Wir stellen vor: Kasal

Agentische KI-Systeme werden von immer mehr Organisationen eingeführt. Sie steigern die Produktivität und befreien Menschen von repetitiven Tasks. Während diese Systeme weiter reifen und in die Produktion überführt werden, werden Unternehmen einen enormen Nutzen aus ihrer Fähigkeit ziehen, autonom zu agieren und bessere Entscheidungen in unserem Namen zu treffen.

Doch mit der zunehmenden Verbreitung agentischer KI tauchen neue Herausforderungen auf. Einer davon ist der Mangel an qualifizierten Fachkräften. Der Aufbau und die Verwaltung effektiver agentenbasierter Systeme erfordern tiefgreifendes technisches Fachwissen, und die Nachfrage nach erfahrenen KI-Ingenieuren steigt rapide an. Zudem wird es für Experten immer schwieriger, mit der ständigen Weiterentwicklung von Technologien, Frameworks und Tools in diesem Bereich Schritt zu halten.

Kasal wurde entwickelt, um diesen Herausforderungen zu begegnen. Es ist eine agentengestützte Plattform, die es Benutzern mit unterschiedlichem Kenntnisstand ermöglicht, effektive agentische KI-Systeme über eine intuitive visuelle Benutzeroberfläche zu entwerfen, zu entwickeln und anzuwenden. Nicht-Experten können die intuitive Benutzeroberfläche von Kasal nutzen, um hochentwickelte agentische KI-Systeme zu erstellen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind. Experten können Kasal für einen schnellen Einstieg nutzen und ihre Agenten später für eine tiefergehende Anpassung und Entwicklung in Code exportieren.

Das Ziel von Kasal ist es, agentenbasierte KI sowohl für Experten als auch für Laien in Unternehmensumgebungen zu demokratisieren.

Was ist Kasal

Kasal ist ein UI-First-Framework für das Entwerfen, Ausführen und Beobachten von Einzel- und Multi-Agenten-Workflows. Anstatt komplexen Orchestrierungscode manuell zu schreiben, können Sie Agenten per Drag-and-drop auf eine visuelle Leinwand ziehen oder einfach über einen Konversationsassistenten beschreiben, was Sie möchten. Kasal erstellt den Workflow dann automatisch für Sie. Sie können dann Tools verbinden, Agents ausführen und ihr Verhalten in Echtzeit beobachten. Im Hintergrund verwendet Kasal CrewAI, ein Open-Source-Python-Framework zum Erstellen und Orchestrieren von KI-Agenten, verpackt es aber in einer Databricks-freundlichen Anwendungsschicht, die Authentifizierung, Bereitstellung und Monitoring verwaltet. Das bedeutet, dass derselbe Flow, den Sie visuell entwerfen, mit minimalem Aufwand in die Produktion überführt werden kann. Der generierte Flow kann auch als Code exportiert werden, sodass KI-Ingenieure ihn bei Bedarf weiter verfeinern oder erweitern können.

Warum Kasal wichtig ist

Kasal bietet drei Kernfunktionen: einen visuellen, agentengestützten Workflow-Designer, eine tiefe Integration mit Databricks und ein erweiterbares Toolkit, das MCP-Server, Genie, benutzerdefinierte APIs und Datenkonnektoren umfasst.

• Visuelle Orchestrierung macht Agenten, Übergaben und Verzweigungslogik klar und greifbar, was die Überprüfung mit Nicht-Entwicklern und spätere Audits erleichtert. Darüber hinaus verstehen die in Kasal eingebetteten Agenten die Absicht des Benutzers bei der Definition der Art des zu erstellenden Agenten und schlagen ein optimiertes Design vor, das den Best Practices der Branche entspricht.
• Databricks-nativ: Kasal kann als Databricks-App installiert oder über den Marketplace aufgerufen werden, wodurch Benutzer die Authentifizierung und Governance des workspace übernehmen können, anstatt ihre eigene zu verwalten. Darüber hinaus nutzen die von Kasal generierten Flows nativ Databricks-Features, wodurch sie von Anfang an unternehmenstauglich und produktionsreif sind. Dazu gehören MLflow für Tracing und Tracking, Vector Search für den Speicher, Databricks Apps für das Serving, Lakebase für die Transaktionsprotokollierung, On-Behalf-Of-User-Authentifizierung und mehr.
• Erweiterbarkeit: Kasal bietet erstklassige Unterstützung für MCP-Server, Genie spaces, Agent Bricks sowie für benutzerdefinierte APIs und Datenkonnektoren. Der Flow kann auch als Notebook exportiert werden, was volle Transparenz über die interne Logik bietet und es KI-Ingenieuren ermöglicht, die Lösung mit voller Flexibilität über die ursprüngliche Version hinaus zu erweitern und zu verfeinern.

Kasals Live-Observability bietet zweischichtiges Monitoring für KI-Workflows mit mehreren Agenten. Über das Kasal-Frontend können Geschäftsanwender Ausführungszeitachsen einsehen, die den Workflow-Status, die Interaktionen von Agenten und den Tasksfortschritt verfolgen. Gleichzeitig ermöglicht die MLflow-Tracing-Integration KI-Ingenieuren, die Modell-Performance, LLM-Aufrufe und das Verhalten von Agenten zu debuggen. Bei der Bereitstellung in Databricks Apps verwendet Kasal die Databricks OBO-Authentifizierung zur Benutzerisolierung und eine produktionsreife SQLite- oder Lakebase-Persistenz für transparente Agenten-Betrieb.

Erste Schritte mit Kasal

Eine typische User Journey beginnt, indem Sie Kasal per Prompt die Spezifikation des Agenten mitteilen, den Sie erstellen möchten. Sie könnten zum Beispiel fragen: „Erstelle einen Plan, der ein Pitch Deck für unsere Vertriebsmitarbeiter generiert, um unsere verschiedenen, auf Kunden zugeschnittenen Produkte zu verkaufen.“ Kasal generiert dann mithilfe seiner Prompts und großen Sprachmodelle einen strukturierten, oft hierarchischen Plan.

Wenn sich der Plan in diesem Beispiel im sequenziellen Modus befindet, erfolgt die Ausführung der Agenten nacheinander in einer festgelegten Reihenfolge. Wenn sich der Plan jedoch in einem hierarchischen Modus befindet, umfasst er einen Manager-Agenten und mehrere Sub-Agenten, die jeweils für bestimmte Tasks verantwortlich sind: zum Beispiel einen, der Kundendaten abruft und analysiert, einen anderen, der Produktdaten abruft, einen, der beides kombiniert, um eine Storyline für den Pitch zu erstellen, und einen weiteren, der eine Präsentation generiert, die die detaillierten Informationen und die Storyline widerspiegelt.

Sie können den Plan dann ausführen, um eine Produktpräsentation für einen bestimmten Kunden zu generieren. Wenn Sie den Workflow ändern möchten, z. B. um mit verschiedenen Modellen oder Tools zu experimentieren, können Sie dies einfach über die Benutzeroberfläche von Kasal tun.

Wenn Sie der Meinung sind, dass der von Ihnen in Kasal erstellte Plan für andere nützlich sein könnte, können Sie ihn im Kasal-Katalog registrieren. Dadurch wird er zur Wiederverwendung und für das Prompting in zukünftigen Sitzungen verfügbar gemacht. Wenn Sie den Plan außerhalb von Kasal industrialisieren möchten, können Sie den zugehörigen Code exportieren und eine Produktionspipeline darauf aufbauen. Sie haben die volle Flexibilität, den Plan zu erweitern und in Ihre umfassendere Lösungsarchitektur zu integrieren.

Was Sie mit Kasal erstellen können

Wir sehen bereits, wie Benutzer mit Kasal eine breite Palette von Agenten und Multi-Agenten-KI-Systemen erstellen. Nachfolgend einige Beispiele:

• Datenanalyse-Pipelines: Agenten, die Daten abfragen, analysieren und visualisieren
• Systeme zur Inhaltsgenerierung: kollaborative Agenten für Recherche, Verfassen und Erstellung von Inhalten
• Geschäftsprozessautomatisierung: intelligente Workflows, die sich anpassen und Entscheidungen treffen
• Forschung und Entwicklung: Agenten, die Erkenntnisse sammeln, zusammenfassen und präsentieren.

Derzeit gibt es zwei einfache Wege, um mit Kasal zu starten:

• Installieren Sie direkt aus dem Marketplace in Ihren Databricks-Workspace (empfohlen): eine Ein-Klick-Einrichtung, die Kasal als Databricks App hinzufügt. Mit diesem Ansatz profitieren Sie von der verwalteten Oberfläche, integrierter Governance und automatischen Updates. Weitere Details finden Sie hier.
• Aus dem Quellcode bereitstellen: Klonen Sie das GitHub- Repository von Databricks Labs und führen Sie das bereitgestellte Bereitstellungs- Skript aus. Diese Option ist ideal, wenn Sie Kasal an Ihre spezifischen Bedürfnisse anpassen oder erweitern möchten.
• Sehen Sie sich die Kasal-Serie an, um über neue Features und Ankündigungen informiert zu werden.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag