Workflows

Tipp

Bevor Sie nach Workflows suchen, sollten Sie zunächst einfachere Muster ausprobieren, um festzustellen, ob sie Ihren Anforderungen entsprechen. Sie sind einfacher einzurichten und zu debuggen. Workflows sind besonders nützlich, wenn Sie eine garantierte Ausführungsreihenfolge benötigen, die ein einzelner Agent selbst nicht zuverlässig bereitstellen kann.

Die Bisherige Reise deckte immer leistungsfähigere Wege zum Aufbau mit Agenten ab. Sie haben gesehen, wie ein einzelner Agent Tools verwenden kann, Fähigkeiten nutzen, Middleware durchläuft und auf umfangreiche Kontexte zurückgreifen kann. Sie haben Agents zusammengesetzt, indem Sie eines als Tool für eine andere verwenden und sie über Dienstgrenzen hinweg mit A2A verbinden.

Alle diese Muster teilen eine gemeinsame Eigenschaft: Die LLM entscheidet, was als Nächstes geschieht. Das Modell wählt aus, welches Tool aufgerufen werden soll, ob delegiert werden soll und wann sie beendet werden soll. Das ist effektiv für offene Aufgaben, bei denen der richtige Weg von der Unterhaltung abhängt – aber es ist ein Nachteil, wenn der Prozess selbst Regeln hat.

Betrachten Sie Szenarien wie die folgenden:

  • Eine Pipeline zur Dokumentüberprüfung , bei der ein Entwurf jedes Mal in dieser Reihenfolge geschrieben, überprüft, überarbeitet und genehmigt werden muss.
  • Ein Kunden-Onboarding-Prozess, der Informationen sammelt, eine Compliance-Prüfung durchführt, Konten einrichtet und eine Willkommens-E-Mail sendet — einige Schritte parallel, einige Schritte abhängig von menschlicher Genehmigung.
  • Ein Analyse-Workflow, der Daten aus mehreren Quellen sammelt, die Ergebnisse zusammenführt und einen Bericht generiert – bei dem nach einem Ausfall in der Mitte vom letzten Prüffpunkt fortgesetzt werden sollte, anstatt von vorne zu beginnen.

In jedem Fall ist die Struktur des Prozesses vorab bekannt. Die Schritte, die Reihenfolge, die Entscheidungspunkte – dies sind nicht die Dinge, die das Modell zur Laufzeit ermitteln soll. Sie möchten das Diagramm explizit definieren und Agents (oder eine andere Logik) darin ausführen lassen.

Das bieten Workflows .

Das Intelligenzspektrum

Agentanwendungen müssen nicht vollständig autonom oder vollständig regelbasiert sein – zwischen den Workflows gibt es ein Spektrum, in dem Sie auswählen können, wo sie landen sollen.

Fully intelligent                                              Fully deterministic
(model decides everything)                                     (code decides everything)
◄──────────────────────────────────────────────────────────────►
│                         │                         │
│  Single agent with      │  Workflow with agent    │  Workflow with only
│  tools — the model      │  executors — the graph  │  deterministic executors
│  picks every step       │  controls the process,  │  — no LLM involved,
│                         │  agents handle the      │  pure business logic
│                         │  reasoning-heavy steps  │

Auf der linken Seite verarbeitet ein einzelner Agent mit Werkzeugen alles – das Modell entscheidet, was zu tun ist, wann delegiert und wann gestoppt wird. Dies ist der flexibelste Ansatz, aber auch die am wenigsten vorhersehbare. Am rechten Ende ist ein Workflow mit rein deterministischen Executoren im Wesentlichen eine herkömmliche Pipeline – vollständig vorhersehbar, aber ohne KI-Begründung überhaupt.

Die meisten realen Anwendungen leben irgendwo in der Mitte. Ein Workflow definiert die Struktur – welche Schritte ausgeführt werden, in welcher Reihenfolge, mit welchen Toren – während einzelne Ausführende innerhalb dieses Workflows Agents für die Schritte verwenden, die von LLM-Gründen profitieren. Sie erhalten die Vorhersagbarkeit eines expliziten Prozesses mit der Intelligenz von KI, wo es wichtig ist.

Der wichtigste Punkt ist, dass Sie den Regler bedienen. Für jeden Schritt in Ihrem Prozess entscheiden Sie:

  • Sollte das Modell herausfinden, was zu tun ist? → Verwenden eines Agent-Executors.
  • Soll der Code das Ergebnis bestimmen? → Verwenden eines deterministischen Executors mit normaler Geschäftslogik.
  • Sollte ein Mensch den Anruf tätigen? → Verwenden Sie ein menschliches Im-Schleifen-Tor.

Dies ist die wahre Kraft von Workflows: sie ersetzen keine Agents, sondern geben Ihnen explizite Kontrolle darüber, wie viel Intelligenz in jeden Teil Ihrer Anwendung eingeht.

Auswählen des richtigen Musters

Die Muster von früher in dieser Reise und Arbeitsabläufe sind keine konkurrierenden Ansätze – sie sind unterschiedliche Punkte auf dem Spektrum. Die Schlüsselfrage ist: Wer sollte entscheiden, was als nächstes passiert?

Frage Wenn die Antwort "das Modell" ist Wenn die Antwort "der Entwickler" ist
Welcher Teilvorgang soll als Nächstes angegangen werden? Agents als Tools – der externe Agent leitet dynamisch weiter Workflows – das Diagramm definiert den Pfad
Ob ein anderer Agent einbezogen werden soll? Agents als Werkzeuge – modellgesteuerte Delegierung Agents in Workflows – das Diagramm verkabelt Agents zusammen
Wann soll man einen Menschen fragen? Toolgenehmigung – reaktiv, pro Tool Mensch-in-the-Loop - explizite Tore an definierten Punkten
Wie behandelt man einen Teilfehler? Wiederholungslogik in Toolimplementierungen Prüfpunkte – Fortsetzen aus dem letzten gespeicherten Zustand

In der Praxis kombinieren die meisten Produktionssysteme beide. Ein Workflow definiert den allgemeinen Prozess, und einzelne Ausführende innerhalb dieses Workflows verwenden Agents für die Schritte, die von LLM-gestütztem Denken profitieren. Auf der Seite "Agents in Workflows " wird genau gezeigt, wie dies funktioniert.

Integrierte Orchestrierungsmuster

Für gängige Multi-Agent-Koordinationsszenarien bietet Agent Framework integrierte Orchestrierungsmuster – vordefinierte Workflowvorlagen, die Sie direkt verwenden oder anpassen können:

Schema Wann man es verwenden sollte
Sequenzielle Agents arbeiten nacheinander in einer definierten Reihenfolge – jeder baut auf dem Output des vorherigen Agents auf.
Nebenläufig Agents werden parallel ausgeführt – nützlich, wenn Aufgaben unabhängig sind und Sie die Latenz reduzieren möchten
Übergabe Agenten übertragen die Kontrolle auf der Grundlage des Kontexts aneinander – gut für die Weiterleitung an Spezialisten
Gruppenchat Agenten arbeiten in einer freigegebenen Unterhaltung zusammen – nützlich für Diskussionen, Überprüfungen oder Brainstorming
Magentic Ein Manager-Agent koordiniert spezialisierte Agenten dynamisch – ausgewogene Struktur mit Flexibilität

Diese Orchestrierungen übernehmen die Routineaufgaben der Agentenkoordination, damit Sie sich auf die Agenten selbst konzentrieren können.

Workflows als Agenten

Eines der leistungsstärksten Kompositionsmuster ist das Umschließen eines Workflows, sodass er wie ein normaler Agent aussieht. Mit dem Feature "Workflows als Agents " können Sie einen komplexen mehrstufigen Workflow ausführen und ihn über die Standard-Agent-Schnittstelle verfügbar machen. Andere Agents können sie als Tool aufrufen, A2A-Clients können sie über HTTP aufrufen, und Verbraucher müssen nicht wissen, dass sie überhaupt mit einem Workflow sprechen.

Reisezusammenfassung

Sie haben nun das gesamte Spektrum an Agent-Entwicklungsmustern gesehen:

Schema Am besten geeignet für:
LLM-Grundlagen Grundlagen verstehen
Von LLMs zu Agents Die Agent-Abstraktion
Hinzufügen von Tools Agenten, die auf externe Systeme reagieren
Hinzufügen von Fähigkeiten Wiederverwendbare, modulare Agentenverhalten
Hinzufügen von Middleware Querschnittsbelange und Leitplanken
Kontextanbieter Speicher, Personalisierung und RAG
Agenten als Werkzeuge Einfache Komposition und Delegation von Agenten
Agent–zu–Agent (A2A) Dienstübergreifende Agentkommunikation
Workflows Komplexe, mehrstufige Orchestrierung mit expliziter Steuerung

Jedes Muster fügt Funktionen und Komplexität hinzu. Die besten Agentsysteme verwenden das einfachste Muster, das ihren Anforderungen entspricht, und erreichen Sie nur dann leistungsstärkere Muster, wenn das Szenario sie erfordert.

Nächste Schritte

Gehen Sie tiefer:

  • Last updated on