Von der Idee zur Umsetzung: Erste Schritte für die Entwicklung eines KI-Agenten mit dem Azure AI Agent Service

Jetzt wird es praktisch: In den ersten beiden Teilen unserer Artikelserie zu Agentic AI haben wir bereits gezeigt, was KI-Agenten sind und welche Use Cases es gibt. Aber wie erstellt man eigentlich einen eigenen? Genau darum geht es in diesem Beitrag! Wir zeigen dir, welche Überlegungen, Komponenten und Ansätze wichtig sind und wie du mit Azure AI Agent Service deine ersten Schritte machen kannst.

Wichtige Vorüberlegungen für die Erstellung eines KI-Agenten

Der Aufbau eines KI-Agenten erfordert einige grundlegende Überlegungen, bevor du mit der technischen Umsetzung startest. In diesem Beitrag gehen wir auf die zentralen Fragen ein, die du vor der Entwicklung deines KI-Agenten klären solltest.

Wie soll dein KI-Agent reagieren?

Je nach Anwendungsfall kann dein KI-Agent unterschiedliche Fähigkeiten benötigen. Soll er nur Texte verarbeiten oder auch Bilder analysieren? Brauchst du eine schnelle Reaktionszeit oder ist eine detaillierte Verarbeitung wichtiger? Die Auswahl eines passenden Modells hängt davon ab, welche Art von Daten dein Agent verarbeiten soll und welche Anforderungen an Genauigkeit, Geschwindigkeit und Kosten bestehen.

Wie wird dein KI-Agent Aktionen ausführen?

Ein Agent soll nicht nur Informationen bereitstellen, sondern oft auch bestimmte Prozesse ausführen. Dazu gehören zum Beispiel das Abrufen und Aktualisieren von Daten oder die Interaktion mit anderen Systemen. Die Frage ist, ob der Agent in bestehende Arbeitsabläufe integriert werden soll oder ob er eigenständig Entscheidungen trifft und Aktionen ausführt. Je nach Aufgabenstellung könnten einfache Automatisierungen oder komplexe Workflows erforderlich sein.

Wie speichert dein KI-Agent Informationen?

Damit sich dein Agent frühere Interaktionen merkt oder große Wissensbestände durchsuchen kann, braucht er eine geeignete Speicherlösung. Hierbei solltest du klären, ob dein Agent Zugriff auf eine strukturierte Datenbank benötigt, eine Suchfunktion integriert oder einfach nur kurzfristige Interaktionen speichern soll. Die Wahl der Speicherlösung beeinflusst die Effizienz und die Benutzererfahrung deines Agenten erheblich.

Wo wird dein KI-Agent gehostet?

Die Wahl der richtigen Hosting-Umgebung ist entscheidend für die Performance und Skalierbarkeit deines KI-Agenten. Dabei solltest du dir überlegen, ob dein Agent in einer cloudbasierten, serverlosen oder containerisierten Umgebung laufen soll. Jede dieser Optionen bietet unterschiedliche Vorteile in Bezug auf Verwaltung, Kosten und Flexibilität. Wichtig ist, eine Lösung zu wählen, die sowohl die aktuellen Anforderungen als auch zukünftige Skalierungsmöglichkeiten berücksichtigt.

Wie stellst du Qualität und Sicherheit sicher?

Ein weiterer wichtiger Aspekt bei der Entwicklung ist die Sicherstellung von Qualität und Sicherheit. Dazu gehören Mechanismen zur Vermeidung von Fehlern, Schutz vor unerwünschten Inhalten und Maßnahmen zur Einhaltung von Datenschutzbestimmungen. Du solltest daher festlegen, wie dein Agent überwacht und optimiert werden kann, um eine gleichbleibend hohe Qualität und sichere Nutzung zu gewährleisten.

Mit Azure AI Agent Service eigene Agenten erstellen

Für die Entwicklung eines KI-Agenten stehen dir verschiedene Technologien und Frameworks zur Verfügung. Die Wahl der richtigen Umgebung hängt von den spezifischen Anforderungen deines Projekts ab. Für diesen Blogbeitrag konzentrieren für uns auf Azure AI Agent Service, mit dem du über Azure AI Foundry eigene Lösungen erstellen kannst.

Der Azure AI Agent Service ist eine vollständig verwaltete Cloud-Plattform, welche die Entwicklung von KI-Agenten stark vereinfacht. Dank optimierter SDKs für Python und C# lassen sich komplexe Funktionen wie Function Calling mit nur wenigen Codezeilen umsetzen. Diese Technologie ermöglicht es, LLMs nahtlos mit externen Tools und Systemen zu verbinden, wodurch KI-Agenten leistungsfähiger und vielseitiger werden.

Der Agent Service bietet einige Vorteile gegenüber herkömmlichen Agenten-Plattformen: eine schnelle Bereitstellung, hohe Skalierbarkeit, benutzungsdefinierte Integrationen und eine Vielzahl von integrierten Tools wie Fabric, SharePoint, Azure AI Search und Azure Storage. Dank einer RAG-gestützten Suche und Kontextverwaltung für Konversationen eignet sich der Service ideal für anspruchsvolle KI-Anwendungen.

Die zentralen Komponenten eines KI-Agenten

Ein mit Azure AI Agent Service entwickelter KI-Agent setzt sich aus mehreren Komponenten zusammen, die gemeinsam seine Funktionsweise bestimmen:

• Modell: Das Herzstück eines KI-Agenten ist ein generatives KI-Modell, das für die Verarbeitung und Generierung natürlicher Sprache verantwortlich ist. Welche KI-Modelle genau dir beim Azure AI Agent Service zur Verfügung stehen, verrät dir das nächste Kapitel.
• Wissen: Damit der Agent fundierte Antworten geben kann, benötigt er Zugriff auf relevante Datenquellen. Dies kann über Microsoft Bing-Suchergebnisse, einen Azure AI Search-Index oder eigene Datenbestände erfolgen. Die Qualität der bereitgestellten Informationen hängt maßgeblich von der Auswahl und Aktualität dieser Wissensquellen ab.
• Tools: Neben der Informationsverarbeitung soll der Agent auch konkrete Aktionen ausführen können. Dafür stehen verschiedene programmgesteuerte Funktionen zur Verfügung. Azure AI Agent Service bietet integrierte Tools für den Zugriff auf Azure AI Search und Bing sowie einen Code-Interpreter, mit dem der Agent Python-Code generieren und ausführen kann. Darüber hinaus können eigene Tools mit individuellem Code oder Azure Functions erstellt werden, um spezifische Automatisierungen umzusetzen.

Diese drei Komponenten – Modell, Wissen und Tools – bilden das Fundament eines leistungsfähigen KI-Agenten. Die richtige Kombination und Konfiguration dieser Elemente entscheidet darüber, wie effektiv der Agent auf Benutzeranfragen reagiert und welche Aufgaben er eigenständig übernehmen kann.

Verfügbare KI-Modelle im Azure AI Agent Service

Der Azure AI Agent Service unterstützt eine breite Palette an KI-Modellen, die unterschiedliche Fähigkeiten und Kostenstrukturen bieten. Je nach Anwendungsfall kannst du zwischen verschiedenen Modellen wählen, die für unterschiedliche Einsatzgebiete optimiert sind. Grundsätzlich gibt es zwei Hauptkategorien:

• Azure OpenAI-Modelle: Diese Modelle werden direkt von Microsoft bereitgestellt und bieten leistungsfähige generative KI-Funktionen. Sie sind in verschiedenen Bereitstellungsmodi verfügbar, um unterschiedliche Skalierbarkeits- und Leistungsanforderungen zu erfüllen.
• Drittanbieter-Modelle: Über die Azure AI Foundry können auch Modelle anderer Anbieter genutzt werden, die spezifische Stärken in bestimmten Anwendungsbereichen haben.

Die Wahl des richtigen Modells hängt von mehreren Faktoren ab, darunter die benötigte Verarbeitungsleistung, Kostenüberlegungen und regionale Verfügbarkeit. Während hochentwickelte Modelle besonders gut für komplexe Aufgaben geeignet sind, können kleinere Modelle für kosteneffiziente und latenzsensitive Anwendungen ideal sein.

Erste Schritte mit dem Azure AI Agent Service

Die ersten Schritte mit dem Azure AI Agent Service sind relativ einfach und erfordern nur wenige Vorbereitungen. Beherzige diese Punkte, um mit deinem ersten KI-Agenten loszulegen:

1. Voraussetzungen

Bevor du loslegst, benötigst du:

• Ein Azure-Abonnement
• Die RBAC-Rolle „Azure AI Developer“, damit du Berechtigungen zum Erstellen von Agenten hast.

2. Erstellung eines Hubs und Projekts in Azure AI Foundry

1. Melde dich bei Azure AI Foundry an und navigiere zur Startseite.
2. Klicke auf „+ Projekt erstellen“ und gib einen Namen für dein Projekt ein.
3. Wähle entweder einen bestehenden Hub oder erstelle einen neuen Hub für dein Projekt.
4. Klicke auf „Erstellen“, um das Projekt zu starten.

3. Bereitstellung eines Modells

1. Navigiere zu deinem erstellten Projekt und wähle den Reiter „Agents“ aus.
2. Wähle eine Azure OpenAI-Ressource aus oder erstelle eine neue Modellinstanz.
3. Falls du noch kein Modell bereitgestellt hast, folge den Anweisungen, um eines zu implementieren.

4. Nutzung des Agent-Playgrounds

Der Agent-Playground ermöglicht es dir, deinen Agenten zu testen und zu optimieren, ohne Code schreiben zu müssen.

1. Öffne den Playground und wähle einen bestehenden Agenten oder erstelle einen neuen.
2. Passe die Einstellungen, Parameter und Tools deines Agenten an.
3. Füge klare Anweisungen (Prompts) hinzu, damit dein Agent optimal funktioniert (z. B. welche Aufgaben er übernehmen soll, wie er reagieren soll usw.).
4. Erweitere die Fähigkeiten deines Agenten durch Tools wie den Code-Interpreter oder Bing Search, um Daten abzurufen oder komplexe Berechnungen durchzuführen.

Dein Weg zum eigenen KI-Agenten

Mit den richtigen Vorüberlegungen, Technologien und Tools kannst du deinen eigenen KI-Agenten effizient entwickeln. Der Azure AI Agent Service bietet dir eine leistungsstarke Plattform, um deine Ideen schnell in die Praxis umzusetzen – von der Wahl des passenden KI-Modells bis zur Integration in bestehende Workflows.

Ob einfache Automatisierungen oder komplexe Multi-Agent-Systeme – die Möglichkeiten sind vielfältig. Wichtig ist, dass du deine Anforderungen klar definierst, die passenden Technologien auswählst und regelmäßig optimierst.

Neugierig geworden? Dann probiere die neuen Möglichkeiten direkt aus – hier sind drei nächste Schritte, mit denen du sofort loslegen kannst:

Mache den Online-Kurs „Grundlagen von KI-Agenten auf Microsoft Azure“ auf Microsoft Learn

Schaue dir den Workshop zur Erstellung von KI-Agenten von der Microsoft AI Tour an

Nutze die Dokumentation zu Azure AI Agent Service