KI-Agent-Node · DeutschlandGPT

Der KI-Agent-Node führt einen autonomen KI-Assistenten aus, der iteriert, bis die Aufgabe abgeschlossen ist oder das Schrittzahllimit erreicht wird. In jeder Iteration wählt er Tools aus und führt sie aus, liest deren Ergebnisse und entscheidet den nächsten Schritt.

Konfiguration

Eingabe	Erforderlich	Beschreibung
Modell	Ja	Das zu verwendende LLM. Verschiedene Modelle haben unterschiedliche Fähigkeiten und Kostenprofile.
System-Prompt	Nein	Dauerhafte Anweisungen, die die Rolle, den Ton und die Einschränkungen des Agenten definieren
Aufgabe	Ja	Die spezifische Aufgabe für diesen Lauf. Referenzieren Sie vorherige Node-Ausgaben mit `{{nodeName.outputs.fieldName}}`.
Anhänge	Nein	Dateien, die als Kontext einbezogen werden sollen (z. B. hochgeladene Dokumente, Bilder)
Tools	Nein	Skills und Integrationsaktionen, die der Agent aufrufen darf
Output-Schema	Nein	Ein JSON-Schema, das der Agent verwenden muss, um seine abschließende `result`-Ausgabe zu strukturieren
Max. Schritte	Nein	Maximale Anzahl von Tool-Nutzungs-Iterationen (1-50, Standard 10). Verhindert unkontrollierte Schleifen.

Ausgaben

Ausgabe	Typ	Beschreibung
`result`	string oder object	Die endgültige Antwort des Agenten. Wenn ein Output-Schema konfiguriert ist, ist dies ein strukturiertes Objekt, das diesem Schema entspricht. Andernfalls ist es ein String.
`steps`	array	Vollständige Nachverfolgung jedes Schritts, den der Agent unternommen hat. Jeder Eintrag enthält das aufgerufene Tool, dessen Eingaben und dessen Ausgabe
`inputTokens`	number	Gesamte Eingabe-Tokens, die über alle Schritte verbraucht wurden
`outputTokens`	number	Gesamte Ausgabe-Tokens, die über alle Schritte verbraucht wurden

Tools

Tools erweitern, was der Agent tun kann. Jedes Tool erscheint als aufrufbare Aktion, die der Agent aufrufen kann:

Skills: integrierte Fähigkeiten wie Websuche, Code-Ausführung oder Bildgenerierung
Integrationsaktionen: jede Aktion aus einer verbundenen Integration (z. B. „Jira-Issues suchen", „Slack-Nachricht senden", „Datenbank abfragen")

Der Agent entscheidet autonom, welche Tools er in welcher Reihenfolge basierend auf der Aufgabenbeschreibung verwendet.

Geben Sie dem Agenten nur die Tools, die er tatsächlich für die Aufgabe benötigt. Eine große Tool-Liste erhöht den Token-Verbrauch und kann dazu führen, dass der Agent unnötige Aufrufe macht.

Output-Schema

Wenn Sie ein Output-Schema definieren, ist die result-Ausgabe des Agenten garantiert ein JSON-Objekt, das diesem Schema entspricht. Dies ist nützlich, wenn Sie strukturierte Daten an nachgelagerte Nodes weitergeben müssen.

Beispielschema:

JSON

{
  "type": "object",
  "properties": {
    "summary": { "type": "string" },
    "priority": { "type": "string", "enum": ["low", "medium", "high"] },
    "actionItems": {
      "type": "array",
      "items": { "type": "string" }
    }
  },
  "required": ["summary", "priority"]
}

Tipps

Schreiben Sie spezifische Aufgabenbeschreibungen. Statt „Fasse das zusammen" versuchen Sie: „Fasse das folgende Support-Ticket in 2-3 Sätzen zusammen, identifiziere das Hauptproblem und schlage eine Antwort vor. Ticket: {{trigger.outputs.ticket}}".

Verwenden Sie einen System-Prompt für dauerhafte Anweisungen. Legen Sie Rollendefinition, Ausgabeformat-Präferenzen und Tonanforderungen in den System-Prompt, damit die Aufgabenbeschreibung fokussiert bleibt.

Setzen Sie ein niedriges Max. Schritte für einfache Aufgaben. Für Klassifizierungs- oder Extraktionsaufgaben, die keine Tools benötigen, setzen Sie Max. Schritte auf 1, um zu verhindern, dass der Agent unnötige Tool-Aufrufe macht.

Verwenden Sie das Output-Schema für die nachgelagerte Verdrahtung. Wenn der nächste Node ein bestimmtes Feld aus der Antwort des Agenten benötigt, definieren Sie ein Output-Schema. Es garantiert, dass das Feld existiert und den richtigen Typ hat.