Erstellen Sie KI-Agenten, die tatsächlich funktionieren KI-Agenten gibt es überall - aber die meisten von ihnen versagen auf frustrierende, unvorhersehbare Weise. Sie sind verwirrt, verschwenden Token, geraten in Sackgassen und müssen ständig betreut werden. In diesem Kurs lernen Sie die Muster und Architekturen kennen, die Agenten, die sich abmühen, von Agenten unterscheiden, die erfolgreich sind. Mithilfe von Python und dem Model Context Protocol (MCP) lernen Sie, KI-Agenten von Grund auf zu entwickeln - und, was noch wichtiger ist, Sie erfahren, warum bestimmte Designs funktionieren, während andere scheitern.

Was Sie lernen werden: - Erstellen von MCP-Tool-Servern - Erstellen Sie die Bridge, die es KI-Agenten ermöglicht, mit jedem System zu interagieren: Dateisysteme, Datenbanken, APIs oder Ihre eigenen benutzerdefinierten Tools - Erstellen Sie einen Forschungsagenten - Erstellen Sie Ihren eigenen Forschungsagenten, der Ihren Computer erforscht und dabei helfen kann, Fragen mit Dokumenten zu beantworten, fehlende Daten zu finden oder zu erklären, wie Code funktioniert - Meistern Sie die Agentenschleife - Verstehen Sie das universelle Muster, dem jeder KI-Agent folgt: ERKENNEN → ENTSCHEIDEN → HANDELN → BEOBACHTEN → WIEDERHOLEN - Verbinden Sie Agenten mit Werkzeugen - Verkabeln Sie LLMs, um Werkzeuge selbstständig zu entdecken, auszuwählen und auszuführen Die Muster, die Agenten zuverlässig machen: - Antwort als Anweisung - Ihre Werkzeuge geben nicht nur Daten zurück - sie steuern das Verhalten des Agenten in Echtzeit. Lernen Sie, Tool-Antworten zu entwerfen, die dem Agenten beibringen, was er als Nächstes tun soll, wann er aufhören soll und wie er die Ergebnisse kommuniziert - Failing Forward - Verwandeln Sie Fehler aus Sackgassen in Trittsteine. Entwerfen Sie Fehlermeldungen, die den Agenten beibringen, wie sie sich wieder erholen können - automatisch, ohne menschliches Eingreifen. Zum ersten Mal in der Geschichte der Informatik haben Ihre Fehlermeldungen einen Leser, der tatsächlich etwas mit ihnen anfangen kann. - Intelligence Budget - Jedes Token im Kontextfenster ist wertvolle Aufmerksamkeit. Lernen Sie, das Signal zu maximieren und das Rauschen zu minimieren - durch Vorverdauung der Daten in Tools, durch skriptgesteuerte Orchestrierung für mechanische Arbeiten und durch Reservierung der kognitiven Ressourcen des Agenten für Entscheidungen, die tatsächlich Intelligenz erfordern.