#10 war ein Meilenstein. Zehn Meetups, wachsende Community, erstes Meetup mit einer richtig aufpolierten Präsentation — und zum ersten Mal zu einem Thema das seit 2024 die KI-Welt definiert: Agents.
Was sind Agents eigentlich?
Die Definition hat sich im Raum durchgesetzt: Kann es eigenständig eine Datei ändern oder eine Mail schicken? Dann Agent. Alles andere ist Chatbot. Der Unterschied: Chatbots antworten, Agents handeln. Sie planen, benutzen Tools, iterieren, korrigieren sich.
Der Agent-Loop (ReAct-Pattern)
Foundational: ReAct — Synergizing Reasoning and Acting in Language Models. Das Paper von 2022 beschreibt den Loop der bis heute das Rückgrat aller Agent-Frameworks ist:
- Goal — was will der User?
- Think — Plan + Strategie
- Act — Tool aufrufen
- Observe — Ergebnis prüfen
- ↺ wiederholen
MCP — der USB-C für Tools
Großer Teil des Abends ging um Model Context Protocol. Warum setzt es sich durch? Weil jedes Framework bisher sein eigenes Tool-Format hatte (LangChain ≠ Claude Tools ≠ OpenAI Functions) — mit MCP spricht ein Server zu Claude, Cursor, Windsurf, Zed gleichzeitig. 500+ Community-Server gibt's jetzt auf GitHub.
Multi-Agent — Bots im Team
Ab einem gewissen Komplexitätsgrad reicht ein Agent nicht mehr. Wir haben live gezeigt, wie ein Orchestrator Aufgaben an einen Researcher und einen Worker delegiert. Bei uns konkret: Präzisionskatze plant, ThinkDog recherchiert, Malt-E koordiniert. Das ganze läuft auf OpenClaw.
Live Demos
- Katze schreibt Post — IG-Announcement in Echtzeit generiert
- Claude Code — Feature von Null zu Deploy
- Playwright MCP — Browser-Agent bucht ein Test-Meetup
Frameworks im Vergleich
Wir sind durch die Landscape gegangen:
- Claude Agent SDK — Production, Tool Use, MCP-native (★★★★★)
- OpenAI Agents SDK — Multi-agent Handoff, Tracing
- LangGraph — Graph-basierte Workflows, Enterprise
- Mastra — TypeScript-first
- OpenClaw — unser self-hosted Stack
Hello-World Agent in 20 Zeilen
from anthropic import Anthropic
client = Anthropic()
def get_weather(city: str) -> str:
return f"In {city} sind es 18°C und sonnig."
tools = [{
"name": "get_weather",
"description": "Aktuelles Wetter für eine Stadt",
"input_schema": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"]
}
}]
response = client.messages.create(
model="claude-opus-4-7",
max_tokens=1024,
tools=tools,
messages=[{"role": "user", "content": "Wie ist das Wetter in Hamburg?"}]
)Das ist es. Das Modell ruft selbst get_weather("Hamburg") auf, bekommt die Antwort, liefert sie im Chat. Der Rest ist Detail.
Takeaways
- Ein Tool ist eine Funktion die der Agent aufrufen darf. Das ist alles.
- Computer Use 2.0 ist produktionsreif — Browser-Automation ohne Playwright-Skripte schreiben zu müssen.
- Start einfach: Claude Code oder OpenAI Agents SDK. Beide <50 Zeilen zum ersten Agent.
- Die erste Abstraktionsebene ab Agent ist Multi-Agent. Danach Netzwerk-Effekte (Bots rufen Bots auf).
Was wir gelernt haben (als Organisatoren)
21 Slides sind machbar, aber hart — wir werden für #11 auf ca. 15 reduzieren. Die Live-Demo am Ende funktioniert — Demo-Gott war gnädig. Beim Thema Agents hatten wir die bisher intensivsten Publikums-Fragen — das Thema ist reif.
Tools erwähnt
Claude Code · Cursor Composer · Windsurf · MCP · Playwright MCP · Computer Use 2.0 · Claude Agent SDK · OpenAI Agents SDK · LangGraph · Mastra · Pydantic AI · OpenClaw. Alle auf /resources.
Die komplette Präsentation gibt's unter /presentation.html — 21 Slides, Reveal.js, frei navigierbar.