Multi-Agent with Swift Foundation Models: Agents as Tools + Turn Limits
Zusammenfassung
Kurz
Der Artikel zeigt, wie ein Orchestrator in Swift spezialisierte Agenten als Werkzeuge aufruft und wie ein gemeinsam genutzter Actor die Zahl der Modellaufrufe begrenzt, um Endlosschleifen einzudämmen. Vorteile wie geringerer Tokenverbrauch werden als abhängig vom Anwendungsfall dargestellt; die Fehlerfolgen beschreibt der Autor teilweise als unsichere Beobachtung.
Mittel
Der Bericht erklärt „Agents as Tools“ mit Swift Foundation Models: Ein Orchestrator-Agent nimmt Nutzerfragen entgegen und ruft spezialisierte Agenten als Werkzeuge auf. Der Autor nennt maßgeschneiderte Prompts, modulare Erweiterbarkeit und bei komplexen Aufgaben möglicherweise geringeren Tokenverbrauch als Vorteile. Für einfache Fälle könne der Verbrauch wegen ähnlicher Werkzeug- und Endausgaben dagegen steigen.
Der Beispielcode verpackt jeden Spezialisten in einen Agenten mit eigener `LanguageModelSession`; ein optionaler Prompt-Transformer passt Anfragen an. Ein Bildungsbeispiel leitet Mathefragen an einen Mathe-Agenten und Sprachfragen an einen Englisch-Agenten. Da verschachtelte Werkzeugaufrufe laut Autor in Endlosschleifen geraten können, ergänzt er einen gemeinsamen `MaxTurnMonitor`-Actor. Dieser zählt Modellaufrufe über die beteiligten Agenten hinweg und begrenzt sie. Bei Überschreitung gibt das Werkzeug den Fehler als Text zurück, damit der Orchestrator noch mit bereits vorliegenden Ergebnissen antworten kann.
Der Artikel berichtet keine systematischen Tests oder Messungen. Der Autor kennzeichnet das mögliche Löschen des Gesprächsverlaufs bei Fehlern als unsichere Beobachtung, möglicherweise aus einer Beta-Version; auch seine Kritik an der Modellqualität bleibt eine persönliche Einschätzung.
Ausführlich lesen
Der Bericht erläutert das Muster „Agents as Tools“ für Multi-Agent-Systeme mit Apples Swift Foundation Models. Dabei übernimmt ein übergeordneter Orchestrator die Kommunikation mit dem Nutzer und ruft spezialisierte Agenten als Werkzeuge auf. Diese bearbeiten Aufgaben in ihrem jeweiligen Fachgebiet. Der Autor nennt als mögliche Vorteile maßgeschneiderte Anweisungen und Werkzeuge sowie eine modulare, hierarchische Architektur. Bei komplexen Aufgaben könne die Aufteilung laut Autor außerdem den Tokenverbrauch in der Sitzung des Orchestrators senken, weil spezialisierte Agenten eigene Sitzungen nutzen. Bei einfachen Aufgaben könne der Verbrauch jedoch steigen, wenn Werkzeugausgabe und abschließende Antwort ähnliche Inhalte wiederholen.
Die erste Implementierung zeigt eine `Agent`-Klasse mit einer `LanguageModelSession` und ein `AgentTool`, das eine Texteingabe an einen Agenten weiterleitet. Ein optionaler `promptTransformer` ergänzt die Anfrage um auf das Fachgebiet zugeschnittene Hinweise. Die Sitzung wird beim Erzeugen des Agenten eingerichtet und bleibt bestehen, sodass sie laut Artikel vorherige Antworten behalten und Rückfragen unterstützen kann. Als Beispiel dient eine Bildungsanwendung: Ein Lehrer-Agent leitet mathematische Fragen an einen Mathe-Agenten und Fragen zu Sprache oder Literatur an einen Englisch-Agenten weiter.
Als mögliches Problem beschreibt der Autor verschachtelte Werkzeugaufrufe, die abhängig von der Anfrage in eine Endlosschleife geraten könnten. Er nennt Zeitlimits und eine maximale Zahl von Agentenaufrufen als Gegenmaßnahmen und setzt im Beispiel die zweite um. Ein `MaxTurnMonitor`-Actor zählt die Aufrufe gemeinsam über mehrere Agenten hinweg. Prüfung und Erhöhung des Zählers erfolgen in einer Funktion, damit konkurrierende Agenten nicht beide eine veraltete Prüfung bestehen. Wird beim Aufruf des Orchestrators ein Höchstwert festgelegt, erhalten die eingebundenen Werkzeug-Agenten dieselbe Monitor-Instanz. Jeder Agentenlauf prüft den Zähler vor der Modellantwort.
Erreicht ein Werkzeug-Agent das Limit, fängt sein Werkzeug den Fehler ab und gibt ihn als Text samt möglichem Wiederherstellungshinweis zurück. Der Autor begründet dies damit, dass ein geworfener Fehler nach seiner Beobachtung den Gesprächsverlauf der `LanguageModelSession` löschen könne und bereits gesammelte Teilergebnisse verloren gehen könnten. Im Beispiel wird ein Limit von zwei Aufrufen gesetzt; laut Artikel kann der Orchestrator trotz eines fehlgeschlagenen Werkzeugaufrufs noch anhand erfolgreicher Ergebnisse antworten.
Der Bericht belegt die Funktionsweise nicht durch systematische Tests oder Messwerte. Die Vorteile beim Tokenverbrauch werden als abhängig von der Aufgabenkomplexität beschrieben. Auch das Verhalten bei Sitzungsfehlern stellt der Autor selbst als unsicher dar und vermutet, es könne sich um ein Verhalten der verwendeten Beta-Version handeln. Abschließend äußert er die persönliche Einschätzung, die verwendeten Foundation Models seien qualitativ enttäuschend; konkrete Modellangaben oder Vergleichsdaten nennt er nicht.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Einordnung stützt sich nur auf den Bericht. Lunas Stufen für SF-T1-T05 (1) und SF-A3-T01 (1) sind zu niedrig; der Bericht enthält bei SF-A3-T01 einen zitierbaren Beleg für Kettenfehler zwischen Agenten. Bei Lunas Zusammenfassungen fehlen Teile zur Begründung des Actors und zur Turn-Definition.
Im Bericht, aber nicht in der Zusammenfassung
- Begründung des gemeinsamen MaxTurnMonitor-Actors: Prüfung und Zählung müssen in einer Funktion liegen, um Wettlaufsituationen zwischen Agenten zu vermeiden
- Definition eines Turns als ein KI-Aufruf inklusive Werkzeugaufrufe
- Session pro Agent speichert den Verlauf, sodass Folgefragen möglich sind
- Modulare Austauschbarkeit der Spezialisten als eigener Vorteil (im mittleren Text nicht genannt)
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Unabhängig prüfen
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 29 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 41 %einzelne zitierbare Belege
- JEV 52 %beantwortet teilweise oder widerspricht
- amos 25 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung einzelne zitierbare Belege
- SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 74 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %gleiches Oberthema, hilft nicht
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 57 %Hintergrund, keine Belege
- JEV 35 %beantwortet teilweise oder widerspricht
- amos 26 %nur am Rande erwähnt
- SubQ 38 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 51 %gleiches Oberthema, hilft nicht
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 26 %Hintergrund, keine Belege
- Luna 65 %einzelne zitierbare Belege
- JEV 52 %beantwortet teilweise oder widerspricht
- amos 25 %Hintergrund, keine Belege
- SubQ 32 %gleiches Oberthema, hilft nicht
- drex 28 %gleiches Oberthema, hilft nicht
- d3-ultra 43 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung Hintergrund, keine Belege
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 24 %gleiches Oberthema, hilft nicht
- Luna 54 %Hintergrund, keine Belege
- JEV 44 %einzelne zitierbare Belege
- amos 26 %nur am Rande erwähnt
- SubQ 24 %gleiches Oberthema, hilft nicht
- drex 29 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
- SF-A2-T01 Welche Tests zeigen, dass ein Agent sicher angehalten, zurückgesetzt oder abgeschottet werden kann, wenn er sich unerwartet verhält, auch wenn er das Abschalten vorhersieht oder sich wehrt?
- SF-A2-T02 Welcher gemeinsame Notmechanismus könnte verteilte Agentennetze und kritische automatisierte Dienste anhalten, drosseln oder abschalten, ohne einem einzelnen Akteur die alleinige Kontrolle zu geben?
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 22 %Hintergrund, keine Belege
- Luna 61 %einzelne zitierbare Belege
- JEV 60 %beantwortet teilweise oder widerspricht
- amos 30 %einzelne zitierbare Belege
- SubQ 26 %einzelne zitierbare Belege
- drex 32 %nur am Rande erwähnt
- d3-ultra 43 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung einzelne zitierbare Belege
- SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht?
Frieden und Sicherheit
- SF-K1 Wie stellt man sicher und weist nach, dass Entscheidungen über den Einsatz von Gewalt, vor allem über Atomwaffen, beim Menschen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 42 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 25 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv