Foundry Agent: Vom Q&A-Endpunkt zum Werkzeug-Agenten

Ausgangslage

Der Assistent dieses Archivs war ein einfacher Q&A-Endpunkt: eine Frage, ein Retrieval-Durchlauf, eine Antwort. Für echte Archiv-Navigation reichte das nicht — Folgefragen verloren den Kontext, und der Assistent konnte nur suchen, nichts tun.

Der Umbau zum Agenten

Der neue Foundry Agent besteht aus drei Schichten:

1. Toolbox — fünf deklarierte Werkzeuge: Grounding-Suche, Kanal-Listing, Eintragsdetails, Archiv-Statistik und Dokument-Export (PDF/DOCX).
2. Agent-Loop — bis zu vier Tool-Runden mit Function Calling gegen das Azure-OpenAI-Deployment. Der Loop sammelt Quellen dedupliziert in einer Registry, sodass Zitate über mehrere Tool-Aufrufe hinweg stabil nummeriert bleiben.
3. Chat-Interface — Mehrrunden-Konversation mit sichtbarer Tool-Aktivität, klickbaren [n]-Quellen und Download-Chips für erzeugte Dokumente.

Entscheidungen und Lehren

Tool-Output ist untrusted. Der Systemprompt behandelt alle Tool-Ausgaben als nicht vertrauenswürdige Daten — dieselbe Regel, die OpenClaw für eingehende DMs verwendet. Anweisungen in Archivinhalten werden dadurch nicht ausgeführt.

Grundierung schlägt Gedächtnis. Der Agent darf Archivfragen nie aus dem Modellwissen beantworten; jede Inhaltsfrage beginnt mit einem Tool-Aufruf. Das gleiche Muster trägt JustitiaAI mit Azure AI Search.

Dokumente als Tool, nicht als Sonderfall. Der PDF/DOCX-Export ist ein normales fünftes Werkzeug. Der Agent sammelt zuerst grundierte Fakten und komponiert dann Titel und Abschnitte selbst — die Datei landet über einen kurzlebigen In-Memory-Store als Download im Chat.

Ergebnis

Im Live-Test rief der Agent selbstständig alle sieben Projekte einzeln ab und erzeugte daraus einen strukturierten PDF-Überblick — neun Tool-Schritte, ohne dass der Ablauf vorgegeben war.