Connic-Dokumentation
Anleitungen und Referenzen zum Entwickeln, Testen, Bereitstellen und Betreiben von KI-Agenten mit dem Composer SDK und der Connic-Plattform.
Auf dieser Seite
Bereit für deinen ersten Agenten?
Erstelle ein Projekt, verbinde dein Repository und folge dem Quickstart im Dashboard.
Mit der aktuellen Aufgabe beginnen
Jeder Einstieg beginnt mit einem funktionierenden Workflow und führt zur passenden Konfigurationsreferenz.
Den ersten Agenten entwickeln
Projekt erstellen, Agenten definieren und bereitstellen, ersten Run auslösen
Agentenverhalten testen
Vor dem Deployment YAML-Tests für Outputs und Tool-Aufrufe schreiben
Deployments durch Tests absichern
Environments Branches zuordnen, Tests ausführen, Versionen aktivieren und Rollbacks durchführen
Agenten im Produktivbetrieb überwachen
Inputs, Outputs, Traces, Logs, Latenz und Nutzung untersuchen
Connic mit KI-Tools verwendenPlugin-, Skill- und MCP-Setup
Das Connic-Plugin ergänzt kompatible Coding-Agenten um den Connic Authoring Skill und eine authentifizierte MCP-Verbindung mit begrenzten Berechtigungen. Damit können Agenten anhand einer Aufgabenbeschreibung mit einem Connic-Projekt arbeiten.
Plugin-Formate und Installationsschritte unterscheiden sich je nach Client. Der Setup-Guide für KI-Agenten enthält geprüfte Plugin-Anleitungen sowie den separaten Skill- und MCP-Weg für andere kompatible Clients.
So funktioniert Connic
Connic ist eine Plattform zum Entwickeln und Bereitstellen von KI-Agenten. Die Übersicht zeigt, wie Code, SDK und Plattform zusammenarbeiten.
Anwendungscode
Agent-Konfiguration und Python Tools
Connic Composer SDK
Validiert Agenten und erstellt Deployment-Bundles
Connic Platform
Übernimmt Deployment, Betrieb und Überwachung der Agenten
Deployments
Automatisierte Builds
Ausführung
Skalierbare Verarbeitung
Observability
Runs und Traces
Verbindungen
Verbindung zwischen Agenten und der Außenwelt
Inbound
Agenten auslösen
Outbound
Ergebnisse zustellen
Synchron
Request und Response
Grundkonzepte
Entwickeln
- Projekte und Environments
- Ein Projekt bündelt Agenten und Plattformeinstellungen. Environments trennen Variablen, Verbindungen, Deployments, Retrieval- und Datenbankdaten sowie den Run-Verlauf für Entwicklung, Staging und Produktivbetrieb.
- Agenten
- Agenten werden in YAML definiert: als LLM-, Sequential- oder deterministische Tool-Agenten. Für mehrstufige Workflows lassen sie sich kombinieren.
- Tools
- Tools erweitern Agenten um integrierte Funktionen, typisierte Python-Funktionen, MCP Server oder OpenAPI-Spezifikationen.
Ausliefern
- Tests und Deployments
- Wiederholbare YAML-Tests prüfen das Verhalten bereitgestellter Agenten und können als Deployment Gate dienen. Deployments erfolgen über einen zugeordneten Git Branch oder die CLI; erfolgreiche Versionen bleiben für Rollbacks verfügbar.
- Verbindungen
- Inbound-Verbindungen lösen Agenten aus; Outbound-Verbindungen liefern Ergebnisse aus und synchrone Verbindungen warten auf eine Antwort. Die Verbindungskonfiguration bleibt je Environment isoliert.
- REST API
- Projektspezifische API-Schlüssel ermöglichen die Verwaltung und Überwachung von Plattformressourcen. Externe Systeme starten Agenten über Verbindungen.
Betreiben
- Runs und Traces
- Jede Ausführung wird zu einem Run. Input, Output, Context, Logs und Trace sind ebenso einsehbar wie die Nutzung nach Agenten und KI-Modell.
- Retrieval und Datenbank
- Retrieval durchsucht Dokumente, die Datenbank speichert Anwendungsdaten ohne festes Schema. Daten und Suchinhalte sind je Environment getrennt.
# SDK installieren
pip install connic-composer-sdk
# Neues Projekt erstellen
connic init my-agents
cd my-agents
# Zum Deployment in das verbundene Repository pushen
git push origin <branch>