Wie funktioniert Agent Recovery in der Produktion?
Recovery beginnt bei einem Agent-Checkpoint und vergleicht ihn mit dem aktuellen externen Zustand. Die Agentic-AI-Lens von AWS beschreibt die Form: Workflows in Stufen mit gespeicherten Ergebnissen zerlegen, Fehler vor dem Handeln klassifizieren, vorübergehende Fehler mit exponentiellem Backoff, Jitter und einem Retry-Budget wiederholen, bei dauerhaften Fallbacks anwenden und nur nicht behebbare Fehler an einen Menschen schicken (AWS Well-Architected Agentic AI Lens, abgerufen am 13. November 2026). Recovery beginnt mit Prüfung, nicht mit Wiederholung. Ein idempotenter Tool-Aufruf macht eine Wiederholung sicher.
Recovery, Retry und Rollback: Was ist der Unterschied?
| Option | Was sie tut | Einsatz, wenn |
|---|---|---|
| Fortsetzen | Beim letzten Checkpoint weitermachen | Der Zustand intakt ist und bekannt ist, dass der letzte Schritt abgeschlossen oder nicht begonnen wurde |
| Retry | Den fehlgeschlagenen Schritt erneut ausführen | Der Fehler vorübergehend und der Schritt idempotent ist, siehe Agent Retry Policy |
| Kompensieren oder zurückrollen | Abgeschlossene Wirkungen rückgängig machen | Ein späterer Schritt scheiterte, nachdem Nebenwirkungen eingetreten waren, siehe Agent Rollback |
| Eskalieren | An einen Menschen übergeben | Das Ergebnis unsicher oder der Fehler nicht behebbar ist |
Was liefert das Framework?
Frameworks liefern Persistenz, kein Urteil. LangGraph-Checkpointer speichern den Graph-Zustand eines Threads, sodass ein Lauf nach einer Unterbrechung fortgesetzt oder nach einem Fehler wiederhergestellt werden kann, aber Checkpoints der In-Memory-Saver gehen beim Neustart des Prozesses verloren, und die Dokumentation empfiehlt in der Produktion einen persistenten Checkpointer wie PostgresSaver (LangGraph-Dokumentation zu Durable Execution, abgerufen am 13. November 2026). Die Entscheidung, ob ein halb fertiger Schritt gelandet ist, bleibt bei Ihrem Code. Siehe Durable Execution und unseren Leitfaden zur Fehlertoleranz in LangGraph (auf Englisch).
Warum ist Recovery für Agents schwierig?
Ein fehlgeschlagener Versuch hinterlässt eine unordentliche Umgebung, keine saubere Tafel. Lettas Recovery-Bench startet Agents aus dem Zustand, den ein fehlgeschlagener Versuch hinterlassen hat, und Modelle erreichten im Schnitt 11,2 Prozent gegenüber 26,3 Prozent bei den ursprünglichen Terminal-Bench-Aufgaben, ein relativer Rückgang von 57 Prozent (Letta Recovery-Bench, abgerufen am 13. November 2026). Kann das System nicht sagen, ob eine Aktion gelandet ist, muss es anhalten, bevor es erneut versucht. Eskalieren Sie über die Agent-Incident-Response und halten Sie den Grund und den gewählten Zweig fest.