multiversemediamultiversemedia

Leistung · Agents

Agents, die nicht nur reden, sondern Arbeit erledigen.

Ein Custom AI Agent ist kein Chatbot. Es ist ein mehrstufiger Prozess, in dem ein LLM aus deinen Tools wählt, sie aufruft, mit den Ergebnissen weiterarbeitet, und am Ende ein konkretes Resultat liefert. Termin gebucht. CRM-Eintrag erstellt. Mail beantwortet. Mit Audit-Trail, damit du nachvollziehen kannst, was passiert ist.

Agents, die wir typisch bauen

  • Sales-Vorqualifizierungs-Agent: vor dem Erstanruf recherchiert der Agent Firma, Tech-Stack, Förderprogramme, Pain-Points - du startest den Call schon informiert.
  • Buchungs-Agent im Chat: User schreibt was er braucht, Agent holt verfügbare Slots aus Cal.com, schlägt drei vor, bucht den gewählten - ohne dass du ein Mail-Pingpong führst.
  • Support-Agent erste Ebene: beantwortet wiederkehrende Fragen mit Quellen-Belegen aus deiner Doku. Eskaliert an Mensch, wenn er sich nicht sicher ist.
  • Recherche-Agent: durchsucht Web, interne Quellen und APIs zu einer Frage, synthetisiert mit Zitaten. Für Briefings, Marktanalysen, Lieferanten-Recherche.
  • Inbox-Triage-Agent: liest deine Mails, klassifiziert, schreibt Antwort-Drafts in deinem Stil. Du clickst durch und sendest, oder editierst kurz.

Was Agents von Chat unterscheidet

Tool-Use ist der Kern. Statt einer Text-Antwort gibt das Modell strukturierte Funktions-Calls aus: get_calendar_slots, book_appointment, search_knowledge, send_email. Unser Server führt diese Tools aus, schickt die Resultate zurück, der Agent entscheidet den nächsten Schritt - bis das Ziel erreicht ist.

Jedes Tool hat ein strenges Schema (Zod, JSON-Schema). Der Agent kann nicht halluzinieren, dass es eine Funktion gibt, die es nicht gibt - die Schemas zwingen ihn ins Korsett.

Technischer Stack

  • MCP (Model Context Protocol): offener Standard für Tool-Integration. Wir bauen eigene MCP-Server für deine Datenquellen.
  • Native Tool-Use bei Claude, OpenAI, Gemini - direkt in der API, ohne Framework wenn unnötig.
  • LangChain / LangGraph für komplexere Multi-Agent-Setups mit Branching und State.
  • RAG mit pgvector auf Postgres - Embeddings, Hybrid-Search, Reranking, alles im selben Stack.
  • Server-Sent-Events für Streaming-UIs, damit User Tool-Calls live mitverfolgen.
  • Telemetrie: jeder Tool-Call, jede Modell-Response, jeder Token wird geloggt - Debugging und Eval inklusive.

Agent-Härtung gegen die üblichen Probleme

  • Loop-Schutz: max. Tool-Aufrufe pro Run, Timeout, Cancel-Token
  • Schema-Validierung: jedes Tool-Argument wird validiert, bevor es ausgeführt wird
  • Permissions: Agent hat klar definierte Berechtigungen, kein "darf alles"
  • Rate-Limits pro Visitor / Session - schützt gegen Bot-Missbrauch und Quota-Burst
  • Audit-Trail in DB - jeder Schritt nachvollziehbar

Preis und Dauer

Custom Agents starten bei 8.000 EUR für klar umrissene Use-Cases (z. B. Buchungs-Agent oder Support-Agent mit 3-5 Tools). Größere Setups mit mehreren Agents, Multi-Tenancy oder umfangreichen Tool-Integrationen liegen bei 15.000-30.000 EUR. Modulares Vorgehen: Discovery, MVP, Härtung - jede Phase ist eigenständig abrechenbar.

Welcher Agent würde dir am meisten Zeit sparen?

Im Erstgespräch identifizieren wir den Workflow mit dem größten Hebel - und sagen dir, ob ein Agent das richtige Werkzeug ist.