Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Praxis-Guide: Agentic Workflows mit LangGraph & CrewAI¶
Multi-Agenten-Systeme ermöglichen die Aufteilung komplexer Aufgaben (z. B. Recherche, Code-Generierung, Code-Review) auf spezialisierte autonome Agenten.
graph TD
User["👤 Benutzer-Auftrag"] --> Router["🧠 Supervisor / Router Agent"]
Router --> Researcher["🔍 Research Agent (Web & Doku)"]
Router --> Coder["💻 Coding Agent (Code-Erstellung)"]
Researcher --> Reviewer["📋 Review Agent (Qualitätsprüfung)"]
Coder --> Reviewer
Reviewer -->|Korrektur nötig| Coder
Reviewer -->|Bestanden| FinalOutput["✨ Finales Ergebnis"]
🛠️ 1. Installation¶
🐍 2. Python Skript mit LangGraph (agent_graph.py)¶
from typing import Annotated, TypedDict
from langchain_ollama import ChatOllama
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages
# State-Definition
class State(TypedDict):
messages: Annotated[list, add_messages]
# LLM initialisieren
llm = ChatOllama(model="llama3.2", temperature=0.2)
# Agenten-Knoten definieren
def researcher(state: State):
prompt = f"Recherchiere die wichtigsten Punkte zu: {state['messages'][-1].content}"
response = llm.invoke(prompt)
return {"messages": [response]}
def writer(state: State):
prompt = f"Schreibe eine zusammenfassende Dokumentation basierend auf: {state['messages'][-1].content}"
response = llm.invoke(prompt)
return {"messages": [response]}
# Graph aufbauen
graph_builder = StateGraph(State)
graph_builder.add_node("researcher", researcher)
graph_builder.add_node("writer", writer)
graph_builder.add_edge(START, "researcher")
graph_builder.add_edge("researcher", "writer")
graph_builder.add_edge("writer", END)
graph = graph_builder.compile()
# Ausführen
if __name__ == "__main__":
result = graph.invoke({"messages": [("user", "Erstelle eine Zusammenfassung über Rust vs Go für Backend-Services")]})
print("Ergebnis:", result["messages"][-1].content)
🔗 Verwandte Themen¶
- Vibe Coding & Engineering – Entwickeln mit KI-Assistenten
- Lokales RAG & LLM-Serving – Lokales Serving
- Playwright & KI Web-Scraping – Datenbeschaffung
- Beste Self-Hosting-KI-Agenten (Allgemein, Top 20) – LangGraph im Vergleich zu anderen Frameworks
- Beste Cloud-KI-Agenten (Allgemein, Top 20) – gehostete Alternative (LangGraph Platform)
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).