In diesem Kurs wird untersucht, wie man mithilfe von OpenAI-Tools intelligente, auf Schlussfolgerungen basierende KI-Agenten entwirft und entwickelt, wobei strukturiertes Schlussfolgern, Funktionsaufrufe, Speicher und Kommunikation kombiniert werden, um dynamische, kontextbezogene Systeme zu schaffen.

Er richtet sich an Entwickler und KI-Begeisterte, die über das Prompt-Engineering hinausgehen möchten, und zeigt, wie moderne Agenten-Frameworks wie AgentKit und das Model Context Protocol (MCP) es Agenten ermöglichen, mithilfe von Kontext, Werkzeugen und Zusammenarbeit autonom zu schlussfolgern, zu planen und zu handeln. Anhand von angeleiteten Lektionen und praktischen Demonstrationen lernen Sie, Ihre Entwicklungsumgebung einzurichten, die APIs von OpenAI zu integrieren und schlussfolgerungsgesteuerte Arbeitsabläufe zu entwerfen, die die menschliche Problemlösung nachahmen. Sie werden untersuchen, wie Agenten Planung, Reflexion und Selbstkorrektur einsetzen, Funktionsaufrufe und den Einsatz von Werkzeugen implementieren, Kurz- und Langzeitgedächtnis verwalten und die Kommunikation zwischen Agenten für eine kollaborative Entscheidungsfindung etablieren. Der Kurs gipfelt in der Erstellung eines voll funktionsfähigen, auf Schlussfolgerungen basierenden Agenten-Systems mit einer Streamlit-basierten Benutzeroberfläche, wobei Eingabeaufforderungen, Gedächtnis, Werkzeuge und Kommunikation in ein einheitliches Framework integriert werden. Am Ende dieses Kurses werden Sie in der Lage sein: - den Aufbau intelligenter Agenten zu erklären, einschließlich Schlussfolgerung, Gedächtnis, Werkzeuge und Kontext. - die OpenAI-API einzurichten, Umgebungsvariablen zu konfigurieren und AgentKit für die Agentenentwicklung zu initialisieren; - strukturierte Schlussfolgerungs-Workflows unter Verwendung von Eingabeaufforderungen und reflektionsbasierter Logik zu entwerfen und zu implementieren; - Funktionsaufrufe und Werkzeugregistrierung zu integrieren, damit Agenten dynamische Aufgaben autonom ausführen können; - Kurzzeit- und Kontextgedächtnis hinzuzufügen, um die Kontinuität und das Verständnis über Sitzungen hinweg zu verbessern; - Multi-Agenten-Kommunikationssysteme mithilfe des Model Context Protocol (MCP) aufzubauen. - Eine interaktive Anwendung mit schlussfolgernden Agenten mithilfe von Streamlit zu entwickeln und bereitzustellen. Dieser Kurs ist ideal für Softwareentwickler, Datenwissenschaftler und KI-Praktiker, die autonome, auf Schlussfolgerungen basierende Anwendungen mithilfe des OpenAI-Ökosystems entwickeln möchten. Praktische Kenntnisse in Python und grundlegende Vertrautheit mit APIs oder KI-Modellen sind hilfreich, Vorkenntnisse im Umgang mit Agenten-Frameworks sind jedoch nicht erforderlich. Seien Sie dabei und meistern Sie die nächste Generation der KI-Entwicklung – und lernen Sie, wie Sie Modelle in intelligente, kontextbewusste Agenten verwandeln, die wie echte Mitarbeiter denken, planen und kommunizieren!