Wie funktioniert ein Agentic Loop Schritt für Schritt?
Jeder Durchlauf der Schleife, meist Turn genannt, hat dieselbe Form. Die Laufzeitumgebung schickt dem Modell seinen Kontext: System-Prompt, Werkzeugdefinitionen und den bisherigen Verlauf. Das Modell antwortet mit Text, einem oder mehreren Tool Calls oder beidem. Die Laufzeitumgebung führt jeden erlaubten Aufruf aus, hängt das Ergebnis an den Verlauf an und ruft das Modell erneut auf. Anthropics Definition von Agenten ist die Kurzfassung: „LLMs using tools based on environmental feedback in a loop“ (Building effective agents, 19. Dezember 2024, abgerufen am 16. November 2026).
Ein durchgerechnetes Beispiel aus der Dokumentation des Claude Agent SDK, für den Prompt „Fix the failing tests in auth.ts“: Turn 1 führt die Tests aus und sieht drei Fehlschläge, Turn 2 liest Quell- und Testdateien, Turn 3 ändert den Code und führt die Tests erneut aus, und ein abschließender Turn nur mit Text meldet die Korrektur (How the agent loop works, abgerufen am 16. November 2026). Die Schleife endet, wenn das Modell keine Werkzeuge mehr anfordert, nicht wenn ein Schrittzähler es sagt. Auch die finale Antwort kostet einen Turn: Laut derselben Dokumentation hätte max_turns=2 diesen Lauf vor der Codeänderung gestoppt.
Wann stoppt ein Agentic Loop?
Bei einer finalen Antwort oder bei einem Limit, das die Laufzeitumgebung durchsetzt. Die Standardwerte unterscheiden sich stark:
| Laufzeitumgebung | Limit | Standardwert | Wenn das Limit erreicht ist |
|---|---|---|---|
| OpenAI Agents SDK (Python) | max_turns |
10 Turns | wirft MaxTurnsExceeded |
| Claude Agent SDK | max_turns, max_budget_usd |
kein Limit | Ergebnis-Subtyp error_max_turns oder error_max_budget_usd |
| LangGraph ab 1.1.4 | recursion_limit |
10.007 Super-Steps | wirft GraphRecursionError |
Quellen, alle abgerufen am 16. November 2026: OpenAIs run_config.py und der Leitfaden zum Ausführen von Agenten, Anthropics Seite zum Agent Loop und LangGraphs Graph-API-Dokumentation. Ein Super-Step in LangGraph ist ein Graph-Schritt, kein Modellaufruf, sein Limit ist also nicht eins zu eins vergleichbar. Verlassen Sie sich im Produktivbetrieb nie auf den Standardwert des Frameworks: Setzen Sie selbst ein Turn-Limit, ein Kostenlimit und einen Agent-Timeout auf Basis der realen Laufzeit. Anthropics Leitfaden empfiehlt aus demselben Grund Abbruchbedingungen „such as a maximum number of iterations“. Legen Sie auch fest, was ein erreichtes Limit zurückgibt: ein Teilergebnis, eine fortsetzbare Sitzung oder eine Übergabe an einen Menschen.
Was macht der Reasoning-Schritt in einem Agentic Loop?
Er wählt anhand der letzten Beobachtung die nächste Aktion, und sonst nichts. Ausführen, Validieren und Begrenzen gehören zum Agent Harness um das Modell herum. Ein ReAct-Agent macht dieses Reasoning sichtbar, indem er vor jeder Aktion einen Gedanken aufschreibt. Das Modell schlägt vor, die Laufzeitumgebung entscheidet: Argumente werden gegen ein Schema geprüft, riskante Aufrufe warten auf menschliche Freigabe, und im Claude Agent SDK kann ein PreToolUse-Hook einen Aufruf vor der Ausführung ablehnen; das Modell erhält die Ablehnung dann als seine Beobachtung (Seite zum Agent Loop, abgerufen am 16. November 2026). Die Qualität des Reasonings entscheidet, wie viele Turns eine Aufgabe braucht; die Laufzeitumgebung entscheidet, ob ein schlechter Turn Schaden anrichtet.
Worin unterscheidet sich ein Agentic Loop von einem Agentic Workflow?
In einem Agentic Workflow legt Code den Weg fest, in einem Agentic Loop wählt ihn das Modell. Im Workflow füllt ein Modell nur die Schritte aus; im Agentic Loop wählt das Modell den Weg Turn für Turn. Die Schleife ist flexibler und schwerer vorherzusagen, und ihr Kontext wächst mit jedem Turn, bis etwas ihn kürzt, was die Aufgabe der Context Compaction ist. Nutzen Sie eine Schleife, wenn Sie die Schritte nicht vorab aufschreiben können, und einen Workflow, wenn Sie es können. Viele Produktivsysteme verschachteln beides: ein fester Workflow mit einer begrenzten Schleife in dem Schritt, der Urteilsvermögen braucht. Gehostete Harnesses betreiben die Schleife inzwischen für Sie, wie wir in Claude Managed Agents: the harness is now a service (auf Englisch) beschrieben haben, aber die Limits bleiben Ihre Entscheidung.