl dessen, was das Modell bei jedem Schritt sehen darf, ist vermutlich der wertvollste Hebel im System. Praktiker bezeichnen dies heute als Kontextengineering, welches in den meisten Fällen das Promptengineering als zentrale Fähigkeit ersetzt hat. Die verwendeten Techniken reichen von einfachen bis hin zu ausgefeilten: Trunkierung (Nur die neuesten Nachrichten oder ein Teil einer Datei beibehalten), Abruf (Die Wissensdatenbank indizieren und nur das heranziehen, was gerade benötigt wird) sowie Komprimierung. Bei der Komprimierung wird, sobald das Fenster fast voll ist, ein Zusammenfassung der Sitzung erstellt; dieses Zusammenfassung ersetzt die ursprünglichen Transkripte, und die Arbeit kann fortgesetzt werden. So können Agenten stundenlang bei der Aufgabe bleiben.
4. Speicherung, die Langzeitspeicherung
Der Kontext gilt nur für eine Sitzung, während das Gedächtnis bestehen bleibt. In der Praxis wird es in der Regel wie folgt strukturiert:
- Projektgedächtnis, beispielsweise Anweisungsdateien in einem Repository, die einem Programmieragenten Ihre Konventionen sowie Build-Befehle vermitteln und zu Beginn der Sitzung gelesen werden,
- Benutzergedächtnis, also Präferenzen, die im Laufe von Gesprächen erlernt wurden,
- episodisches Gedächtnis, das Aufzeichnungen früherer Ausführungen speichert, oft in einem Vektorlagerraum, um sie bei ähnlichen Situationen wieder abrufen zu können.
5. Schutzmaßnahmen, Berechtigungen und Sandboxing – die Bremsen
Die Sicherheitsschicht prüft ständig, ob eine Aktion tatsächlich ausgeführt werden sollte. In der Praxis bedeutet das:
- Berechtigungsstufen. Lesevorgänge erfolgen frei, Schreibvorgänge müssen Richtlinienprüfungen bestehen, und irreversible Aktionen wie Bereitstellen, Senden, Löschen oder Bezahlen erfordern ausdrückliche menschliche Genehmigung.
6. Überprüfung und Feedback – die Augen
Nichts verbessert einen Agenten zuverlässiger als eine Möglichkeit, seine eigenen Ausgaben zu testen. Programmierende Agenten kompilieren, prüfen auf Fehler und führen nach jeder Änderung Tests durch. Forschungsagenten vergleichen Aussagen aus mehreren Quellen. Browser-Agenten erfassen den Bildschirm, um zu sehen, was tatsächlich geladen wurde. Einige Systeme fügen einen Überprüfer hinzu – ein zweites Modell, das die Antwort des ersten Modells anhand eines Kriterienkatalogs bewertet, bevor sie akzeptiert wird.
So wird das Problem der kumulativen Fehler direkt angegangen. Ein Agent, der erkennt, dass er versagt hat, kann es erneut versuchen, während ein Agent, der das nicht kann, zuversichtlich Müll weitergibt.
7. Beobachtbarkeit, das Flugdatenschreiber
In der Produktion wird jede Modellanfrage, jeder Tool-Aufruf sowie jeder verbrauchte Token aufgezeichnet. Mit diesen Spuren kann man einen fehlgeschlagenen Ablauf nachvollziehen, den fehlerhaften Schritt identifizieren und den fehlerhaften Prompt, das Tool oder die Richtlinie korrigieren. Um dieses Konzept herum hat sich eine ganze Produktkategorie entwickelt, darunter LangSmith, Langfuse, Braintrust sowie die OpenTelemetry-Vorgaben für generative KI – schließlich ist das Debuggen eines Agenten ohne Aufzeichnungen genauso schwierig wie das Debuggen verteilter Dienste ohne Logs.
Den Kreislauf effektiv steuern
Die Benennung der Komponenten ist der einfachere Teil. Der Unterschied zwischen einem System, das einer Demo standhält, und einem, das einen normalen Arbeitstag übersteht, ergibt sich aus den folgenden Praktiken.
Planen, handeln, überprüfen
Einfache Agenten greifen sofort ein. Ausgereifte Frameworks sorgen für einen bestimmten Rhythmus: Man entwirft einen Plan, indem man das Ziel in eine Aufgabenliste aufteilt, unternimmt kleine Schritte, überprüft jedes Ergebnis, bevor man fortfährt, und überarbeitet anschließend den Plan, um es erneut zu versuchen. Der schriftliche Plan dient zweimal dem Zweck – er hält das Modell auf langfristige Aufgaben fokussiert, da er bei jeder Iteration erneut gelesen wird, und er ermöglicht es einem Beobachter, den Fortschritt in Echtzeit zu verfolgen, was als überraschend wertvoll erweist.
Gestrukturierte Ausgaben
Immer dann, wenn ein Programm die Ausgabe des Modells verarbeiten wird, sollte diese durch ein Schema eingeschränkt werden. Aktuelle APIs unterstützen gezwungene Toolaufrufe sowie die Erstellung von Inhalten unter Verwendung von Schema-Validierungen. Prosa ist für Menschen bestimmt; Code hingegen sollte Struktur haben.
Kosten und Latenz
Agenten verbrauchen Tokens schnell, was wirtschaftliche Aspekte zu einem Problem macht. Das Caching des großen statischen Präfixes (Systemanweisung plus Tool-Definitionen) über mehrere Spielzüge hinweg kostet weitaus weniger als dessen erneutes Senden – ein großer Vorteil bei langen Sitzungen. Das Routing leitet routinemäßige Schritte an ein kleines, schnelles Modell weiter und reserviert ein fortgeschritteneres Modell für Schritte, die Überlegungen erfordern. Unabhängige Unteraufgaben, wie das Lesen von zehn Dateien oder das Überprüfen von fünf Quellen, können parallel ausgeführt werden.
Mehr-Agentensysteme und darüber hinaus
Unteragenten und Orchestrierung
Sobald Aufgaben einen Kontextfenster überschreiten, wechseln die Systeme zum Mehr-Agenten-Modell. Ein Orchesterator teilt das Ziel auf und erzeugt Unteragenten, von denen jeder über einen eigenen Kontext verfügt, oft über ein eingeschränkteres Werkzeugset sowie eine gezielte Aufgabenbeschreibung. Jeder Unteragent erledigt seine Arbeit und gibt nur sein Fazit zurück, nicht seine gesamte Arbeitshistorie.
Der eigentliche Vorteil ist weniger offensichtlich als die Geschwindigkeit: Jeder Unteragent arbeitet in seinem eigenen isolierten Kontext und nicht nur parallel. Zehn Unteragenten können jeweils ein ganzes Fenster mit einem Untersystem füllen, während der Orchesterer nur zehn kurze Zusammenfassungen speichert.
Übliche Topologien umfassen Orchesterer und Arbeiter (weit am häufigsten), Pipelines wie Entwurf, Kritik und Überarbeitung sowie Debatteteams, in denen mehrere Agenten ein Problem unabhängig bearbeiten und ein Richter die Antworten zusammenfasst. Debatten sind aufwendig, eignen sich aber für hochriskante Fragen.
Die Teams, die diesen Bericht erstellt haben, haben einige wertvolle Lektionen gelernt:
- Geben Sie das erwartete Aufwandsniveau für jede Aufgabe an, sonst kann bereits eine triviale Frage zu Dutzenden von Suchanfragen führen.
- Verfassen Sie detaillierte und eigenständige Anweisungen, da ein Unteragent den Kontext des übergeordneten Agenten nicht sehen kann.
Checkpointing und Langlebigkeit
Lange laufende Agenten scheitern aufgrund von Abstürzen, Rate Limits und Neustarts. Produktivsysteme nutzen den Checkpoint-Zustand, der das Gespräch, die Aufgabenliste sowie die Ergebnisse der Tools speichert, sodass die Ausführung von Schritt 37 aus fortgesetzt werden kann, anstatt von vorne zu beginnen. Dies ist das Gebiet langlebiger Workflow-Engine, und mehrere Agenten-Frameworks basieren direkt auf dieser Technologie.
Evals, das Testsuite des Systems
Das Verhalten von KI-Modellen ist probabilistisch, sodass ein Prompt, der an einem Montag funktioniert, an einem Dienstag versagen kann. Starke Teams verfügen über ein Bewertungssystem, das Dutzende bis Tausende realistischer Aufgaben enthält, deren Ergebnisse automatisch überprüft werden können. Haben die Tests bestanden, wurde die richtige Antwort gefunden, blieb der Kostenrahmen eingehalten? Jede Anpassung an den Prompt, jedes neue Tool sowie jeder Wechsel des Modells werden vor der Veröffentlichung in diesem System getestet. Es erfüllt die Funktion, die CI/CD an anderen Stellen übernimmt – sein Auslassen bedeutet, ohne entsprechende Instrumente zu arbeiten.
Computernutzung, die Abschlussprüfung
An der Spitze erhalten die Agenten einen Bildschirm, eine Tastatur und eine Maus und können jede Anwendung steuern – unabhängig davon, ob sie eine API besitzt. Dadurch steigt die Schwierigkeit jedes vorherigen Problems: Screenshots verbrauchen eine enorme Anzahl an Token, weshalb eine strenge Kontrolle des Kontexts erforderlich ist; ein falscher Klick kann erheblichen Schaden anrichten, wodurch die Berechtigungen verschärft werden müssen; und die Überprüfung bedeutet, den Bildschirm nach jedem Schritt tatsächlich anzusehen.
Wie bekannte Systeme diese Konzepte anwenden
Claude Code, ein Programmierwerkzeug. Es handelt sich um eine kompakte Lektion in Design. Das Werkzeugset ist klein und effektiv und umfasst Funktionen zur Datei-Lesung, -Schreibung und -Bearbeitung, Shell-Befehle sowie Code-Suche – anstelle von Hunderten von Mikro-Tools. Die Überprüfung spielt eine zentrale Rolle: Es werden Compiler, Linter und Tests ausgeführt, und es wird bei Fehlern iteriert. Eine Projektanweisungsdatei dient als Speicher. Keines davon ist eine Fähigkeit des Modells, und genau deshalb wirkt dasselbe Modell darin anders.
Tiefe Forschungsprodukte, ein Forschungsharness. Die Forschungstools der großen Labore verwandeln eine Anfrage in eine autonome Untersuchung, die mehrere Minuten andauert und mit einem zitierten Bericht endet. Ihr Merkmal ist ein im Voraus ausgearbeiteter Forschungsplan, der manchmal zur Genehmigung vorgelegt wird, wodurch der Mensch bereits zu einem möglichst günstigen Zeitpunkt vor der kostspieligen Arbeit eingebunden wird. Die Suchschleifen lesen, erkennen Lücken und suchen erneut, und die Zitatenmetadaten begleiten die Fakten durch den gesamten Prozess.
Manus und die Schule des Kontext-Engineerings. Das Manus-Team veröffentlichte rund um den Release im Jahr 2025 außergewöhnlich offene Aufzeichnungen zu den internen Mechanismen von Harness, wobei mehrere Punkte weithin verbreitet wurden. Betrachten Sie den KV-Cache als Konstruktionsbeschränkung: Halten Sie den Anfang des Prompts stabil (kein Zeitstempel am Anfang des System-Prompts), da die Anzahl der Eingabetoken um ein Vielfaches größer sein kann als die der Ausgabetoken. Vermeiden Sie das Hinzufügen oder Entfernen von Tools während einer Sitzung, da dies den Cache ungültig macht und das Modell verwirrt, wenn frühere Aufrufe auf verschwundene Tools verweisen; halten Sie die Liste unverändert und maskieren Sie das, was derzeit ausgewählt werden kann.
Cursor und das IDE-Ökosystem. Der für KI konzipierte Editor verfolgt eine andere Philosophie der tiefen Integration in die Umgebung. Er nutzt den semantischen Index der Codebasis des Editors für schnelles Auffinden von Inhalten, speichert Änderungen als überprüfbare Diff-Dateien, sodass die Person, die die Fusion freigibt, das Berechtigungsmodell ist, das als Benutzeroberfläche getarnt ist, führt Hintergrundprozesse auf separaten Branches aus und leitet die Ausgaben von Lintern und Typprüfern wieder in den Kreislauf zurück. Die gleichen sieben Komponenten treten dabei in unterschiedlicher Form auf.
Support-Mitarbeiter in Unternehmen, bei denen es um Konformität geht. Kundennah arbeitende Mitarbeiter verschieben die Prioritäten: Das Vermeiden falscher Handlungen ist wichtiger als reine Funktionalität. Deshalb gehen sie von festen Richtlinien aus: Der Umfang ist auf genehmigtes Wissen beschränkt, Aktionen werden anhand von Schemata des Unternehmenssystems überprüft (Rückerstattungen begrenzt, Identität zuerst bestätigt), bei geringem Vertrauen ist eine Übermittlung an andere Personen erforderlich, und es werden vollständige Audit-Logs geführt. In regulierten Branchen ist das Kontrollsystem im Grunde das Produkt selbst.
Derzeit verfügbare Frameworks und Tools
Heutzutage baut man selten ein solches Kontrollsystem ausschließlich aus einfachen API-Aufrufen auf. Hier sind gängige Optionen, grob nach Philosophie gruppiert:
- Claude Agent SDK. Das Kontrollsystem hinter Claude Code, das als Bibliothek bereitgestellt wird und Schleifen, Tools, Unteragenten, Berechtigungen sowie Komprimierung beinhaltet. Am besten geeignet, um schnell ernstzunehmende Agenten auf Claude zu entwickeln.
- OpenAI Agents SDK. Leichte Primitiven für Agenten, Übergaben, Schutzmechanismen, Sitzungen und Tracing. Am besten geeignet für mehrere-Agenten-Anwendungen im OpenAI-Ökosystem.
- LangGraph. Agenten als explizite Zustandsmaschinen mit Checkpointing, Unterbrechungen durch Menschen im Prozess und zuverlässiger Ausführung. Am besten geeignet für komplexe, steuerbare, langlaufende Workflows.
- CrewAI. rollenbasierte Teams wie Forscher und Schreiber. Am besten geeignet für schnelle mehrere-Agenten-Prototypen und Content-Pipelines.
- AutoGen, AG2 und Semantic Kernel. auf Gespräche ausgerichtete mehrere-Agenten-Arbeit, die zu Unternehmenswerkzeugen führt. Am besten geeignet für .NET- und Azure-Umgebungen sowie Forschungsexperimente.
- smolagents. Eine minimalistische Bibliothek, in der Agenten Code als ihre Aktionen schreiben. Am besten geeignet für anpassbare Konstruktionen mit offenen Modellen.
- Pydantic AI. Typsichere, schema-basierte Agenten mit validierten Ausgaben. Am besten geeignet für Python-Teams, die strenge Typisierung wünschen.
- Vercel AI SDK. TypeScript-basierte Primitiven mit Kontrolle über den Agenten-Loop. Am besten geeignet für Web- und Produktentwickler im JavaScript-Ökosystem.
Dazwischen gibt es verbindende Elemente: MCP für Standardwerkzeuge, Tracing- und Evaluierungsplattformen, langlebige Ausführungsmaschinen sowie Sandbox-Anbieter für sichere Codeausführung.
Rat zur Auswahl: Beim Lernen sollten Sie einmal selbst einen einfachen Loop schreiben, dabei eine Modell-API, einen while-Loop und zwei Werkzeuge verwenden – in etwa hundert Zeilen. Danach wirkt kein Framework mehr wie Magie, und genau das ist der Sinn. Bei der Veröffentlichung sollten Sie das Framework wählen, das am nächsten an Ihrem Modellanbieter und Ihrer Sprache liegt, und die eingesparte Zeit dafür nutzen, das zu entwickeln, was kein Framework bietet – nämlich Ihre eigenen Werkzeuge, Ihre Evaluierungen und Ihre Sicherheitsmechanismen.
# The whole idea, in miniature
while not done:
response = model.generate(context, tools) # model decides
if response.tool_calls:
results = execute(response.tool_calls) # harness acts (safely!)
context = manage(context + results) # harness curates memory
else:
done = verify(response) # harness checks the work
Fehlermuster
Hier sind die typischen Wege, auf denen Agenten versagen, jeweils zusammen mit einer Lösung auf der Seite des Tools:
- Kontextverfall. Das Fenster füllt sich allmählich mit veralteten Ausgaben der Tools und die Qualität sinkt, bis nach ein paar Stunden das ursprüngliche Ziel vergessen wird. Lösung: Komprimierung, Führen von Notizen und regelmäßige Wiederholung des Ziels.
- Schlechte Endlosschleifen. Derselbe fehlerhafte Befehl wird endlos wiederholt – mit nur geringen Kosten pro Versuch. Heilung: Erkennung von Endlosschleifen, Festlegung von Iterationsgrenzen und erzwungene Strategiewechsel.
- Übermäßige Anzahl an Tools. Bei vierzig ähnlichen Tools wählt das Modell zum schlechtesten Zeitpunkt das falsche aus. Lösung: Eine kleinere Auswahl an präziseren Tools mit klaren Beschreibungen.
Was man im Gedächtnis behalten sollte
Das Modell liefert Intelligenz, und das Framework verwandelt sie in praktische Anwendungen. Ein Framework besteht aus einem Rahmen sowie sieben Komponenten: Standardvorgaben, Werkzeuge, Kontextverwaltung, Speicher, Schutzmechanismen, Überprüfung und Überwachbarkeit. Um diese herum befinden sich Muster für die Ausführung langer Aufgaben wie Planen, Ausführen und Überprüfen, Komprimierung, Kontrollpunkte, Unteragenten und Evaluierungen. Die meisten Fehler bei Agenten sind Fehler im Framework, und die meisten Verbesserungen bei Agenten sind Verbesserungen im Framework. Wenn also ein Agent unter seinen Möglichkeiten leistet, schauen Sie zunächst auf das Framework und wechseln erst danach das Modell.
Weitere Literatur
- Subagenten in der Praxis: Rollen, Budgets, Verbote und stillschweigende Fehler — Wie man langlebige Claude Code Subagenten erstellt: Rollen, Übertragungsdateien, Ausführungszustand, Budgets, Verbote, Überprüfungen auf stillschweigende Fehler sowie ein Copilot-Interface, basierend auf Agenten, die in Dutzenden Repositories eingesetzt werden.
- Agentic Analytics ist mehr als nur Text-zu-SQL: Lektionen von Anthropic — Was Anthropics Artikel zu Self-Service-Analysen über semantische Schichten, Fähigkeiten, Bewertungen und Datengrundlagen aussagt und warum allein Text-zu-SQL ein falsches Gefühl der Präzision vermittelt.