Als Agenten noch im Kreis liefen
Die Idee, ein Sprachmodell abwechselnd denken und handeln zu lassen, beschrieben Forschende der Princeton University und von Google im Herbst 2022 unter dem Namen ReAct. Anfang 2023 zeigte Meta mit Toolformer, dass ein Modell lernen kann, selbst zu entscheiden, wann ein Werkzeug wie ein Taschenrechner hilft.
Im Frühjahr 2023 brach dann ein Hype los. Ein Open-Source-Projekt namens AutoGPT versprach Agenten, die sich selbst Ziele setzen und sie ohne Menschen verfolgen. Es sammelte in wenigen Wochen mehr als hunderttausend Sterne auf GitHub, und viele, die es ausprobierten, sahen vor allem eines: Agenten, die sich in Schleifen verfingen, Aufgaben endlos neu planten und dabei Geld verbrannten.
Was damals fehlte, waren Werkzeugaufrufe in einer festen Struktur, klare Abschlusszustände und Modelle, die länger bei einer Aufgabe bleiben konnten: GPT-4 lag auf METRs Kurve aus dem Prolog bei etwa vier Minuten. Im Juni 2023 kam Function Calling. Gut zwei Jahre später arbeiten Coding-Agenten in echten Projekten stundenlang an Aufgaben. Mit Magie hat das nichts zu tun: bessere Modelle in sorgfältig gebauten Loops. 6
Was Mara jetzt weiß
Die Antwort auf das Rätsel vom Kapitelanfang passt in zwei Sätze:
Das Modell entscheidet, welche angebotene Aktion es anfordern möchte. Die Runtime entscheidet, ob und wie sie real ausgeführt wird, und gibt das Ergebnis zurück.