Seminar CrafterCMS – MCP, Spring AI und agentische Anwendungen

Dieses praxisorientierte Seminar verbindet fachliche Einordnung, nachvollziehbare Konfigurationsschritte und kontrollierte Übungen an einer durchgängigen CrafterCMS-Laborumgebung. Eine sichere und beobachtbare agentische Anwendung wird mit begrenzten Werkzeugen, kontrolliertem Kontext und menschlichen Freigabepunkten entwickelt.

Inhaltsverzeichnis

1. Zielsetzung
2. 1. Referenzarchitektur und Governance
3. 2. Spring AI und Modellabstraktion
4. 3. MCP-Server: Tools, Ressourcen und Prompts
5. 4. MCP-Client und Orchestrierung
6. 5. RAG, Suche und Kontextsteuerung
7. 6. Sicherheit und menschliche Freigabe
8. 7. Evaluation, Observability und Betrieb
9. Praxisprojekt und Qualitätssicherung
10. Zielgruppe und Voraussetzungen
11. Didaktik und Arbeitsweise

Zielsetzung

Eine sichere und beobachtbare agentische Anwendung wird mit begrenzten Werkzeugen, kontrolliertem Kontext und menschlichen Freigabepunkten entwickelt. Die einzelnen Arbeitsschritte werden jeweils mit einem definierten Ausgangszustand, einem erwarteten Prüfergebnis und einer dokumentierten Korrekturmöglichkeit durchgeführt.

Seminarinhalte

1. Referenzarchitektur und Governance

Agent, Modell, Kontext, Tools, Datenquellen und menschliche Verantwortung werden mit klaren Vertrauensgrenzen geplant. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Anwendungsfall in Wahrnehmung, Entscheidung, Aktion und Freigabe zerlegen. Prüfpunkt: Agentischer Umfang ist begrenzt.
2. Schritt 2: Datenquellen und Werkzeuge nach Sensitivität und Schreibwirkung klassifizieren. Prüfpunkt: Risiken sind pro Zugriff sichtbar.
3. Schritt 3: Autonome und freigabepflichtige Schritte festlegen. Prüfpunkt: Menschliche Kontrolle ist verbindlich.
4. Schritt 4: Abbruch-, Zeit- und Kostenlimits definieren. Prüfpunkt: Endlosschleifen und unkontrollierte Nutzung sind begrenzt.
5. Schritt 5: Audit- und Verantwortungsmodell dokumentieren. Prüfpunkt: Jede Aktion bleibt zurechenbar.

2. Spring AI und Modellabstraktion

Modellzugriff, Prompts, strukturierte Ausgaben und Konfiguration werden unabhängig vom konkreten Anbieter umgesetzt. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Modellclient und umgebungsspezifische Konfiguration einrichten. Prüfpunkt: Anwendung kann kontrolliert auf ein Modell zugreifen.
2. Schritt 2: System-, Rollen- und Aufgabenprompts modular strukturieren. Prüfpunkt: Anweisungen sind wartbar und testbar.
3. Schritt 3: Strukturierte Ausgabe mit Schema und Validierung erzwingen. Prüfpunkt: Ergebnis kann maschinell weiterverarbeitet werden.
4. Schritt 4: Timeout, Rate Limit und ungültige Ausgabe behandeln. Prüfpunkt: Fehler führen zu definiertem Fallback.
5. Schritt 5: Modellwechsel mit derselben Testsuite prüfen. Prüfpunkt: Abstraktion funktioniert praktisch.

3. MCP-Server: Tools, Ressourcen und Prompts

CrafterCMS-Funktionen werden als eng begrenzte, beschreibbare und autorisierbare MCP-Bausteine angeboten. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Ein lesendes Tool mit eindeutigem Eingabeschema definieren. Prüfpunkt: Tool kann nur den vorgesehenen Inhalt abrufen.
2. Schritt 2: Eine Ressource für freigegebenen Kontext bereitstellen. Prüfpunkt: Kontext ist adressierbar und versionierbar.
3. Schritt 3: Wiederverwendbaren Prompt für eine Fachaufgabe registrieren. Prüfpunkt: Aufgabenmuster ist standardisiert.
4. Schritt 4: Authentifizierung und Berechtigungsprüfung pro Tool integrieren. Prüfpunkt: Aufruf folgt der Identität des Nutzers.
5. Schritt 5: Fehler- und Größenlimits testen. Prüfpunkt: Server bleibt unter ungültigen Anfragen stabil.

4. MCP-Client und Orchestrierung

Ein Client entdeckt Werkzeuge, wählt sie kontrolliert aus und führt mehrstufige Abläufe nachvollziehbar aus. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: MCP-Verbindung und Servermetadaten validieren. Prüfpunkt: Nur erwartete Server werden verwendet.
2. Schritt 2: Werkzeugauswahl auf eine Allowlist begrenzen. Prüfpunkt: Modell kann keine unbekannten Aktionen auslösen.
3. Schritt 3: Mehrstufigen Plan mit Zwischenzuständen implementieren. Prüfpunkt: Ablauf ist prüfbar statt verborgen.
4. Schritt 4: Ergebnisse in den Modellkontext zurückführen. Prüfpunkt: Folgeschritt nutzt verifizierte Daten.
5. Schritt 5: Abbruch bei widersprüchlichen oder unvollständigen Ergebnissen testen. Prüfpunkt: Agent handelt nicht spekulativ weiter.

5. RAG, Suche und Kontextsteuerung

Semantische Suche liefert begrenzten, berechtigten und zitierbaren Kontext für Antworten und Aktionen. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Dokumente segmentieren und mit Metadaten anreichern. Prüfpunkt: Retrieval kann Quelle, Sprache und Berechtigung berücksichtigen.
2. Schritt 2: Vektor- und klassische Suche kombinieren. Prüfpunkt: Treffer sind relevant und fachlich filterbar.
3. Schritt 3: Kontextfenster nach Relevanz, Aktualität und Berechtigung begrenzen. Prüfpunkt: Modell erhält nur notwendige Fragmente.
4. Schritt 4: Antwort gegen die verwendeten Fragmente prüfen. Prüfpunkt: Nicht belegte Aussagen werden markiert oder verworfen.
5. Schritt 5: Veralteten oder gesperrten Inhalt testen. Prüfpunkt: Unzulässiger Kontext gelangt nicht in die Antwort.

6. Sicherheit und menschliche Freigabe

Tool-Missbrauch, Prompt-Injection und unbeabsichtigte Schreibaktionen werden durch mehrere Kontrollschichten begrenzt. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Eingaben und abgerufene Inhalte als potenziell manipuliert behandeln. Prüfpunkt: Instruktionen aus Content überschreiben keine Systemregeln.
2. Schritt 2: Schreibende Aktionen mit Vorschau und expliziter Freigabe versehen. Prüfpunkt: Keine Änderung erfolgt still.
3. Schritt 3: Scopes, Rollen und Fachgrenzen an jedem Werkzeug prüfen. Prüfpunkt: Autorisierung ist dezentral abgesichert.
4. Schritt 4: Secrets und Tokens kurzlebig und serverseitig verwenden. Prüfpunkt: Zugangsdaten sind nicht im Modellkontext.
5. Schritt 5: Angriffsszenarien und Umgehungsversuche testen. Prüfpunkt: Schutzmaßnahmen sind praktisch verifiziert.

7. Evaluation, Observability und Betrieb

Qualität, Sicherheit, Kosten und Laufzeit werden messbar gemacht und in einen kontrollierten Releaseprozess überführt. Zu jedem Arbeitsschritt wird geprüft, ob Konfiguration, Inhalt und Betriebszustand dem erwarteten Ergebnis entsprechen.

Schritt-für-Schritt

1. Schritt 1: Referenzfälle und erwartete Entscheidungen als Evaluation Set definieren. Prüfpunkt: Änderungen können objektiv verglichen werden.
2. Schritt 2: Tool-Aufrufe, Latenz, Tokenverbrauch und Fehler korrelieren. Prüfpunkt: Ein Lauf ist vollständig nachvollziehbar.
3. Schritt 3: Halluzination, Fehltoolwahl und Abbruchrate auswerten. Prüfpunkt: Qualitätsrisiken sind quantifiziert.
4. Schritt 4: Canary-Auslieferung und Feature-Schalter einrichten. Prüfpunkt: Einführung kann schrittweise erfolgen.
5. Schritt 5: Fallback, Abschaltung und Incident-Runbook testen. Prüfpunkt: Betrieb bleibt jederzeit kontrollierbar.

Praxisprojekt und Qualitätssicherung

Ein Assistent recherchiert freigegebene Inhalte, ruft über MCP begrenzte CrafterCMS- und Fachsystemwerkzeuge auf, erzeugt einen strukturierten Entwurf und übergibt ihn vor jeder schreibenden Aktion an eine menschliche Freigabe. Die Übung wird mit einer Abnahmeliste abgeschlossen, die Funktionsprüfung, Fehlerfall, Dokumentation und reproduzierbaren Wiederanlauf umfasst.

Zielgruppe und Voraussetzungen

Zielgruppe: AI Engineering, Backend- und Integrationsentwicklung, Lösungsarchitektur, Plattformentwicklung und technische Produktverantwortung.

Voraussetzungen: Sichere Kenntnisse in Java oder Groovy, REST, JSON, Authentifizierung und grundlegenden AI- beziehungsweise RAG-Konzepten; CrafterCMS-Architekturkenntnisse.

Didaktik und Arbeitsweise

Kurze Fachimpulse wechseln mit Demonstrationen, geführten Konfigurationsschritten, eigenständigen Übungen, negativen Testfällen und strukturierten Auswertungen. Ergebnisse werden in Checklisten, Mappingtabellen, Testfällen oder Runbooks festgehalten, damit die erarbeiteten Verfahren im Projekt- und Betriebsalltag wiederholbar bleiben.