Thomas Bayer
Lerne, mit Large Language Model APIs und dem OpenAI SDK eigene KI-Agenten und Anwendungen zu entwickeln. Die Schulung richtet sich an Entwickler und Architekten, die LLMs nicht nur über eine Oberfläche nutzen, sondern in eigene Anwendungen integrieren möchten.
Im Kurs verwenden wir die Responses API und das SDK in zahlreichen Beispielen und Übungen. Schritt für Schritt entwickeln wir eigene Agenten, die Tools verwenden, Dateien durchsuchen, mit Vector Stores arbeiten und über MCP mit externen Systemen kommunizieren.
Die Beispiele werden mit kurzen, vorbereiteten Python-Skripten umgesetzt. So können wir viele Themen in kurzer Zeit behandeln, ohne zu viel tippen zu müssen. Auch wenn du kein Python-Spezialist bist, kannst du die Übungen nachvollziehen. Die Konzepte lassen sich leicht auf andere Programmiersprachen und Plattformen übertragen.
Kursinhalt
KI Grundlagen
- Large Language Models in eigenen Anwendungen einsetzen
- Prompt, Kontext und Antwort
- Unterschied zwischen Chatbot, Assistent und Agent
- KI APIs und SDKs im Überblick
Modelle und Tokens
- Auswahl eines LLM Modells
- Spezialisierte Modelle für Text, Audio und multimodale Anwendungen
- Wie Tokens gezählt und abgerechnet werden
- Token-Optimierung und Kontextbegrenzung
- Kosten, Latenz und Qualität gegeneinander abwägen
OpenAI SDK
- Entwickeln mit dem OpenAI Python- und JavaScript SDK
- Chat Completions oder Responses API?
Responses API
- Ablauf einer Konversation mit Zustand(stateful)
- Wiederverwendbare und parametrisierbare Prompts
- Strukturierte JSON Antworten erzwingen
- Unterschiede zur Chat Completions API
File Search und Retrieval
- Was ist ein Vector Store?
- Erstellen einer Knowledge Base für das LLM
- Semantische Suche statt nur nach Schlüsselwörtern
- Filtering, Ranking und Relevanzbewertung
Function Calling und Tools
- Ablauf eines Tool- oder Function-Aufrufs
- Eigene Functions schreiben und bereitstellen
- Dem Modell Zugriff auf eigene Daten und Anwendungen geben, ohne die Kontrolle zu verlieren
- Eine große Anzahl von Funktionen mit Tool Search bereitstellen
Entwickeln von Agenten
- Der Agentic Loop und typische Ablaufmuster
- Aufbau und Konzepte des OpenAI Agents SDK
- Agenten mit Tools ausstatten
- Arbeitsteilung zwischen Agenten mit Handoffs
- Guardrails für sichere Agenten
- Tracing und Analyse von Agentenläufen
- Einbeziehung von Menschen in den Loop
- Sandbox Agents und sichere Code-Ausführung
Model Context Protocol(MCP)
- Kommunikation zwischen LLM, Client und MCP-Server
- Remote MCP-Server als Tools verwenden
Streaming und interaktive Anwendungen
- Grundlagen von HTTP Server-Sent Events
- Antworten während der Generierung verarbeiten
- Fortschrittsanzeigen in Echtzeit
- Einen Chatserver mit ChatKit bauen
Multimodale Ein- und Ausgaben
- Bilder und Audio mit OpenAI Modellen erzeugen
- Gespräche in Audio-Dateien analysieren
- Voice Agenten für Übersetzung, Transkription und Spracherzeugung
- Realtime-Anwendungen mit Sprache und Audio über WebRTC
Sicherheit, Compliance und Kontrolle
- Schutz vor unkontrollierten Tool-Aufrufen
- Zero Data Retention(ZDR) verstehen
- Persistenten Zustand mit encrypted content vermeiden
Modelloptimierung und Ausblick
- Fine-Tuning und Direct Preference Optimization
- Architekturmuster für produktive KI-Anwendungen
- Best Practices
Dauer
2 Tage
Zielgruppe
Entwickler, Architekten und technisch Interessierte
Vorkenntnisse
Erfahrung in einer beliebigen Programmiersprache. Vorkenntnisse in Python sind hilfreich, aber nicht erforderlich.
Ziele
- Du verstehst die Konzepte der Responses API und des OpenAI SDKs
- Du kannst mit dem OpenAI SDK eigene Anwendungen und Agenten entwickeln
- Du kannst Tools und Functions sicher in LLM-Anwendungen integrieren
Deine Vorteile
- Praxisnahe Übungen mit vielen kurzen Beispielskripten
- Direkter Einstieg in die Entwicklung mit dem OpenAI SDK
- Verständnis für Agenten, Tools, Retrieval, MCP und multimodale Anwendungen
Kursunterlage
Handouts aller Folien und Beispielcode zum Mitnehmen