Lernen Sie, einen KI-Agenten von Grund auf zu bauen
Meistern Sie die KI-Agentenentwicklung mit 12 fortschreitenden Sitzungen. Bauen Sie die Agent-Schleife, Tool-Systeme, Planung, Gedächtnis und Multi-Agenten-Koordination – ein Konzept nach dem anderen.
Das Kernmuster
Jeder KI-Coding-Agent teilt die gleiche Schleife: ruft das Modell auf, führt Tools aus, gibt Ergebnisse zurück. Produktionssysteme fügen Richtlinien-, Berechtigungs- und Lebenszyklusschichten hinzu.
while True:
response = client.messages.create(messages=messages, tools=tools)
if response.stop_reason != "tool_use":
break
for tool_call in response.content:
result = execute_tool(tool_call.name, tool_call.input)
messages.append(result)Nachrichtenwachstum
Beobachten Sie, wie das Nachrichten-Array wächst, während die Agent-Schleife ausgeführt wird
Lernpfad
12 fortschreitende Sitzungen, von einer einfachen Schleife bis zur isolierten autonomen Ausführung
The Agent Loop
The minimal agent kernel is a while loop + one tool
Tools
The loop stays the same; new tools register into the dispatch map
TodoWrite
An agent without a plan drifts; list the steps first, then execute
Subagents
Subagents use independent messages[], keeping the main conversation clean
Skills
Inject knowledge via tool_result when needed, not upfront in the system prompt
Compact
Context will fill up; three-layer compression strategy enables infinite sessions
Tasks
A file-based task graph with ordering, parallelism, and dependencies -- the coordination backbone for multi-agent work
Background Tasks
Run slow operations in the background; the agent keeps thinking ahead
Agent Teams
When one agent can't finish, delegate to persistent teammates via async mailboxes
Team Protocols
One request-response pattern drives all team negotiation
Autonomous Agents
Teammates scan the board and claim tasks themselves; no need for the lead to assign each one
Worktree + Task Isolation
Each works in its own directory; tasks manage goals, worktrees manage directories, bound by ID
Architektonische Schichten
Fünf orthogonale Anliegen, die sich zu einem vollständigen Agenten zusammensetzen
Tools & Execution
2 VersionenPlanning & Coordination
4 VersionenMemory Management
1 VersionenConcurrency
1 VersionenCollaboration
4 VersionenHäufig gestellte Fragen
Alles, was Sie über den Bau von KI-Agenten wissen müssen
Diese Website ist ein umfassender, Schritt-für-Schritt-Leitfaden zum Bau eines KI-Agenten von Grund auf. Wir führen Sie durch eine 12-sitzige Reise, beginnend mit einer einfachen Agent-Schleife und fügen schrittweise Fähigkeiten wie Tool-Nutzung, Planung, Gedächtnisverwaltung, Nebenläufigkeit und Multi-Agenten-Zusammenarbeit hinzu. Jede Sitzung enthält funktionierenden Code, interaktive Simulationen und detaillierte Dokumentation.
Sie müssen kein KI-Experte sein, aber grundlegende Programmierkenntnisse sind erforderlich. Wenn Sie sich mit Python auskennen und grundlegende Programmierkonzepte (Schleifen, Funktionen, Klassen) verstehen, können Sie folgen. Wir erklären KI-spezifische Konzepte unterwegs, was es für Softwareingenieure, Studenten und Technikbegeisterte zugänglich macht, die verstehen wollen, wie KI-Agenten unter der Haube funktionieren.
Die 12 fortschreitenden Sitzungen behandeln:
1. Die Agent-Schleife - Core-While-Schleifen-Muster (Antwort → Tool-Ausführung)
2. Tools - Ihrem Agenten Fähigkeiten geben (lesen, schreiben, ausführen)
3. TodoWrite - Aufgabenverwaltung und Nag-System
4. Unteragenten - Kontext-Isolation für parallele Aufgaben
5. Skills - Bedarfsgaden von spezialisierten Fähigkeiten
6. Compact - Gedächtnisverwaltung und Kontext-Kompression
7. Aufgaben - Abhängigkeitsbewusste Task-Boards
8. Hintergrundaufgaben - Nicht-blockierende Ausführung mit Benachrichtigungen
9. Agenten-Teams - Multi-Agenten-Koordination über Mailboxen
10. Team-Protokolle - FSM-basierte Team-Zusammenarbeitsmuster
11. Autonome Agenten - Selbstgeleitete Agenten-Ausführung
12. Worktree + Aufgaben-Isolation - Produktionsreife Aufgaben-Isolation
Ja! Jede Sitzung enthält vollständigen, ausführbaren Python-Code. Sie können:
- Quellcode direkt im Browser ansehen
- Die vollständige Implementierung herunterladen
- Diffs zwischen Versionen sehen, um genau zu verstehen, was sich geändert hat
- Den Code lokal mit Ihren eigenen API-Schlüsseln ausführen
Der Code ist so konzipiert, dass er lehrreich aber auch produktionsreif ist und folgt Best Practices aus echten Agenten-Systemen wie Claude Code.
Auf jeden Fall. Jede Sitzung bietet einen interaktiven Simulator, wo Sie:
- Die Agent-Schleife Schritt-für-Schritt ausführen sehen können
- sehen können, wie Nachrichten zwischen Benutzer, Agent und Tools fließen
- Gedächtniswachstum und -kompression visualisieren
- Multi-Agenten-Kommunikation beobachten
- Ausführungsgeschwindigkeit steuern und jederzeit pausieren
Dies hilft Ihnen, die Konzepte zu verstehen, bevor Sie sich in den Code vertiefen.
Die meisten Tutorials bleiben entweder zu einfach (Basis-API-Aufrufe) oder springen zu komplexen Frameworks. Wir verwenden einen fortschreitenden Offenlegungs-Ansatz:
- Von Grund auf bauen - Keine versteckten Abstraktionen, Sie sehen jede Zeile
- Inkrementelle Komplexität - Jede Sitzung fügt ein Konzept hinzu
- Echte-Welt-Muster - Basiert darauf, wie Produktionsagenten wie Claude Code funktionieren
- Interaktives Lernen - Simulationen, Visualisierungen und praktisches Coden
- Vollständige Codebasis - Keine Snippets, sondern funktionierende Implementierungen
Sie verstehen, warum jede architektonische Entscheidung getroffen wird.
Am Ende werden Sie einen produktionsreifen KI-Coding-Agenten gebaut haben, der fähig ist zu:
- Autonomer Aufgabenplanung und -ausführung
- Tool-Nutzung (Dateioperationen, Codeausführung, Websuche)
- Langlaufende Aufgabenverwaltung mit Gedächtnis
- Multi-Agenten-Zusammenarbeit für komplexe Projekte
- Hintergrundaufgabenausführung
- Isolierte Aufgabenumgebungen
Sie verstehen die Architektur gut genug, um sie für Ihre eigenen Anwendungsfälle anzupassen – ob das ein Coding-Assistent, Recherche-Agent oder automatisiertes Workflow-System ist.
Ja! Während der Fokus auf der Kern-Agentenarchitektur liegt, behandeln wir wichtige Produktionsthemen:
- Sicherheit - Sandbox-Ausführung, Berechtigungssysteme
- Skalierbarkeit - Nebenläufigkeitsmuster und Ressourcenmanagement
- Fehlerbehandlung - Wiederherstellung von Tool-Fehlern und API-Fehlern
- Monitoring - Logging, Tracing und Observability-Hooks
- Kostenoptimierung - Kontextkompression und effiziente Token-Nutzung
- Isolation - Worktree-basierte Aufgabentrennung für Sicherheit
Die letzten Sitzungen behandeln speziell die Robustheit und Bereitstellung Ihres Agenten.
Der Kern-Stack ist absichtlich minimal:
- Python - Primäre Sprache
- Anthropic API - Claude für Sprachmodell-Fähigkeiten
- Standardbibliothek - Keine schweren Frameworks, klare Abhängigkeiten
Die Einfachheit stellt sicher, dass Sie sich auf Agent-Konzepte konzentrieren, nicht auf Framework-Spezifika.
Ja, komplett kostenlos und Open-Source. Der Bildungsinhalt und Code werden unter der MIT-Lizenz bereitgestellt. Sie können:
- Den Code in persönlichen Projekten verwenden
- Kommerzielle Produkte basierend auf der Agent-Architektur bauen
- Eigene Versionen modifizieren und verteilen
- Verbesserungen in die Community zurückgeben
Wir glauben an offene Bildung und wollen sehen, was Sie bauen!
Die Zeit variiert je nach Ihrem Tempo und wie tief Sie gehen:
- Schneller Überblick - 2-3 Stunden (lesen + Simulationen anschauen)
- Praktisches Coden - 1-2 Tage (mit jeder Sitzung implementieren)
- Tiefe Meisterschaft - 1-2 Wochen (experimentieren, modifizieren, Erweiterungen bauen)
Jede Sitzung ist so konzipiert, dass sie in 30-60 Minuten fokussierten Lernens abgeschlossen werden kann. Die fortschreitende Struktur bedeutet, dass Sie an jedem Punkt mit einem funktionierenden Agenten aufhören können – Sie brauchen nicht alle 12, um etwas Nützliches zu bauen.