In der heutigen schnelllebigen digitalen Welt sind Unternehmen und Teams ständig auf der Suche nach Wegen, um ihre Arbeitsabläufe zu optimieren und die Produktivität zu steigern. Künstliche Intelligenz (KI) hat hierbei einen festen Platz eingenommen, insbesondere durch die Entwicklung agentischer Systeme, die in der Lage sind, Aufgaben autonom auszuführen und so Menschen von repetitiven Tätigkeiten zu entlasten. Doch wie schafft man es, dass diese KI-Agenten ihre Arbeit nicht nur einmal, sondern immer wieder verlässlich und effizient erledigen? Hier kommt das Konzept der wiederholbaren agentischen Workflows ins Spiel. Ein zentraler Baustein dafür ist das Model Context Protocol (MCP), das die Interaktion von KI-Agenten mit externen Werkzeugen und Datenquellen standardisiert und somit für nahtlose Orchestrierung sorgt. Die Analogie aus der Welt der Kulinarik bietet eine anschauliche Grundlage, um die Funktionsweise solcher Agenten zu verstehen.
Im Film „Ratatouille“ arbeitet der talentierte Kochratte Remy mit Linguini, einem unerfahrenen Küchengehilfen zusammen. Remy besitzt das nötige Wissen und die Kompetenz, hat aber keinen physischen Zugriff auf die Küche, während Linguini die Hände frei hat, jedoch das Fachwissen fehlt. Zusammen bilden sie ein symbiotisches Team, indem Remy Linguini Anweisungen gibt, während Linguini die Arbeit tatsächlich ausführt. Übertragen auf KI bedeutet das, dass ein Large Language Model (LLM) wie Remy die strategische Planung und Entscheidungsfindung übernimmt, während der Agent (Linguini) die konkrete Ausführung von Aufgaben steuert. Bislang hatten viele KI-Agenten eine passive Rolle.
Sie konnten Anweisungen ausführen, waren dabei aber stark abhängig vom LLM, das die gesamte Logik steuerte. Dies führte häufig zu Unsicherheiten und Fehlern, wenn der Zugriff auf verschiedene Werkzeuge oder Datenquellen nicht reibungslos funktionierte. Mit dem Model Context Protocol ändert sich dieses Paradigma fundamental. MCP transformiert den Agenten vom bloßen Ausführer zu einem aktiven Orchestrator der Arbeitsabläufe. Er erkennt die verfügbaren Ressourcen, bewertet deren Zustand und trifft eigene Entscheidungen, um Wege zum Ziel zu finden – auch wenn unerwartete Probleme auftreten.
Im MCP-Ökosystem gibt es drei wesentliche Komponenten, die zusammenwirken. Der MCP Host ist das Herzstück des Agenten, verantwortlich für die Annahme eines Plans und dessen Umsetzung. Die MCP Clients dienen als lokale Vermittler, die dem Host Zugriff auf externe Dienste ermöglichen. Die MCP Server sind strukturierte Pakete aus Werkzeugen, Daten oder Vorlagen, welche als Erweiterungen in das System eingebunden werden können. So entsteht eine flexible Architektur, die dynamisch an neue Anforderungen angepasst werden kann.
Ein hervorragendes Beispiel für einen solchen Agenten ist Goose, ein Open-Source-Tool, das lokal betrieben wird und das MCP vollumfänglich implementiert. Goose verfügt über die Fähigkeit, die vorhandenen MCP Server zu identifizieren, deren Schnittstellen zu verstehen und die entsprechenden Werkzeuge effizient für die jeweilige Aufgabe einzusetzen. Dabei geht der Agent über das simple Ausführen von Befehlen hinaus, er orchestriert komplexe Workflows, die beispielsweise die Suche in Kommunikationsplattformen wie Slack, die Analyse von Code in GitHub oder die Abfrage von Datenbanken umfassen können. Ein besonders faszinierender Aspekt von Goose und vergleichbaren Agenten ist deren Fähigkeit zur Fehlerbehandlung und Anpassung. Wenn beispielsweise die Suche in Slack unerwartet keine Ergebnisse liefert, kann Goose die Suche modifizieren, etwa den betrachteten Zeitraum ändern, oder alternative Quellen wie Pull-Request-Kommentare prüfen.
Diese Selbstanpassung verleiht solchen Systemen eine robuste Flexibilität, die menschliches Eingreifen oft überflüssig macht. Um die Nutzung solcher KI-Agenten für Teams sinnvoll und nachhaltig zu gestalten, hat sich das Konzept der „Rezepte“ etabliert. Rezepte sind vorstrukturierte, wiederverwendbare agentische Workflows, die alle notwendigen Komponenten, Zielsetzungen und Beispielaktivitäten bündeln. Sie sind mit den erforderlichen Erweiterungen ausgestattet und lassen sich jederzeit abrufen, remixen oder mit anderen teilen. So wird sichergestellt, dass Ergebnisse konsistent reproduzierbar sind und Wissen im Team geteilt wird, ohne dass jedes Mal mühsam von Grund auf neu konfiguriert werden muss.
Die Einführung von Rezepten eröffnet faszinierende Möglichkeiten in vielen Bereichen. Neue Teammitglieder können durch automatische Setup-Prozesse, die den vollen Kontext und die richtigen Tools mitbringen, schnell produktiv werden, ohne aufwändige Einarbeitung und Screenshares. Workshops profitieren von einheitlichen Setups, die unabhängig von individuellen Maschinen oder Betriebssystemen funktionieren, was die Zeit für Didaktik maximiert. Und bestehende Lösungsansätze im Team werden durch Rezepte transformiert zu wiederholbaren und skalierbaren Workflows, die langfristig den kollektiven Output erhöhen. Diese Entwicklung ist nicht nur für Softwareentwickler spannend.
Die Prinzipien von agentischen Workflows lassen sich auf viele Felder übertragen, in denen digitale Prozesse orchestriert werden müssen, von Marketing über Support bis hin zu Forschung und Analyse. Indem KI-Agenten als Orchestratoren fungieren, die kontextbewusst agieren und auf Veränderungen reagieren, entsteht eine neue Ebene der Automatisierung, die menschliche Kreativität unterstützt statt ersetzt. Zusammenfassend lässt sich sagen, dass die Kombination aus KI-Agenten und dem Model Context Protocol eine vielversprechende Zukunft für wiederholbare, skalierbare Automatisierung in zahlreichen Berufsfeldern verspricht. Die Entwicklung von Rezepten als standardisierte, teilbare Workflows macht dabei den entscheidenden Unterschied – sie verwandelt einmalige, inkonsistente Projekte in verlässliche Prozesse, die Teams langfristig unterstützen und entlasten. Der Weg führt hin zu intelligenten Systemen, die mit Verständnis und Flexibilität arbeiten statt bloß starr Befehle auszuführen.
Wer heute bereits auf Werkzeuge wie Goose und MCP setzt, legt somit den Grundstein für die Arbeitswelt von morgen, in der technische und menschliche Fähigkeiten bestmöglich kombiniert werden.
