📑 Google erklärt KI-Agenten

Google hat ein 42-seitiges Tutorial, das im Grunde ein Handbuch zur Architektur moderner LLM-Anwendungen ist.

Was es Interessantes enthält:

1️⃣ Anatomie eines Agenten: Klare Trennung in Modell, Tools und Orchestrierung. Google zeigt anhand von Beispielen (und Diagrammen), wie sich ein Agent von einem einfachen API-Aufruf des Modells unterscheidet. Spoiler: durch den Wahrnehmungs-Handlungs-Zyklus.

2️⃣ Reasoning Frameworks: Wenn Sie den Unterschied zwischen ReAct, Chain-of-Thought (CoT) und Tree-of-Thoughts nicht verstehen, wird es hier ausführlich erklärt.

3️⃣ Extensions vs Functions: ein nützlicher Teil für Ingenieure.
— Extensions: Der Agent ruft selbst die API auf (Agent-seitige Ausführung).
— Functions: Der Agent teilt Ihnen mit, welche Parameter benötigt werden, und der Code wird auf dem Client ausgeführt (Client-seitige Ausführung).

4️⃣ RAG und Data Stores: Wie man Vektordatenbanken anbindet und keine Fehler mit dem Kontext macht.

Natürlich sind alle Beispiele in Python. Sie zeigen die Integration sowohl mit nativen Vertex AI-Tools als auch mit LangChain / LangGraph.

🔗 Abholen hier 🫲🏻

#level_up