Blog
KI-Agenten mit LangChain und VibeCodeCheap erstellen
← Zurück zum Blog

KI-Agenten mit LangChain und VibeCodeCheap erstellen

• 2 Min. Lesezeit
langchain ai-agents tutorial python

KI-Agenten verändern, wie wir intelligente Anwendungen bauen. In diesem Tutorial werden wir einen leistungsstarken KI-Agenten mit LangChain und VibeCodeCheaps erschwinglicher API erstellen.

Was wir bauen werden

Ein Forschungsassistent-Agent, der:

  • Informationen im Web suchen kann
  • Inhalte zusammenfassen kann
  • Folgefragen beantworten kann
  • Gesprächskontext beibehält

Voraussetzungen

  • Python 3.9+
  • VibeCodeCheap API-Schlüssel
  • Grundlegende Python-Kenntnisse

Schritt 1: Abhängigkeiten installieren

pip install langchain langchain-openai python-dotenv

Schritt 2: API konfigurieren

Erstellen Sie eine .env-Datei:

OPENAI_API_KEY=Ihr-vibecodecheap-schlüssel
OPENAI_API_BASE=https://api.vibecodecheap.com/v1

Schritt 3: Den Agenten erstellen

from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_openai_functions_agent
from langchain.tools import tool
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder
import os
from dotenv import load_dotenv

load_dotenv()

# LLM mit VibeCodeCheap initialisieren
llm = ChatOpenAI(
    model="claude-sonnet-4.5",
    openai_api_key=os.getenv("OPENAI_API_KEY"),
    openai_api_base=os.getenv("OPENAI_API_BASE"),
)

@tool
def search_web(query: str) -> str:
    """Im Web nach Informationen suchen."""
    # Ihre Such-Implementierung
    return f"Suchergebnisse für: {query}"

@tool
def summarize(text: str) -> str:
    """Den gegebenen Text zusammenfassen."""
    return llm.invoke(f"Fassen Sie dies zusammen: {text}").content

# Agenten erstellen
tools = [search_web, summarize]

prompt = ChatPromptTemplate.from_messages([
    ("system", "Sie sind ein hilfreicher Forschungsassistent."),
    MessagesPlaceholder(variable_name="chat_history"),
    ("human", "{input}"),
    MessagesPlaceholder(variable_name="agent_scratchpad"),
])

agent = create_openai_functions_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

Schritt 4: Den Agenten ausführen

result = agent_executor.invoke({
    "input": "Recherchieren Sie die neuesten Trends bei KI-Coding-Assistenten",
    "chat_history": []
})

print(result["output"])

Warum VibeCodeCheap für KI-Agenten?

Das Erstellen von Agenten erfordert viele API-Aufrufe. Unsere Preise machen es erschwinglich:

  • 50% niedrigere Kosten - Mehr Experimente, weniger Sorgen
  • OpenAI-kompatibel - Funktioniert sofort mit LangChain
  • Mehrere Modelle - Probieren Sie Claude, GPT-4, Gemini
  • Hohe Rate-Limits - Bewältigt Produktions-Workloads

Nächste Schritte

  • Fügen Sie Ihrem Agenten weitere Tools hinzu
  • Implementieren Sie Gedächtnis für lange Gespräche
  • Deployen Sie als Webservice

Beginnen Sie noch heute, KI-Agenten zu bauen

Verwandte Artikel

Build Your AI Agents Now

API proxy for Claude Code, LangChain, CrewAI & more. One API key for Claude, Gemini models.

Get API Key Read Documentation