Modulare Agenten: Neue Architektur, Erwerb, Sicherheit und Zukunft von LLMs

Die Entwicklung von Sprachmodellen hat einen entscheidenden Wandel erfahren: Statt monolithischer Modelle, die sämtliche Verfahren in ihren Gewichten verankern, setzen moderne Systeme auf modulare Agenten, die über sogenannte Agentenfähigkeiten verfügen. Diese Fähigkeiten sind eigenständige Pakete aus Anweisungen, Code und Ressourcen, die bei Bedarf geladen werden können, wodurch die Funktionalität ohne erneutes Training erweitert wird.

Die neue Architektur basiert auf dem SKILL.md-Standard, der eine progressive Kontextladung ermöglicht und eng mit dem Model Context Protocol (MCP) zusammenarbeitet. Durch diese Kombination entsteht ein flexibles Ökosystem, in dem Fähigkeiten leicht ausgetauscht, kombiniert und auf unterschiedliche Plattformen portiert werden können.

Der Erwerb von Fähigkeiten wird durch fortschrittliche Lernmethoden unterstützt, etwa Reinforcement‑Learning‑Ansätze wie SAGE, autonome Entdeckungsalgorithmen wie SEAgent und die Synthese von Fähigkeiten durch Komposition. Auf großen Plattformen wie OSWorld und SWE‑bench wurden bereits signifikante Fortschritte erzielt, während die Computer‑Use‑Agent‑Stack‑Technologie die Interaktion mit grafischen Benutzeroberflächen weiter verbessert.

Ein besonderes Augenmerk liegt auf der Sicherheit: Untersuchungen zeigen, dass über ein Viertel der von der Community bereitgestellten Fähigkeiten Schwachstellen aufweisen. Darauf reagiert die Forschung mit einem vierstufigen, lückenbasierten Genehmigungsmodell, das die Herkunft von Fähigkeiten mit gestaffelten Einsatzrechten verknüpft. Trotz dieser Fortschritte bleiben sieben zentrale Herausforderungen offen, von der plattformübergreifenden Portabilität bis hin zur sicheren Skalierung.