InfoQ ordnet agentische Harnesses in Chains, Graphs und Code

InfoQ ordnet agentische Harnesses in Chains, Graphs und Code

InfoQ beschreibt agentische Harnesses in drei Paradigmen: Chains, Graphs und Code. Der Beitrag sieht darin den Übergang von ad-hoc-Experimenten nach dem Prinzip „best effort“ zu produktionsreifen Softwarearchitekturen. Einordnen lässt er sich in eine Reihe von Texten zu agentischer KI-Architektur, die Branchenexperten verfassen.

Chains bilden laut Artikel lineare Workflows. Bei engen Aufgaben wie Zusammenfassungen liefern sie die geringste Latenz und die niedrigsten Rechenkosten. Fragil sind sie trotzdem: Ein früher Fehler kann den gesamten Ablauf durchschlagen.

Graphs bringen über Knoten und Kanten explizite Struktur und Kontrolle ins System. Damit lassen sich bedingte Verzweigungen, Parallelität und Zustandsverwaltung abbilden. Code-Harnesses behandeln die Ausführung dagegen als erstklassiges Primitiv, mit Sandbox-Umgebungen und iterativen Verfeinerungsschleifen. Laut Artikel sollen sie die stärksten Zuverlässigkeitsgarantien bieten.

Der Beitrag ist eine argumentative Einordnung. Eigene Daten, Benchmarks oder Fallstudien lassen sich im vorliegenden Material nicht belegen.

Vier Empfehlungen für zuverlässigere Agenten

Der Artikel nennt vier Empfehlungen für zuverlässigere Agenten. Entwickler sollen LLM-Ausgaben als nicht vertrauenswürdige Eingaben behandeln. Ein Modell kann fehlerhafte oder unerwünschte Ergebnisse liefern, und diese dürfen nicht ungeprüft weiterverarbeitet werden. Zudem sollen sie Planung und Ausführung entkoppeln und stark in Observability investieren.

Die vierte Empfehlung betrifft die Wahl der Architektur. Gewählt werden soll jeweils die einfachste Abstraktion, die Anforderungen an Zuverlässigkeit, Geschwindigkeit und Kosten erfüllt. Wer Code ausführt, muss laut diesen Empfehlungen Sandboxing und Observability sicherstellen.

Anthropic und Microsoft raten zuerst zu einfacheren Mustern

Auch Anthropic und Microsoft empfehlen, mit einfachen Mustern zu beginnen. Anthropic trennt Workflows, in denen LLMs und Tools über vordefinierte Codepfade orchestriert werden, von Agents. Dort steuert das LLM Prozess und Werkzeugnutzung dynamisch. Nach Angaben des Unternehmens setzten die erfolgreichsten Implementierungen auf einfache, komposable Muster statt auf komplexe Frameworks. Laut einer Zusammenfassung von aihero.dev warnt Anthropic davor, zuerst zu Frameworks zu greifen, weil deren Abstraktionsschichten Prompts und Antworten verdecken könnten. Ratsam sei stattdessen, zunächst die LLM-APIs direkt zu nutzen. Anthropic merkt außerdem an, dass sich die Tooling-Landschaft seit Dezember 2024 stark verändert hat.

Microsoft rät, vor Workflows zunächst einfachere Agent-Muster zu erproben, weil sich diese leichter einrichten und debuggen lassen. Workflows lohnen sich bei bekannter Prozessstruktur und garantierter Ausführungsreihenfolge, etwa bei Dokumenten-Review, Onboarding oder Analytics mit Wiederaufnahme ab dem letzten Checkpoint.

Die Quellen legen unterschiedliche Achsen an. InfoQ ordnet nach Architektur-Paradigma, Anthropic und Microsoft nach Autonomiegrad und Komplexität. Ein direkter Widerspruch zur Abfolge Chains, Graphs, Code ist daher nicht belegt. InfoQ selbst rät zur einfachsten ausreichenden Abstraktion.