Der agent-Knoten ruft ein LLM mit einem zusammengestellten Kontext und einem Satz von Werkzeugen auf. Er ist der zentrale KI-Baustein von betool.
Die Trias Rolle / Mission / Selektion
Ein Agent weiß von sich aus nicht, was zu tun ist. Drei Dinge steuern ihn:
- Rolle — wie er arbeitet (Stil, Einschränkungen, Haltung). Kurz. Über Agents hinweg wiederverwendbar.
- Mission — was er für diesen konkreten Anwendungsfall tun muss. Länger. Pipeline-spezifisch.
- Selektion — welche Kontextdaten er als Eingabe erhält. Explizit zusammengestellt.
Ein Agent, der sich fehlverhält, hat fast immer ein Problem mit Rolle, Mission oder Selektion — kein Modellproblem. Prüfen Sie diese drei zuerst, bevor Sie das Modell aufwerten.
Die Selektion konfigurieren
Die Selektion bestimmt genau, was das LLM sieht. Fünf Typen:
| Typ | Wirkung |
|---|---|
key | Liest ctx.results[<key>] — z. B. exchange.intent |
prefix | Verkettet alle Schlüssel unter einem Präfix — z. B. project.* |
literal | Rohtext mit Platzhaltern — z. B. "Frage: {user_message}" |
file | Hängt eine Datei an (multimodal) — z. B. webhook.payload._files |
history | Bezieht die N vorherigen Schritte ein (natives Multi-Turn) |
Die ersten vier stellen die user_message für den aktuellen Schritt zusammen. history ist ein orthogonaler Kanal, der im LLM-Array messages[] übergeben wird.
Kein Laufzeit-Fallback. Wenn die Selektion leer ist, erhält das LLM "" und protokolliert eine Warnung. Sie müssen explizit einbeziehen, was der Agent benötigt — es gibt keine Magie.
LLM-Modell
Ausgewählt aus den managed Modellen der Plattform oder den in Einstellungen → Provider konfigurierten LLM-Konten (siehe Einen LLM-Schlüssel anbinden). Sie können:
- Ein bestimmtes Modell aus dem Katalog festlegen (managed oder auf Ihrem eigenen Konto).
- Das Standardmodell der Organisation verwenden.
- Einen Fallback definieren (wenn das primäre Modell fehlschlägt, auf ein sekundäres wechseln).
Werkzeuge
Werkzeuge sind die Funktionen, die das LLM aufrufen kann. Sie wählen sie aus dem Katalog:
- Globale Werkzeuge —
knowledge.searchundknowledge.semantic_search(Wissensdatenbank),web_search.search(Websuche),web_scrape.fetch_page(Lesen einer Webseite) … - Kanal-Werkzeuge — für eine Sprach-Pipeline:
phone_gateway.transfer_call,phone_gateway.hangup_call,phone_gateway.set_call_disposition. - Konnektor-Werkzeuge — die der von Ihrer Organisation angebundenen Integrationen (z. B.
jira.create_issue,hubspot.search_contacts).
Ein Agent sieht nur die Werkzeuge, die in seinem Ausführungskontext tatsächlich erreichbar sind. Einem Agent in einer E-Mail-Pipeline wird kein Telefoniewerkzeug angeboten.
Ausgabeformat
Drei Optionen:
- Freier Text — für benutzergerichtete Antworten.
- Strukturiertes JSON — der Agent muss JSON produzieren, das einem definierten Schema entspricht (strikt validiert).
- Nur Werkzeugaufruf — der Agent schreibt nichts: Er ruft entweder ein Werkzeug auf oder tut nichts.
Der JSON-Modus ist für Agents obligatorisch, deren Ausgabe in eine nachgelagerte Bedingung oder einen anderen Agent einfließt.
Bewährte Praktiken
- Beschreiben Sie Werkzeuge präzise. Die Beschreibung, die das LLM sieht, muss abdecken: WAS, WANN VERWENDEN, WANN VERMEIDEN, FORMAT. Eine zu kurze Beschreibung bedeutet, dass das LLM rät — was unsichtbare Bugs bedeutet.
- Testen Sie mit einem Benchmark. Siehe Benchmarks.
- Halten Sie die Mission konsistent. Eine Mission, die sich über 3 Versionen ändert, bedeutet einen regressierenden Agent. Versionieren Sie Ihre Missionen.
Kosten
Siehe Preise. Mit BYOK zahlen Sie Ihren LLM-Anbieter direkt. Bei einem managed Modell werden Eingabe- und Ausgabe-Tokens nach dem Tarif des gewählten Modells in Credits abgebucht.