Anthropic. Drei Anthropic-Entwickler behandeln die häufigsten Probleme aus ihrer Praxis: Agenten ohne Abbruchkriterium, überladene System-Prompts statt einer verbesserten Umgebung und die Kosten unnötiger Multi-Agenten-Architekturen. Das Video ist direkt nach Barrys Vortrag besonders nützlich, weil dieselben Muster aus einem anderen Blickwinkel sichtbar werden.
Der Problemkatalog dient zugleich als Prüfliste: Abbruchregeln, Prompt- gegenüber Umgebungskorrekturen und die Frage, ob das Multi-Agenten-Design jemals erforderlich war.
Häufige Fehler beim Agentenbau erkennen, bevor Sie mehrere Agenten, komplexe Prompts oder verborgenen Zustand ergänzen.
Sehen Sie zuerst die Hauptempfehlung; dieser Vortrag baut auf derselben Grundlage auf und ergänzt Probleme aus der Praxis.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
190 MinutenEinen LangGraph-Agenten mit typisiertem Zustand, bedingtem Routing, Checkpoints und Werkzeugnutzung entwickeln und beurteilen, wann sich diese Explizitheit auszahlt.
8 MinutenVerstehen, wie lange Kontexte unter Mehrdeutigkeit und Ablenkungen versagen können, und Tests für dieses Risiko entwerfen.
7 MinutenEntscheidungen zu Kurzzeit- und Langzeitgedächtnis trennen und festlegen, wann der Agent Informationen speichern soll.
Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.
Microsoft (open-source, via GitHub Pages)Microsoft Copilot Studio team
The deeper, production-minded counterpart to our beginner no-code pick: a free, open-source, rank-based curriculum that takes you from zero Copilot Studio experience through MCP integrations and multi-agent orchestration, all without writing traditional code. It's the no-code answer to 'now I want to go further than a quick-start,' which our catalog didn't have.
Anthropic AcademyAnthropic Academy
MCP ist das Protokoll, das im gesamten Ökosystem der KI-Tools zunehmend individuelle Einzellösungen für Tool-Integrationen ersetzt. Lernen Sie es direkt von den Urhebern. Am Ende haben Sie einen eigenen MCP-Server erstellt und bereitgestellt, einen LLM-Client damit verbunden und verstanden, warum dieser Standard einem USB-C für die KI-Branche am nächsten kommt.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
