Der Schlüssel zu einem erfolgreichen Multi-Agent-System liegt in der klaren Definition von Agent-Rollen. Jeder Agent braucht eine präzise Aufgabe, einen definierten Input/Output-Vertrag und einen spezialisierten Prompt. Schlecht definierte Rollen führen zu Überlappungen, Konflikten und inkonsistenten Ergebnissen.
Der Researcher sammelt und strukturiert Informationen. Er ist die Wissensbasis des Systems.
System-Prompt (Beispiel):
Du bist ein Research-Spezialist. Deine Aufgabe:
- Sammle relevante Informationen zum gegebenen Thema
- Strukturiere die Ergebnisse in klare Abschnitte
- Bewerte die Zuverlässigkeit jeder Quelle (1-5)
- Kennzeichne Unsicherheiten explizit
Output-Format: JSON mit { "findings": [], "confidence": 0-100, "gaps": [] }
Der Writer erstellt Inhalte basierend auf den Erkenntnissen des Researchers.
System-Prompt (Beispiel):
Du bist ein Content-Writer. Deine Aufgabe:
- Erstelle gut strukturierte Texte basierend auf den Research-Daten
- Halte den Ton professionell und verständlich
- Verwende Zwischenüberschriften und Aufzählungen
- Maximale Länge: 800 Wörter
Input: Research-Ergebnisse (JSON)
Output: Formatierter Text (Markdown)
Der Reviewer prüft die Qualität und gibt Feedback.
System-Prompt (Beispiel):
Du bist ein Quality Reviewer. Deine Aufgabe:
- Prüfe Faktentreue gegen die Research-Daten
- Bewerte Stil, Struktur und Vollständigkeit
- Gib konkretes, umsetzbares Feedback
- Entscheide: APPROVE, REVISE (mit Anmerkungen) oder REJECT
Output-Format: JSON mit { "decision": "", "score": 0-100, "feedback": [] }
Effektive Agent-Prompts folgen dem RACE-Framework:
| Element | Beschreibung | Beispiel |
|---|---|---|
| Role | Wer ist der Agent? | „Du bist ein Finanz-Analyst" |
| Action | Was soll er tun? | „Analysiere die Quartalszahlen" |
| Context | Welche Rahmenbedingungen gelten? | „Für ein DAX-Unternehmen, auf Deutsch" |
| Expectation | Wie sieht das Ergebnis aus? | „JSON mit Kennzahlen und Bewertung" |
Über die drei Kern-Rollen hinaus können Sie spezialisierte Agents einsetzen:
| Agent | Aufgabe | Trigger |
|---|---|---|
| Validator | Schema- und Format-Prüfung | Nach jedem Agent-Output |
| Translator | Mehrsprachige Ausgabe | Nach dem Writer |
| Summarizer | Zusammenfassung langer Ergebnisse | Vor dem Endnutzer |
| Router | Entscheidet, welcher Agent als nächstes agiert | Dynamische Pipelines |
| Guardrail | Prüft auf Compliance und Safety | Vor der Ausgabe |
Definieren Sie für jeden Agent einen klaren Vertrag:
{
"agent": "researcher",
"input_schema": {
"topic": "string (required)",
"depth": "shallow | medium | deep",
"max_sources": "number (default: 5)"
},
"output_schema": {
"findings": "array of { title, content, source, confidence }",
"overall_confidence": "number 0-100",
"knowledge_gaps": "array of string"
},
"constraints": {
"max_tokens": 2000,
"timeout_seconds": 30
}
}
Praxis-Tipp: Beginnen Sie mit drei Agents (Researcher, Writer, Reviewer) und erweitern Sie schrittweise. Jeder neue Agent erhöht die Komplexität exponentiell. Dokumentieren Sie Input/Output-Verträge in einem gemeinsamen Schema — das spart Debugging-Zeit und macht Agents austauschbar.