Agentic Architectural Patterns für den Aufbau von Multi-Agenten-Systemen: Bewährte Designmuster und Praktiken für GenAI, Agenten, RAG, LLMOps und KI-Systeme im Unternehmensmaßstab

Verwandeln Sie GenAI-Experimente in produktionsreife intelligente Agenten mit skalierbaren KI-Systemen, Architekturmustern, Frameworks sowie Best Practices für verantwortungsvolle KI und Governance.

Kostenlos zu Ihrem Buch: DRM-freie PDF-Version + Zugang zum Packt-Reader der nächsten Generation*

Hauptmerkmale Aufbau robuster Einzel- und Multi-Agenten-GenAI-Systeme für den Unternehmenseinsatz Verstehen des GenAI- und Agenten-KI-Reifegradmodells und der Roadmap für die Unternehmensintegration Einsatz von Prompt Engineering und Optimierung, verschiedenen RAG-Stilen und LLMOps zur Verbesserung der KI-Fähigkeiten und -Leistung Der Kauf des gedruckten Buches oder Kindle-Buchs beinhaltet ein kostenloses PDF-eBook Buchbeschreibung Generative KI hat den Hype hinter sich gelassen, und Unternehmen stehen nun vor der Herausforderung, Prototypen in skalierbare Lösungen zu verwandeln. Dieses Buch ist Ihr Leitfaden zum Aufbau intelligenter Agenten, die von LLMs angetrieben werden.

Beginnend mit einem GenAI-Reifegradmodell lernen Sie, wie Sie die Bereitschaft Ihrer Organisation einschätzen und eine Roadmap zur Einführung von Agenten-KI erstellen. Sie beherrschen grundlegende Themen wie Modellauswahl und LLM-Bereitstellung und schreiten zu fortgeschrittenen Methoden wie RAG, Fine-Tuning, In-Context-Learning und LLMOps fort, insbesondere im Kontext der Agenten-KI. Sie werden eine umfangreiche Bibliothek von Entwurfsmustern für Agenten-KI erkunden, um Koordination, Erklärbarkeit, Fehlertoleranz und Mensch-Agent-Interaktion zu adressieren. Dieses Buch stellt eine konkrete, hierarchische Multi-Agenten-Architektur vor, bei der übergeordnete Orchestrator-Agenten komplexe Geschäftsworkflows verwalten, indem sie ganze Subprozesse an spezialisierte Agenten delegieren. Sie werden sehen, wie diese Agenten über das Agent-to-Agent (A2A)-Protokoll zusammenarbeiten und kommunizieren.

Um sicherzustellen, dass Ihre Systeme produktionsreif sind, stellen wir ein praktisches Framework für die Beobachtbarkeit mittels Lebenszyklus-Callbacks bereit, das Ihnen die für Debugging, Compliance und Kostenmanagement erforderliche granulare Rückverfolgbarkeit bietet. Jedes Muster wird durch reale Szenarien und Codebeispiele mit dem Open-Source Agent Development Kit (ADK) untermauert.

*E-Mail-Anmeldung und Kaufnachweis erforderlich

Was Sie lernen werden Entwurfsmuster anwenden, um Anweisungsdrift zu handhaben, die Koordination zu verbessern und fehlertolerante KI-Systeme zu erstellen Systeme mit den drei Schichten des Agenten-Stacks entwerfen: Funktionsaufrufe, Tool-Protokolle (MCP) und A2A-Zusammenarbeit Verantwortungsbewusste, ethische und steuerbare GenAI-Anwendungen entwickeln Frameworks wie ADK, LangGraph und CrewAI mit Codebeispielen nutzen Prompt Engineering, LLMOps und AgentOps Best Practices beherrschen Agentensysteme mit RAG, Fine-Tuning und In-Context-Learning aufbauen Für wen dieses Buch ist Dieses Buch richtet sich an KI-Entwickler, Datenwissenschaftler und Fachleute, die GenAI und Agenten-KI zur Lösung von Geschäftsherausforderungen einsetzen möchten. Ein grundlegendes Verständnis von Daten- und Softwarekonzepten wird vorausgesetzt. Das Buch bietet einen klaren Weg für Neueinsteiger und gleichzeitig fortgeschrittene Einblicke für Personen, die bereits mit der Technologie experimentieren. Mit realen Fallstudien, technischen Anleitungen und produktionsorientierten Beispielen unterstützt das Buch ein breites Spektrum an Kenntnisstufen, vom Erlernen der Grundlagen bis zum Aufbau anspruchsvoller, autonomer KI-Systeme für den Unternehmenseinsatz.

Inhaltsverzeichnis GenAI im Unternehmen: Landschaft, Reife und Agentenfokus Agenten-bereite LLMs: Auswahl, Bereitstellung und Anpassung Das Spektrum der LLM-Anpassung für Agenten: RAG bis Fine-Tuning Agenten-KI-Architektur: Komponenten und Interaktionen Multi-Agenten-Koordinationsmuster Erklärbarkeit und Compliance Agentenmuster Robustheits- und Fehlertoleranzmuster Mensch-Agent-Interaktionsmuster Agenten-Ebene-Muster (N.B. Bitte verwenden Sie die Option "Leseprobe", um weitere Kapitel anzuzeigen)