Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: Tool Calling
Verständnis von KI-Agenten: Tool-Aufrufe, MCP und der Agent-Zyklus
Wie Tool-Calling, MCP und der Agent-Loop in die tatsächliche Architektur von KI-Agenten passen, ausgehend vom erweiterten LLM und ohne überflüssige Begriffe.
16 Min. LesezeitEinhaltung der Agentenregeln im Code: PreToolUse, PostToolUse und Stop Hooks
Erfahren Sie, warum die Autorisierung für LLM-Agenten in deterministischen Tool-Call-Hooks untergebracht werden sollte, wie Anrufe sicher abgelehnt werden können und wie ein Dispatcher ohne Rekursion umschlossen wird.
12 Min. LesezeitEine handgefertigte LangChain-Tool-Schleife zur Vergleich von Echtzeit-Bestandsmetriken
Erstellen Sie schrittweise einen kleinen LangChain-Assistenten zur Aktienvergleich, und lernen Sie den Zyklus aus Erstellen, Binden, Aufrufen und Ausführen kennen, der es einem LLM ermöglicht, aktuelle Daten anzufragen, anstatt zu raten.
7 Min. LesezeitErstellung von KI-Agenten auf der Grundlage Ihrer bestehenden .NET-Dienste und APIs
C#-Teams können bestehende .NET-Dienste als gesteuerte Tools für KI-Agenten über Funktionsaufrufe bereitstellen, wobei die erforderlichen Regeln für Kontext, Sicherheit und Überwachbarkeit eingehalten werden.
9 Min. LesezeitVon Ziel zu kontrollierter Aktion: Schleifen, Überprüfung und Berechtigungen in KI-Agenten
Erfahren Sie, wie KI-Agenten ein Ziel durch einen Plan-Handeln-Beobachten-Zyklus in Tool-Aufrufe umwandeln, und warum Überprüfungen, Autonomiegrade sowie Berechtigungsstufen darüber entscheiden, ob sie sicher sind.
12 Min. LesezeitProgressive Werkzeugentdeckung für KI-Agenten in großem Maßstab
Große Tool-Kataloge veranlassen KI-Agenten, schlechtere Tools auszuwählen und Kontext zu verschwenden. Progressives Entdecken mithilfe von Manifesten und Just-in-Time-Schemata behebt das Problem der Tool-Aufrufe in großem Maßstab.
10 Min. LesezeitKünstliche Intelligenz-Agenten durch die Gehirn-Hand-Analogie verstehen
Erfahren Sie, wie LLMs, Tools und Tool-Executor miteinander interagieren, indem Sie die Agent-Architektur an eine Analogie zum Bestellen von Essen anpassen, und erstellen Sie anschließend eine minimale Implementierung eines Agents.
7 Min. LesezeitVerständnis von Elementen und Nachrichten in der Response-API von OpenAI
Erklärt, wie die Responses API von OpenAI die Ausgaben des Modells in Elemente statt in Nachrichten umorganisiert und warum dieser Wandel für die Aufrufung von Tools sowie agierende Arbeitsabläufe wichtig ist.
8 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.