Engineering-Notizen
Jeder Beitrag beginnt mit einer praktischen Frage, erklärt die nötigen Fachbegriffe und verlinkt Primärquellen. Wir trennen externe Evidenz, eigene Projekterfahrung und Schlussfolgerungen — und benennen, was sich daraus nicht ableiten lässt.
Die MCP-Revision vom 28. Juli 2026 macht das Protokoll zustandslos und härtet OAuth; A2A 1.0 bringt signierte Agent Cards, Multi-Tenancy und drei Protokoll-Bindings. Der Artikel prüft den aktuellen Stand beider Standards, erklärt das Zusammenspiel der Schichten Agent-zu-Werkzeug und Agent-zu-Agent, skizziert Gateway-Muster für Unternehmen und benennt präzise, was die Protokolle nicht lösen: Semantik und Vertrauen in Inhalte.
Beim Zurücklesen taucht derselbe Befund unter einem Dutzend Überschriften auf: Eine Einschränkung, die in einem Prompt oder einem Dokument wohnt, ist keine. Besanson argumentiert, Governance gehöre in die Architektur statt an Prompts und Dokumentation. Die acht Stellen, an denen wir es gelernt haben, die zwei ohne architektonische Fassung, und was der Satz nicht abdeckt.
Subagenten- und Peer-Agenten-Architekturen werden beide als Multi-Agenten-Systeme bezeichnet, unterscheiden sich aber in Zustand, Lebenszyklus, Kosten und Vertrauensmodell. Dieser Artikel trennt die beiden Arbeitsmodi mit verifizierten Zahlen von Anthropic und Cognition, erklärt, was A2A 1.0 standardisiert — Agent Cards, Tasks, contextId —, zeigt, warum Unabhängigkeit die Simulation von Gegenübersystemen ermöglicht, und liefert sechs Entscheidungsregeln für die Wahl des richtigen Modus.
Ein Jahr Zahlen zu dem Agenten, der fehlschlagende Tests repariert. Token sind die kleinere Hälfte; entscheidend ist die Prüfzeit — auch abgelehnte Vorschläge kosten eine Prüfung. Peng und Kollegen vergleichen die Inferenzökonomie von Cloud und Eigenbetrieb für Coding-Agenten. Was wir messen, was sich durch das Messen geändert hat, und ab wann wir ihn abschalten würden.
End-to-End-Journeys von Agenten lösen letztlich Zustandsänderungen in Behördensystemen, ERP-Systemen und Partner-APIs — Systemen, gegen die sich nicht frei testen lässt. Dieser Artikel definiert das Simulation-First-Muster: Das reale Gegensystem wird hinter demselben Kontrakt gegen ein zustandsbehaftetes simuliertes getauscht. Wir ordnen das Muster gegenüber Service-Virtualisierung und Digital Twins ein und behandeln ehrliche Kennzeichnung, Last- und Angriffstests, die Fidelity-Lücke und den Weg zu Ökosystemen simulierter Gegensysteme.
Zwei Kunden, im Wesentlichen dasselbe System, einer verlängerte, einer stellte ein — bei laufendem Betrieb. Der Unterschied stand in den Auftaktnotizen: Einer hatte aufgeschrieben, was der Assistent nicht tun wird, der andere, was er tun wird. Vishwarupe und Kollegen behandeln Erwartungsmanagement als Entwurfsfrage. Die vier Sätze, auf denen wir vor jedem Bau bestehen.
Eine Demo zeigt, dass ein LLM-System einmal funktionieren kann; Evals zeigen, dass es zuverlässig funktioniert. Der Artikel definiert goldene Testsets, die vier RAGAS-Standardmetriken für RAG-Pipelines, LLM-as-Judge mit dokumentierten Verzerrungen und verifizierten Gegenmaßnahmen, Offline- versus Online-Evaluation und Regressions-Gates in der CI — dazu Trajektorien- und Tool-Call-Evaluation für Agenten, mit Zahlen aus MT-Bench, τ-bench und dem Berkeley Function-Calling Leaderboard.
Das Gedächtnis verbesserte den Assistenten für Einzelne und verschlechterte still das gemeinsame Terminal, an dem die Vorliebe einer Schicht die Antworten der nächsten prägte. Al-Ratrout und Kollegen benennen Personenverwechslung im Mehrbenutzerdialog. Warum das Erkennen der sprechenden Person der falsche erste Schritt ist, was eine Sitzungsgrenze sein sollte, und welche Vorliebe für alle sicher ist.
Der Geräteassistent wurde weit weniger genutzt als erwartet, weil eine Frage bedeutete, ein Werkzeug abzulegen. Sprache behebt das und bringt einen Fehler mit, den Text nie hatte: eine verhörte Teilenummer erzeugt eine selbstsichere Antwort über ein anderes Bauteil. Pahwa und Kollegen bewerten Sprachwerkzeugnutzung. Was wir vorher bestätigen und warum die Antwort gesprochen und gezeigt wird.
GraphRAG baut aus einem Dokumentenkorpus einen LLM-extrahierten Wissensgraphen mit Leiden-Communities und vorberechneten Zusammenfassungen — korpusweite Fragen werden damit beantwortbar. Wir prüfen die belegten Zahlen: 70–80 % Gewinnrate bei Vollständigkeit, 0,1 % Indexierungskosten und 700-fach günstigere globale Abfragen mit LazyGraphRAG. Und wir benennen die Fälle, in denen hybrides RAG günstiger, schneller und genauer bleibt — mit fünf Entscheidungsregeln für die Praxis.
Die Zahl in der Antwort passte zum Dokument, und das Dokument war seit 2019 falsch. Jede Prüfung fragt, ob die Antwort zur Quelle passt; keine, ob die Quelle stimmt. Patil arbeitet an der Erkennung manipulierter Zahlenangaben in Retrieval-Systemen. Was sich dokumentübergreifend prüfen lässt, warum Zahlen anders zu behandeln sind als Prosa, und was ein Datenqualitätsproblem bleibt.
Reine Vektorsuche übersieht exakte Identifier, Fehlercodes und seltene Begriffe. Dieser Artikel definiert die Produktions-Baseline für RAG-Retrieval: BM25 plus Dense Embeddings, fusioniert per Reciprocal Rank Fusion, gefolgt von Cross-Encoder-Reranking. Wir belegen gemessene Genauigkeitsgewinne und Latenzkosten, verfolgen die Herkunft der 70-Prozent-Behauptung zurück und benennen klar, wann hybrides Retrieval nicht ausreicht.