Zum Hauptinhalt springen
Connic
Zurück zum BlogProdukt im Fokus

KI-Agenten-Routing: Agenten auslösen und Ergebnisse zurückgeben

Connic leitet externe Events an Agenten weiter und liefert Ergebnisse synchron oder über asynchrone Outbound-Verbindungen an das Zielsystem.

24. August 20269 Min. LesezeitAutor: Connic Engineering

KI-Agenten-Routing ist die Integrationsebene, die ein externes Event an einen Agenten weiterleitet und das Ergebnis an das System ausliefert, das es benötigt. Unsere Plattform übernimmt diesen Ablauf mit Inbound-Verbindungen, synchronen Routen und Outbound-Verbindungen. So kann der Agent zwischen den bereits genutzten Unternehmenssystemen arbeiten.

Was ist KI-Agenten-Routing?

KI-Agenten-Routing verbindet Ereignisquelle, Agenten-Run und Zielsystem. Es beantwortet praktische Fragen: Welches Event startet den Agenten? Wartet der Aufrufer? Wohin geht das fertige Ergebnis? Welche Komponente verwaltet Zugangsdaten, Payload-Formatierung und Wiederholungsversuche?

Dieser Artikel meint mit Routing den Traffic über Systemgrenzen hinweg. Ein KI-Modell auszuwählen, eine Aufgabe an einen anderen Agenten zu delegieren oder eine feste Multi-Agent-Sequenz aufzubauen, gehört zur Agenten-Orchestrierung. Agentenaufrufe über Orchestrierungs-Tools beschreiben diese Form der Orchestrierung.

Die vier Phasen beim Routing eines externen Events durch einen KI-Agenten und zurück zu einem anderen System
PhaseRouting-FrageConnic-Pfad
Event trifft einWelches externe System startet die Arbeit?Inbound- oder Sync-Verbindung
Agent startetWelche verknüpften Agenten erhalten das Event?Links im Verbindungsablauf
Run endetWartet der Aufrufer auf die Antwort?Sync Response oder asynchroner Run
Ergebnis wird ausgeliefertWelches System erhält die Ausgabe und wann?Outbound-Verbindung im Modus Automatic, Agent-Tool oder Middleware

Warum das Triggern eines KI-Agenten nur die halbe Integration ist

Ein Webhook-Handler oder Queue-Consumer kann einen Agenten starten. Die Arbeit bleibt unvollständig, wenn die Betrugsbewertung nie das Alert-Topic erreicht, das klassifizierte Ticket nicht ins Support-System zurückkehrt oder der Antwortentwurf nie beim Kunden ankommt. Jeder asynchrone Run braucht ein Zielsystem für das Ergebnis.

Eine Eingangsbestätigung ist noch kein Ergebnis. Webhook- und Inbound-MCP-Anfragen liefern nach der Übergabe die IDs der erstellten Runs zurück. So bleibt die ursprüngliche Anfrage kurz, doch der Aufrufer erhält in dieser Antwort nicht die fertige Ausgabe. Soll der Aufrufer warten, eignet sich eine Sync-Verbindung. Andernfalls kann eine Outbound-Verbindung das Ergebnis später ausliefern.

Die Wahl des Auslösers bringt eigene Kompromisse bei Zustellung und erneuter Verarbeitung mit sich. Vor der Auswahl der Eingangsseite einer Route lohnt sich ein Vergleich der Auslösemuster für Webhook, Kafka, SQS und Postgres.

So routet Connic Inputs und Ergebnisse

Die Verbindungsrichtung definiert, was an der Systemgrenze geschieht. Eine konfigurierte Verbindungsinstanz hat genau eine Richtung; ein Kafka-Roundtrip nutzt daher einen Inbound-Consumer und einen Outbound-Producer. Input- und Output-Transport können sich ebenfalls unterscheiden: Ein Stripe-Ereignis kann einen Run starten, dessen Ergebnis an SQS oder einen HTTP-Callback geht.

Inbound
Startet verknüpfte Agenten, ohne auf Output zu warten. Event-Verbindungen leiten jedes Ereignis an alle verknüpften Agenten weiter; ein MCP-Tool-Aufruf wählt den als Tool bereitgestellten verknüpften Agenten.
Sync
Hält Request oder Session offen, bis der Agent fertig ist, und gibt das Ergebnis dann über diese Route zurück. Der dokumentierte Standard-Timeout beträgt fünf Minuten.
Outbound
Sendet Daten von einem verknüpften Agenten an ein anderes System. Die Verbindung verwaltet Ziel und Zugangsdaten, validiert die Nutzdaten, formatiert sie für den Transport und übernimmt Wiederholungsversuche.

Ein synchroner Webhook passt zu einer interaktiven Produktfunktion, die die Antwort sofort benötigt. Ein eingehender Webhook mit ausgehendem Callback eignet sich für längere Verarbeitung. Kafka, SQS, E-Mail und Telegram verwenden separate Inbound- und Outbound-Verbindungsinstanzen. Verbindungsrichtungen und Einrichtung.

Wie unterscheiden sich Connics Outbound-Verbindungsmodi?

Die Verbindungsrichtung legt fest, dass eine Verbindung Daten nach außen sendet. Der Verknüpfungsmodus entscheidet, wer den jeweiligen Versand steuert. Diese Auswahl gehört zur Verknüpfung zwischen Outbound-Verbindung und Agenten. Derselbe Verbindungstyp kann so in verschiedenen Abläufen unterschiedliche Routing-Regeln unterstützen.

Vergleich der Outbound-Verbindungsmodi Automatic, Agent-Tool und Middleware in Connic
Outbound-ModusWer entscheidetVersandzeitpunktPassender Einsatz
AutomaticRichtlinie für den VerbindungsablaufNach Abschluss jedes Runs, der die konfigurierten Bedingungen erfülltErgebnisauslieferung für alle Runs oder ausgewählte Inputs
Agent-toolDer LLM-AgentWenn das KI-Modell das Verbindungs-Tool aufruftInhaltsabhängiges Routing, das eine Entscheidung des KI-Modells benötigt
MiddlewarePython-Code der AnwendungWenn Middleware die Verbindung aufruftDeterministische Geschäftsregeln außerhalb des KI-Modells

Automatic-Outbound-Verbindungen

Der Automatic-Modus eignet sich, wenn die Ergebnisse aller passenden abgeschlossenen Runs zur Zustellung in die Queue gestellt werden sollen. Er kann alle Runs einschließlich manueller, geplanter und von Agenten getriggerter Runs oder nur Runs abdecken, die ausgewählte Inbound- oder Sync-Verbindungen gestartet haben. Fehlgeschlagene und abgebrochene Runs werden übersprungen.

Das ausgehende Format hängt vom Transport ab. Automatic-Verbindungen für Webhook, Kafka und SQS liefern eine strukturierte Nachricht zum abgeschlossenen Run. E-Mail- und Telegram-Verbindungen interpretieren den finalen Output als Nachricht für den jeweiligen Kanal. Die Verbindung enthält diese transportspezifischen Regeln. Der Agenten-Prompt kann auf die Aufgabe fokussiert bleiben.

Agent-Tool-Outbound-Verbindungen

Der Agent-Tool-Modus ergänzt einen LLM-Agenten um ein benanntes Verbindungs-Tool. Das KI-Modell entscheidet, ob und wann es das Tool aufruft und welche gültigen Nutzdaten es übergibt. Dieser Modus eignet sich, wenn die Entscheidung von der Bedeutung innerhalb einer Unterhaltung oder eines Ereignisses abhängt, etwa um nur vom Agenten als dringend klassifizierte Fälle zu eskalieren.

Die Verbindung validiert die Tool-Nutzdaten und hält gespeicherte URL, Zugangsdaten und Routing-Standardwerte vom KI-Modell fern. Der Agent erhält eine zweckspezifische Aktion. Connic erstellt die Transportanfrage und verwaltet die Secrets.

Middleware-Outbound-Verbindungen

Der Middleware-Modus hält die Routing-Entscheidung in Python. Code kann die Verbindung vor oder nach der Agentenausführung mit send_connector(action_name, payload) aufrufen. Das KI-Modell kann nicht auf eine Middleware-Outbound-Verbindung zugreifen. Middleware eignet sich für feste Richtlinienprüfungen, deterministischen Fan-out oder explizite Duplikatunterdrückung je Ausführung mit einem Idempotenzschlüssel.

middleware/support-agent.py
from connic.tools import send_connector

async def after(response: str, context: dict) -> str:
    if context["payload"].get("priority") == "urgent":
        await send_connector(
            "send_to_results_webhook",
            {
                "payload": {
                    "run_id": context["run_id"],
                    "result": response,
                }
            },
            idempotency_key=context["run_id"],
        )

    return response

Dieses Beispiel routet dringende Ergebnisse an einen konfigurierten HTTP-Webhook und nutzt die Run-ID als Idempotenzschlüssel. Connic löst die Verbindung auf und stellt die Zustellung in die Queue. Der Leitfaden zu Middleware-Outbound-Verbindungen beschreibt die Schnittstelle zur Runtime.

Wie gelangt das Ergebnis zum jeweiligen Zielsystem?

Ein Browser, der auf eine HTTP-Antwort wartet, und ein Kafka-Consumer benötigen unterschiedliche Wege für die Ergebniszustellung. Unsere Plattform lässt die Agentenlogik unverändert, während die Verbindungsebene den jeweiligen Transport übernimmt.

Häufige Routing-Muster in Connic für Auslöser und Ergebnisse von KI-Agenten
WorkflowEingangsrouteErgebnisroute
Interaktive HTTP-AnfrageWebhook im Sync-ModusDieselbe HTTP-Antwort
Länger laufender HTTP-AuftragInbound-WebhookOutbound-Webhook-Callback
Event- oder Queue-PipelineInbound-Verbindung für Kafka oder SQSSeparate Outbound-Verbindung für Kafka oder SQS
Inbox- oder Chat-WorkflowInbound-Verbindung für E-Mail oder TelegramSeparate Outbound-Verbindung für den Kanal
MCP-ClientMCP im Sync- oder Inbound-ModusTool-Ergebnis oder sofortige Run-ID
Privates ZielsystemJede unterstützte QuelleÜber Bridge geroutetes Outbound HTTP, Kafka, SQS oder E-Mail

Ein Agent kann mehrere ausgehende Verknüpfungen besitzen. Im Automatic-Modus kann das abgeschlossene Ergebnis an mehrere Ziele gehen; Quellenfilter begrenzen dabei, welche Runs eine Route verwenden. Ein Outbound-Callback kann nur Runs aus dem Webhook der Produktivumgebung annehmen, während ein Link für alle Runs zusätzlich manuelle, geplante und von Agenten ausgelöste Arbeit abdeckt.

Connic-Verbindungskatalog mit unterstützten Richtungen und Konfigurationen je Transport.

Welche Routing-Aufgaben Connic übernimmt

Ohne Verbindungsebene verantwortet die Anwendung die Endpunkte und Consumer, die Arbeit annehmen, sowie die Callback-Worker, die Ergebnisse zurückgeben. Sie speichert außerdem die Zugangsdaten der Zielsysteme, validiert Nutzdaten, verfolgt Wiederholungsversuche und protokolliert die Zustellung. In Connic übernimmt die Verbindung im jeweiligen Environment diese Aufgaben. Der Agent bleibt YAML, Python und Git; der Verbindungsablauf steuert, wie externe Systeme ihn erreichen und wohin sein Output geht.

Private Infrastruktur benötigt keinen öffentlichen eingehenden Port. Bridge läuft im privaten Netzwerk und baut einen ausschließlich ausgehenden Tunnel auf, den unterstützte Verbindungen für bidirektionalen Traffic nutzen können. Zugriff auf private Systeme mit Connic Bridge.

Verbinde Agenten und Zielsysteme mit Connic

Verwaltete Verbindungen verknüpfen Auslöser und Ergebniszustellung. Zugangsdaten, Nutzdatenprüfung und Zustellung sind integriert.

Agenten kostenlos routen

Häufig gestellte Fragen

KI-Agenten-Routing ist die Integrationsebene, die ein externes Event an einen Agenten weiterleitet und das Ergebnis an das System sendet, das es benötigt. Es legt fest, wie Eingaben übertragen werden, welche Agenten das Ereignis erhalten, ob der Aufrufer wartet und wie die fertige Ausgabe ausgeliefert wird.

Ein Webhook oder Inbound-MCP-Aufruf gibt für jeden erstellten Run eine ID zurück. Anschließend kann eine separate Outbound-Verbindung das fertige Ergebnis an einen Webhook, ein Kafka-Topic, eine SQS-Queue, einen E-Mail-Empfänger oder einen Telegram-Chat ausliefern. In Connic kann eine ausgehende Verknüpfung im Automatic-Modus jeden abgeschlossenen Run oder nur Runs aus ausgewählten Input-Verbindungen senden.

Eine Sync-Verbindung eignet sich, wenn der Aufrufer Anfrage oder Sitzung offen halten kann und das Ergebnis sofort benötigt. Für längere Arbeit, Ereignispipelines oder Systeme, die später einen Callback oder eine Nachricht erwarten, eignet sich eine Kombination aus Inbound- und Outbound-Verbindung. Connic dokumentiert für Sync-Routen ein Standardzeitlimit von fünf Minuten.

Unsere Plattform unterstützt die Outbound-Modi Automatic, Agent-Tool und Middleware. Automatic sendet nach Abschluss der Runs, die den konfigurierten Bedingungen entsprechen. Bei Agent-Tool entscheidet das LLM, ob und wann es die Verbindung aufruft. Mit Middleware kann Python-Code die Verbindung aufrufen, während die Aktion für das KI-Modell nicht verfügbar ist.

Nein. Ziel, Zugangsdaten, Formatierung und Wiederholungslogik bleiben auf dem Server. Das KI-Modell übergibt nur die von der Verbindung definierten Nutzdatenfelder. Middleware übergibt einen konfigurierten Aktionsnamen, die Nutzdaten und optional einen Idempotenzschlüssel. Connic validiert die Nutzdaten, bevor es die Zustellung in die Queue stellt.

Mehr aus dem Blog

Produkt im Fokus

Von Staging zum Produktivbetrieb: So isolieren Connic Environments KI-Agenten

Connic Environments ordnen Git-Branches isolierten Deployments mit eigenen Secrets, Verbindungen, Budgets und Run History zu. So können verschiedene Agenten und Codeversionen unabhängig voneinander bereitgestellt werden.

6. August 20268 Min. Lesezeit
Produkt im Fokus

LLM-Kontextkomprimierung für lang laufende KI-Agenten

Connic komprimiert ältere Gesprächsverläufe und übergroße Tool-Ergebnisse. Danach wiederholt die Runtime den KI-Modell-Aufruf, damit lange Agentensitzungen das Kontextlimit nicht überschreiten.

20. Juli 20268 Min. Lesezeit
Produkt im Fokus

Connic Tests: Regressionen vor dem Produktivbetrieb erkennen

Ein YAML-basiertes Testframework für KI-Agenten mit schwankenden Ergebnissen: wiederholte Testläufe, flexible Assertions, Mocks und multimodale Fixtures. Fehlgeschlagene Tests blockieren standardmäßig das Deployment.

6. Mai 20268 Min. Lesezeit
Produkt im Fokus

Human-in-the-Loop-KI-Agenten: Approvals im Produktivbetrieb

So pausiert ein KI-Agent vor Erstattungen, Löschvorgängen oder externen Aufrufen, leitet die Entscheidung an einen Menschen weiter und setzt den Run mit vollständigem Audit Trail automatisch fort.

5. April 202610 Min. Lesezeit
Produkt im Fokus

A/B-Tests für KI-Agenten: Prompts sicher verbessern

Ob ein geänderter Prompt wirklich besser ist, zeigt ein kontrolliertes Experiment mit echtem Traffic.

27. März 20269 Min. Lesezeit
Produkt im Fokus

KI-Agenten absichern: Checkliste für den Produktivbetrieb

KI-Agenten ohne Sicherheitskonzept zu veröffentlichen ist riskant. Eine praktische Checkliste zu Prompt Injection, PII-Verarbeitung, Output-Validierung und Guardrails vor dem Go-live.

21. März 202612 Min. Lesezeit
Produkt im Fokus

Guardrails für KI-Agenten: Sicherheit in Echtzeit

Connic Guardrails prüfen Ein- und Ausgaben von Agenten in Echtzeit, blockieren Prompt Injection, maskieren PII und setzen Themenbeschränkungen durch.

3. März 20269 Min. Lesezeit
Produkt im Fokus

Observability für Agenten: Kosten, Tokens und Runs erfassen

Eigene Dashboards machen LLM-Kosten pro KI-Modell und Fehler sichtbar, bevor Nutzer die Folgen bemerken.

23. Januar 20268 Min. Lesezeit
Produkt im Fokus

Composer SDK: Bessere Werkzeuge für die Agentenentwicklung

Das Composer SDK automatisiert Projektgerüst und Validierung und unterstützt Cloud-gestützte Hot-Reload-Entwicklung sowie Deployments per CLI.

27. Dezember 20255 Min. Lesezeit