Agenten verstehen: Foundational, Custom und External

Willkommen zu Teil 3 unseres achtteiligen Leitfadens GitLab Duo Agent Platform: Der vollständige Einstiegsleitfaden, in dem du lernst, KI-Agenten und Workflows in deinem Entwicklungslebenszyklus zu erstellen und bereitzustellen. Folge Tutorials, die dich von deiner ersten Interaktion zu produktionsreifen Automatisierungs-Workflows mit vollständiger Anpassung führen.

In diesem Artikel:

• Was sind Agenten?
• Agententypen
• Häufige Use Cases
• Wie du einen Custom Agent erstellst
• Best Practices

🎯 Probiere GitLab Duo Agent Platform noch heute aus!

Was sind Agenten?

Agenten sind spezialisierte KI-Kollaborationspartner innerhalb der GitLab Duo Agent Platform. Jeder Agententyp dient verschiedenen Zwecken und läuft in unterschiedlichen Kontexten.

Agententypen

Foundational Agents

Von GitLab entwickelt und gewartet sind diese Agenten sofort verfügbar, ohne dass ein Setup erforderlich ist. Die Verfügbarkeit von Foundational Agents kann von Namespace-Eigentümer(innen) oder Instanz-Administratoren verwaltet werden. Starte die Interaktion mit Foundational Agents, indem du GitLab Duo Agentic Chat in der IDE oder Web-UI öffnest.

GitLab Duo

Dies ist der Standard-Agent, dein universeller Entwicklungs-Kollaborationspartner für das Erstellen und Ändern von Code, Öffnen von Merge Requests, Triaging und Aktualisieren von Issues/Epics sowie das Ausführen von Workflows mit vollständigem SDLC-Plattform-Kontext.

Beispiel-Prompts:

• "Erkläre, wie das Authentifizierungssystem funktioniert."
• "Wo befindet sich die Benutzerprofil-Logik?"
• "Wie sollte ich Feature X implementieren?"

Planner Agent

Hilft bei der Produktplanung, beim Aufteilen von Epics und beim Erstellen strukturierter Issues.

Beispiel-Prompts:

• "Erstelle ein Epic für das neue Payment-System mit Subtasks."
• "Teile Issue #789 in kleinere Tasks auf."
• "Generiere Akzeptanzkriterien für dieses Feature."

Mehr über Planner Agent erfahren.

Security Analyst Agent

Triaged Schwachstellen, identifiziert False Positives und priorisiert Sicherheitsrisiken.

Beispiel-Prompts:

• "Triage alle Schwachstellen aus dem letzten Scan."
• "Welche SAST-Findings sind False Positives?"
• "Priorisiere Security-Issues nach tatsächlichem Risiko."

Mehr über Security Analyst Agent erfahren.

Data Analyst Agent

Führt Abfragen durch, visualisiert Daten und macht Daten über die GitLab-Plattform zugänglich, indem er GitLab Query Language (GLQL) verwendet, um umsetzbare Einblicke in deine Projekte und Teams zu liefern.

Beispiel-Prompts:

• "Wie viele Merge Requests wurden im letzten Quartal erstellt?"
• "Zeig mir, woran jedes Teammitglied diesen Monat gearbeitet hat."
• "Was sind die Trends bei Issue-Lösungszeiten?"
• "Finde alle offenen Issues mit dem Label 'bug' in meinem Projekt."
• "Generiere eine GLQL-Query, um Merge Requests nach Autor zu zählen."

Mehr über Data Analyst Agent erfahren.

Custom Agents

Erstelle eigene Agenten, die auf die spezifischen Workflows und Standards deines Teams zugeschnitten sind.

Häufige Use Cases

• Troubleshooting and Debugging Agent: Debugge Software-Bugs und Regressionen, analysiere Deployment-Fehler.
• Documentation Agent: Pflege Docs gemäß deinen Konventionen.
• Onboarding Assistant: Hilf neuen Teammitgliedern mit unternehmensspezifischen Praktiken.
• Compliance Monitor: Stelle sicher, dass regulatorische Anforderungen erfüllt werden.
• Localized Support Agent: Triage Support-Issues in einer lokalisierten Sprache, zum Beispiel Deutsch.

Sieh dir die Aufzeichnung des GitLab DACH Roadshow Vienna 2025 Duo Agent Platform Use Cases Talks an:

🎯 Jetzt ausprobieren: Interaktive Demo von Custom Agents – Erkunde, wie du Custom Agents erstellen und konfigurieren kannst.

Wie du einen Custom Agent erstellst

Custom Agents werden über deine Projekt- oder Gruppeneinstellungen konfiguriert. Die Schlüsselkomponente ist der System Prompt, der das Verhalten und die Expertise deines Agenten definiert.

System Prompt Beispiel vom Custom Agent devops-debug-failures-agent: You are an expert in Dev, Ops, DevOps, and SRE, and can debug code and runtime failures. Your speciality is that you can correlate static SDLC data with runtime data from CI/CD pipelines, logs, and other tool calls necessary. Expect that the user has advanced knowledge, but always provide commands and steps to reproduce your analysis so they can learn from you. Start with a short summary and suggested actions, and then go into detail with thoughts, analysis, suggestions. Think creative and consider unknown unknowns in your debug journey.

Sichtbarkeitsoptionen:

• Private: Nur für Mitglieder des verwaltenden Projekts sichtbar (Developer-Rolle+). Kann nicht in anderen Projekten aktiviert werden.
• Public: Kann von jedem eingesehen und in jedem Projekt aktiviert werden, das die Voraussetzungen erfüllt. Erscheint im AI Catalog zur Entdeckung.

Vollständige Setup-Anleitung in der Dokumentation verfügbar.

Best Practices

System Prompt Tipps:

• Sei spezifisch über die Rolle und Verantwortlichkeiten des Agenten.
• Definiere klare Qualitätsstandards und Einschränkungen.
• Füge Beispiele für erwartete Outputs hinzu.
• Halte Prompts auf eine Hauptaufgabe fokussiert.

Klein anfangen:

• Beginne mit Read-only-Berechtigungen.
• Teste gründlich, bevor du Schreibzugriff gewährst.
• Sammle Team-Feedback und iteriere.

External Agents

External Agents laufen im Hintergrund auf der GitLab-Plattform, wenn sie durch Mentions (z.B. @ai-codex) oder Zuweisungen in Issues und Merge Requests ausgelöst werden. Anders als Foundational und Custom Agents, die interaktiv im Chat arbeiten, werden External Agents asynchron ausgeführt, was leistungsstarke Automatisierung mit spezialisierten KI-Anbietern ermöglicht.

Credential-Management: Ab der General Availability der GitLab Duo Agent Platform werden GitLab-verwaltete Credentials verwendet, um External Agents zu unterstützen, sodass Kunden keine API-Keys selbst verwalten und rotieren müssen.

Wann du External Agents verwenden solltest

• Du benötigst spezifisches Agentic-AI-Verhalten oder LLMs für spezialisierte Aufgaben.
• Du möchtest Event-gesteuerte Automatisierung (nicht interaktiven Chat).
• Du musst spezifische Compliance- oder Daten-Residency-Anforderungen erfüllen.

Warum External Agents verwenden?

• Nutze spezialisierte KI-Modelle: Greife auf providerspezifische Fähigkeiten zu, wie Claude Codes Code-Analyse oder OpenAI Codex' Task-Delegation.
• Erfülle Compliance-Anforderungen: Halte Daten innerhalb genehmigter KI-Anbieter für regulatorische oder Sicherheitsrichtlinien.
• Experimentiere mit Providern: Teste verschiedenes Agentic-AI- und LLM-Verhalten, um die beste Lösung für deine Workflows zu finden.
• Greife auf einzigartige Features zu: Nutze providerspezifische Tools wie Claude Codes Code-Analyse oder OpenAI Codex' Task-Delegation.

Real-World-Beispiel

Ein Entwicklungsteam nutzt OpenAI Codex als External Agent für Code Review. Wenn Entwickler(innen) Merge Requests erstellen, weisen sie Codex als Reviewer zu. Der Agent:

1. Analysiert die Code-Änderungen im MR.
2. Überprüft auf Best Practices und Code-Quality-Issues.
3. Schlägt Verbesserungen und Optimierungen vor.
4. Postet detaillierte Review-Kommentare mit spezifischen Empfehlungen.
5. Verlinkt zu relevanter Dokumentation.

All dies geschieht automatisch im Hintergrund, während das Entwicklungsteam weiterarbeitet, und die Ergebnisse werden direkt im Merge Request gepostet.

Unterstützte External Agents

Die folgenden Integrationen wurden getestet und sind verfügbar:

• Anthropic Claude – Code-Generierung, Review und Analyse
• OpenAI Codex – GPT-gestützte Code-Unterstützung

Beispiel-Verwendung: @ai-codex Please implement this issue

Dies löst einen Runner-Execution-Job aus, der das externe KI-Tool ausführt und Ergebnisse zurück zu GitLab postet.

External Agents einrichten

Vollständige Setup-Anweisungen inklusive Service Accounts, Triggers und Konfigurationsbeispiele findest du in der External Agents Dokumentation.

Agentenverhalten mit AGENTS.md anpassen

Passe an, wie Agenten sich verhalten, indem du AGENTS.md-Dateien gemäß dem agents.md-Standard verwendest. Mehr dazu erfährst du in Teil 8: GitLab Duo Agent Platform anpassen: Chat-Regeln, Prompts und Workflows.

Den besten Agententyp für deine Use Cases wählen

Zusammenfassung

GitLab Duo Agent Platform bietet diese Agententypen:

• Foundational: Sofort einsatzbereite Agenten für gängige Aufgaben (Chat, Planner, Security Analyst, Data Analyst)
• Custom: Erstelle teamspezifische Agenten mit Custom Prompts und Verhaltensweisen
• External: Integriere externe KI-Tools

Starte mit Foundational Agents, erstelle Custom Agents für teamspezifische Anforderungen und erkunde External Agents, wenn du spezialisierte KI-Anbieter benötigst.

Nächster: Teil 4: Flows verstehen

Vorheriger: Teil 2: GitLab Duo Agentic Chat