Öffnen Sie Agenten in der Navigationsleiste und klicken Sie auf Neuer Agent, um einen geführten Fünf-Schritte-Builder zu starten. Jeder Schritt führt Sie von einer leeren Persona zu einem funktionierenden Agenten – und Sie können ihn im Try-Panel live testen, bevor Sie ihn freigeben.
Die Schritte bauen aufeinander auf, aber Sie können zu jedem früheren Schritt zurückspringen, um ihn zu verfeinern. Nur eine Identität und ein Modell sind unbedingt erforderlich – der Rest fügt Fähigkeiten hinzu.
Geben Sie dem Agenten einen Namen, eine kurze Beschreibung und ein Symbol, damit Teammitglieder sofort erkennen, was er tut. So erscheint der Agent in der Agentenliste, im Chat und in der #-Erwähnungsauswahl.
Schreiben Sie die Anweisungen, die die Rolle, den Ton und die Regeln des Agenten definieren – seine Persona. Sie können gespeicherte Prompts aus der Prompt-Bibliothek direkt in diesen System-Prompt einbauen, um den Hausstil und Leitplanken einheitlich zu halten.
Fügen Sie einige Beispiel-Prompts hinzu. Sie erscheinen als Klick-Vorschläge, wenn jemand einen Chat mit dem Agenten öffnet, damit neue Nutzer wissen, was sie fragen sollen, ohne vor einer leeren Seite zu stehen.
Das Herzstück des Agenten: Wählen Sie das Modell und den Freigabebereich; hängen Sie Wissensordner für den Abruf an; passen Sie Temperatur, Top-p und maximale Ausgabe-Tokens an; hängen Sie Skills an und erteilen Sie die Integrationsaktionen, die der Agent aufrufen darf.
Fügen Sie optional Subagenten hinzu, an die dieser Agent als Supervisor delegieren kann, und definieren Sie Formularfelder, um strukturierte Eingaben zu erfassen, wenn der Agent als ausfüllbares Formular oder Aufgabe ausgeführt wird.
Der Identitätsschritt ist es, was einen Agenten eher wie einen Teamkollegen als eine Einstellung wirken lässt. Wählen Sie einen klaren Namen (zum Beispiel Support-Triage oder Release-Notes-Autor), eine einzeilige Beschreibung seines Zwecks und ein Symbol. Diese erscheinen überall dort, wo der Agent referenziert wird.
Der System-Prompt sind die dauerhaften Anweisungen des Agenten – seine Rolle, Stimme, die Regeln, die er befolgen muss, und das Format, in dem Sie Antworten wünschen. Behandeln Sie ihn wie eine Stellenbeschreibung. Da Sie gespeicherte Prompts aus der Prompt-Bibliothek einbauen können, bleiben gemeinsamer Hausstil und Sicherheitssprache über alle Agenten Ihres Teams hinweg konsistent.Prompt LibraryDer System-Prompt sind die dauerhaften Anweisungen des Agenten – seine Rolle, Stimme, die Regeln, die er befolgen muss, und das Format, in dem Sie Antworten wünschen. Behandeln Sie ihn wie eine Stellenbeschreibung. Da Sie gespeicherte Prompts aus der Prompt-Bibliothek einbauen können, bleiben gemeinsamer Hausstil und Sicherheitssprache über alle Agenten Ihres Teams hinweg konsistent.
Ein fokussierter Agent übertrifft einen vagen. Geben Sie an, was der Agent tun soll, was er ablehnen soll und wie Antworten zu formatieren sind. Wenn der Agent immer seine Quellen zitieren oder immer ein strukturiertes Objekt zurückgeben soll, schreiben Sie es hier.
Gesprächsstarter sind Beispiel-Prompts, die als anklickbare Vorschläge erscheinen, wenn jemand einen Chat mit dem Agenten öffnet. Gute Starter dienen gleichzeitig als Dokumentation – sie zeigen Kolleginnen und Kollegen genau, worin der Agent gut ist, sodass die erste Interaktion produktiv und nicht rätselraten ist.
Dieser Schritt verwandelt eine Persona in einen fähigen Agenten. Hier treffen Sie die Entscheidungen, die bestimmen, wie der Agent denkt, was er weiß und was er tun kann:
| Einstellung | Was sie steuert |
|---|---|
| Model | Das LLM, auf dem der Agent läuft, gewählt aus den sechs konfigurierten Anbietern Ihrer Organisation – OpenAI, Anthropic, Google, Groq, Ollama und Ollama Cloud. Die Auswahl wird aus Daten gespeist, mit aktuellen Modellen wie claude-sonnet-4-5, gpt-4o-mini, gemini-2.0-flash, llama3.2 und gpt-oss:120b. |
| Sharing | Wer den Agenten verwenden oder bearbeiten kann – Privat, Bestimmte Personen & Agenten, Arbeitsbereiche oder Organisation, jeweils mit Ansichts- oder Bearbeitungsrecht. |
| Knowledge folders | Die Ordner, aus denen der Agent abruft. Angehängte Ordner speisen den Abruf des Agenten, sodass Antworten fundiert und zitiert sind. Siehe Wissen & Ausgabe. Knowledge & output. |
| Temperature, top-p, max output tokens | Sampling-Steuerungen. Niedrigere Temperatur und Top-p machen Antworten fokussierter und deterministischer; maximale Ausgabe-Tokens begrenzen die Länge jeder Antwort. |
| Skills | Wiederverwendbare Anweisungsausschnitte, die dem Agenten zusätzliches Verhalten hinzufügen, ohne sein Modell oder seine Werkzeuge zu ändern. Siehe Skills. Skills. |
| Integration actions | Die konkreten Werkzeuge, die der Agent aufrufen darf – einen Gmail-Entwurf senden, ein Jira-Issue erstellen, ein Kalenderereignis hinzufügen. Siehe Werkzeuge & Aktionen. Tools & actions. |
Der letzte Schritt fügt zwei erweiterte Fähigkeiten hinzu, beide optional:
Das Try-Panel ermöglicht es Ihnen, im Builder live mit dem Agenten zu chatten, um Ton, Werkzeuge und Wissen zu prüfen, bevor Sie speichern oder freigeben. Jede Speicherung wird im Versionsverlauf verfolgt, sodass Sie zurückrollen können, wenn eine Änderung das Verhalten verschlechtert – beschrieben in Agenten verwenden. Using agents.