KI-Agent-Pipelines: agent-pool auf Google AI

KI-Agenten-Automatisierung: Pipelines, Signale und Scheduler im agent-pool

Der agent-pool MCP-Server vereinfacht die Verwaltung von fraktalen Agententeams direkt in Ihrer IDE und über die Gemini CLI. Worker delegieren Aufgaben und bilden Untergruppen. Früher erforderte die Orchestrierung manuelle Koordination – heute sind Pipelines, Rücklauflogik, Cron-Scheduler und SSH-Runner alle unter einem einzigen Google AI-Abonnement verfügbar.

Die zentrale Herausforderung? Orchestrierungstools verschwenden Ressourcen, während sie auf abhängige Schritte warten (Analyse → Refactoring → Tests). Stattdessen führt der Pipeline-Daemon Worker im Hintergrund aus und propagiert Abhängigkeiten automatisch.

Pipelines für Aufgabenketten

Das Tool create_pipeline definiert Schritte im Voraus. Der detachierte Daemon startet Worker bei Auslösern:

• on_complete — läuft nach einem bestimmten Schritt.
• on_complete_all — wartet auf eine Gruppe von Workern (Fan-in).
• on_file — reagiert auf Dateierstellung.

Beispielworkflow:

          ┌─ frontend ─┐
research ─┤            ├── deploy
          └─ backend  ─┘

Der Daemon überlebt IDE-Neustarts und gewährleistet so Kontinuität.

Signale und Rücklauf für Kommunikation

Agenten melden Abschluss mit signal_step_complete. Falls die Daten unvollständig sind, ruft bounce_back die Aufgabe zur Überarbeitung zurück mit einer Fehlerursache – ähnlich wie GitHub’s "Änderungen anfordern".

Die Begrenzung maxBounces verhindert Endlosschleifen. Worker erhalten Feedback (z. B. "fehlende Logs"), beheben Probleme und signalisieren erneut.

Cron-Aufgaben-Scheduler

schedule_task bindet einen Agenten an einen Cron-Ausdruck, etwa 0 9 *. Der Scheduler nutzt atomare Dateilocks, um eindeutige Ausführung sicherzustellen – selbst bei mehreren IDE-Sitzungen.

Ergebnisse werden in .agents/scheduled-results/ gespeichert. Ideal für Serverüberwachung oder automatisierte Berichterstattung.

Remote-SSH-Runner

Konfigurieren Sie SSH in agent-pool.config.json:

{
  "runners": {
    "remote": {
      "type": "ssh",
      "host": "dev-server.company.com",
      "user": "agent",
      "geminiPath": "/home/agent/.nvm/versions/node/v22.0.0/bin/gemini"
    }
  }
}

Aufgaben delegieren:

delegate_task(
  prompt: "Teste in isolierter Umgebung",
  runner: "remote"
)

Aufgaben laufen weiter, auch nach Beendigung der lokalen Sitzung. Agenten arbeiten in Branches, committen Änderungen und pushen Pull Requests.

Sitzungen für Kontextübertragung

Die Gemini CLI speichert Historie in Sitzungen. Mit session_id kann die Arbeit fortgesetzt werden:

# Analyse
delegate_task(prompt: "Analysiere src/auth/") -> task_1

# Ergebnis
get_task_result(task_1) -> { session_id: "abc-123" }

# Fortsetzen
delegate_task(
  prompt: "Schreibe Tests basierend auf Analyseergebnissen",
  session_id: "abc-123"
)

list_sessions zeigt aktive Sitzungen.

Zugriffsrichtlinien und Verzeichnisse

policy begrenzt den Werkzeugzugriff:

• read-only — nur Lesezugriff auf Dateien.
• safe-edit — Bearbeitung ohne Ausführung von Shell-Befehlen.

Beispiel:

delegate_task_readonly(
  prompt: "Prüfe src/auth/ auf Schwachstellen",
  policy: "read-only"
)

include_dirs erweitert die Sichtbarkeit über das Arbeitsverzeichnis hinaus.

Agentengruppen und Pipeline-Integration

create_group bündelt Konfigurationen:

create_group({
  name: "backend",
  runner: "remote",
  skill: "node-dev",
  policy: "safe-edit",
  max_agents: 3
})

delegate_to_group("backend", "Refaktorisiere Auth-Modul", count: 2)

Gruppen werden in .agents/groups.json gespeichert. In Pipelines:

create_pipeline({
  name: "Build & Test",
  steps: [{
    name: "run_tests",
    group: "backend",
    count: 3,
    prompt: "Führe deinen Test-Suite aus"
  }]
})

Der Daemon startet count Agenten mit AGENT_INDEX, wartet auf alle und bricht schnell ab – wenn einer scheitert, werden die anderen abgebrochen.

Wichtige Erkenntnisse

• Pipelines automatisieren Abhängigkeiten und entlasten den Orchestrator.
• Rücklauf mit Grenzen verhindert Schleifen.
• SSH-Runner und Cron ermöglichen verteilte Ausführung.
• Richtlinien und Gruppen reduzieren Konfigurationsduplikate.
• Sitzungen bewahren den vollen Kontext zwischen Agenten.

— Editorial Team