Anthropic hat einen detaillierten Leitfaden zur Entwicklung effektiver KI-Agenten auf Basis großer Sprachmodelle (LLMs) veröffentlicht, der auf ihrer Zusammenarbeit mit zahlreichen Teams aus verschiedenen Branchen basiert. Die Autoren Erik Schluntz und Barry Zhang betonen, dass die erfolgreichsten Implementierungen auf einfachen, kombinierbaren Mustern basieren und nicht auf komplexen Frameworks.
Das Unternehmen unterscheidet zwischen zwei Arten von Agentensystemen: Workflows mit vordefinierten Codepfaden und Agenten, die ihre Prozesse und Werkzeugnutzung selbstständig steuern. Der Leitfaden empfiehlt Entwicklern, mit der einfachstmöglichen Lösung zu beginnen, bevor sie Komplexität hinzufügen, da Agentensysteme oft Latenzzeit und Kosten gegen verbesserte Leistung eintauschen.
Die Anleitung beschreibt mehrere grundlegende Muster, darunter Prompt-Verkettung, Routing, Parallelisierung, Orchestrator-Worker und Evaluator-Optimizer-Workflows. Jedes Muster dient spezifischen Anwendungsfällen, von der Bearbeitung von Kundendienstanfragen bis hin zu komplexen Programmieraufgaben.
Obwohl Frameworks wie LangGraph und Amazon Bedrocks KI-Agent-Framework nützlich sein können, empfiehlt Anthropic Entwicklern, zunächst direkt mit LLM-APIs zu arbeiten, um die zugrundeliegenden Mechanismen besser zu verstehen. Besonders erfolgversprechend sind die Anwendungen im Kundenservice und in der Softwareentwicklung, wo bereits mehrere Unternehmen mit nutzungsbasierten Preismodellen Erfolge verzeichnen.
