Webservices für KI-Agenten: Drei Prinzipien und ein radikaler Gegenentwurf

Drei Prinzipien machen Webservices agententauglich

Tej Pandya, Gründer von GrowEasy.ai, hat auf dev.to einen Leitfaden veröffentlicht, der beschreibt, wie Webservices gestaltet sein müssen, damit KI-Agenten sie zuverlässig nutzen können. Seine zentrale These: Ein Chat-Interface ist keine Integration. Wer einen Dienst für Agenten öffnen will, muss drei Dinge bereitstellen: genaue Zustände, begrenzte Aktionen und ein verifizierbares Ergebnis.

Genaue Zustände bedeuten, dass der Service den aktuellen Stand einer Ressource liefert, nicht Marketingtext. Pandya illustriert das an einem Bestellservice für Schreibtische. Die Produktbeschreibung mag bei der Entdeckung helfen, aber für den Kauf benötigt der Agent die exakte Variante, den aktuellen Preis, die verfügbaren Lieferoptionen und eventuelle Beschränkungen. Ein nicht vorrätiger Artikel muss explizit als solcher gekennzeichnet sein; der Agent soll nicht aus einem fehlenden Button oder einem leeren Feld schließen müssen, dass etwas nicht verfügbar ist. Ebenso muss eine fehlende Lieferprognose klar benannt werden.

Begrenzte Aktionen fordern, dass der Service nur klar definierte, autorisierte Änderungen zulässt. Der Agent soll nicht raten, welche Operationen erlaubt sind. Stattdessen legt der Service fest, welche Aktionen im Rahmen der Aufgabe möglich sind, und behält dabei den Überblick über den Auftrag. Das verhindert, dass der Agent unautorisierte oder unsinnige Schritte unternimmt.

Verifizierbare Ergebnisse schließlich verlangen, dass jede Aktion ein Ergebnis liefert, das der Agent gegen den bekannten Zustand prüfen kann. Eine Bestellung muss etwa eine Bestätigung mit Status zurückgeben, nicht nur eine generierte Zusammenfassung. So kann der Agent feststellen, ob die Aktion erfolgreich war, und entsprechend fortfahren.

OpenAI und Microsoft liefern erste Umsetzungen

Für das Prinzip der genauen Zustände gibt es bereits eine konkrete Umsetzung: Die Agentic Checkout Spec von OpenAI verlangt einen reichhaltigen Warenkorbzustand. Dieser umfasst Artikel, Preise, Steuern oder Gebühren, Versand, Rabatte, Summen und den Status. Die Antwort des Händlers ist dabei die maßgebliche Quelle, nicht das Gedächtnis des Modells an eine frühere Seite. Das stellt sicher, dass der Agent immer mit dem aktuellen Stand arbeitet.

Auf der Werkzeugseite hat Microsoft das OpenAPI-Paket für Semantic Kernel als General Availability für .NET und Python veröffentlicht. Mit der General Availability ist das Paket für den produktiven Einsatz freigegeben. Es ermöglicht Entwicklern, bestehende APIs als Plugins zu integrieren, sodass Agenten sie direkt nutzen können. Ein Beispiel aus der Ankündigung: Eine API zur Steuerung von Lampen in einem Smart Home. Die zugehörige OpenAPI-Spezifikation liefert strukturierte Informationen über Endpunkte, etwa zum Abrufen aller Lampen und zum Ändern des Zustands einzelner Lampen. Der Agent kann diese formale Beschreibung interpretieren und die API aufrufen, ohne dass er aus proseartiger Dokumentation raten muss.

Das ist der Kern der Tooling-Unterstützung: Agenten parsen strukturierte Informationen und treffen darauf basierend Entscheidungen. Eine formale OpenAPI-Spezifikation gibt ihnen die nötigen Definitionen, während unstrukturierter Text zu Fehlern führen kann. Die Integration bestehender APIs als Plugins senkt die Hürde, Dienste für Agenten zugänglich zu machen, weil keine neuen Schnittstellen von Grund auf entwickelt werden müssen.

Gegenentwurf: Ein neues Agentic Web Interface statt Anpassung

Der Leitfaden von Pandya setzt auf eine evolutionäre Strategie: Bestehende Webservices sollen angepasst werden, indem sie genaue Zustände, begrenzte Aktionen und verifizierbare Ergebnisse bereitstellen. Ein Paper mit dem Titel 'Build the web for agents, not agents for the web' widerspricht diesem Ansatz grundlegend. Es argumentiert, dass menschenorientierte Interfaces für Agenten ungeeignet sind, weil sie auf menschliche Wahrnehmung und Interaktion ausgelegt sind. Aktuelle Methoden kämpfen mit komplexen DOM-Bäumen, verlassen sich auf Screenshots mit Zusatzinformationen oder umgehen die Benutzeroberfläche ganz über API-Aufrufe. Das Paper fordert deshalb einen Paradigmenwechsel: Statt Agenten an bestehende Interfaces anzupassen, soll ein neues Agentic Web Interface (AWI) geschaffen werden, das speziell für agentische Fähigkeiten optimiert ist. Es definiert sechs Prinzipien für das AWI-Design, die Sicherheit, Effizienz und Standardisierung betonen und die Interessen aller Beteiligten berücksichtigen sollen. Der Widerspruch liegt in den unterschiedlichen Annahmen über Machbarkeit und Umfang: Der Leitfaden hält inkrementelle Verbesserungen für ausreichend, das Paper sieht die bestehenden Interfaces als unüberwindbar hinderlich an und verlangt einen Neuanfang.