Level 3 Complete

Level 3 geschafft!

Du hast Deinen ersten autonomen Agenten gebaut — einen Research Agent, der selbststaendig recherchiert, zusammenfasst und erst nach Deiner Freigabe speichert. Das ist ein grosser Schritt: Vom Chatbot zum handlungsfaehigen Agent.

Was Du Gelernt Hast

• Tool Calling: Tools mit tool() definieren — Zod inputSchema, .describe() für Parameter, execute für die Ausfuehrung. Das LLM entscheidet autonom, wann und mit welchen Parametern ein Tool aufgerufen wird.
• Tools im Frontend: Message Parts (text, tool-call, tool-result) für transparente UIs. fullStream liefert alle Events für Loading States und Tool-spezifische Darstellung.
• Tool Loop Agent: Multi-Step Agents mit stopWhen: stepCountIs(n). Das LLM iteriert autonom durch den Agentic Loop — Tool Call, Execute, Result, naechster Schritt — bis die Aufgabe erledigt ist.
• MCP (Model Context Protocol): Standardisiertes Protokoll für externe Tool-Server. createMCPClient mit HTTP oder stdio Transport, client.tools() laedt alle verfügbaren Tools automatisch.
• Tool Approval: Human-in-the-Loop mit needsApproval. Statisch (true) oder dynamisch (async Funktion). Message-basiertes 2-Call Pattern mit tool-approval-request und tool-approval-response für kontrollierte Ausfuehrung kritischer Operationen.

Aktualisierter Skill Tree

Naechstes Level

Level 4: Persistence — Dein Agent kann jetzt handeln, aber er vergisst alles nach jedem Request. Wie speicherst Du Chat-Verlaeufe, stellst Konversationen wieder her und baust persistente Agents? Du lernst Datenbank-Integration, Message History und Session Management.