33 KI-Agenten auf einer Engine aufbauen: Ein Blick in fünf von ihnen

Im vergangenen Jahr hat der Autor 33 KI-Agenten auf einer einzigen Engine gebaut – einem einzigen Docker-Image und Codebase, ohne Kernmodifikationen. Die Agenten reichen von einem Schachtrainer für ein Kind über Assistenten für die Ehefrau, Tutoren bis hin zu Unternehmens-Bots für metallurgische und Energieunternehmen. Die Hauptvariable ist, wo jeder Agent die Grenze zwischen dem zieht, was Code berechnet, und dem, was das Modell sagt. Bei persönlichen Agenten darf das Modell direkt rechnen, aber bei Unternehmens-Agenten gibt es niemals endgültige Zahlen aus; es setzt nur Eingabeparameter, was ein Risiko darstellt. Tool-Schemata beginnen nach dem dritten Dutzend Tools den Prompt zu dominieren; für einen CRM-Administrator mit 331 Tools machen die JSON-Schemata 302 KB oder etwa 75.000 Token im Präfix jeder Anfrage aus. Drei Konfigurationsanpassungen reduzierten die Prompt-Token von 15.266 auf 1.424 und die mediane Antwortzeit von 17 auf 7,7 Sekunden. Die Engine ist Hermes Agent von NousResearch, mit einer jungen Codebasis vom Juli 2025. Die Agenten unterscheiden sich hauptsächlich in ihrer Persona und dem Satz an Tools; der Artikel enthält Tabellen, die Prompt-Größen und Modellauswahlen vergleichen. Es werden auch einige Fehlschläge diskutiert, wie eine Bilanzdiskrepanz und 5.863 Zeilen Python, die in der Produktion nie aufgerufen wurden.