Vom Browser zum Prompt: Aufbau von Infrastruktur für das agentische Internet

KI-Agenten verändern die Art und Weise, wie Menschen mit dem Web interagieren. Vor zwei Jahren bedeutete Online-Arbeit noch: Browser öffnen, zu Websites navigieren und Aufgaben manuell erledigen. Heute erledigen KI-Agenten dies autonom auf der Grundlage von Anweisungen in natürlicher Sprache.

Anstatt Chrome zu öffnen, um einen Flug zu buchen, sagen Sie einem Agenten: „Finde für mich den günstigsten Flug nach Tokio für nächsten Freitag“, und er kümmert sich um alles. Wir nennen diesen Wandel vom human-driven Browsing zur prompt-gesteuerten Ausführung das agentische Internet.

Die meisten Unternehmen sind darauf noch nicht vorbereitet. Die Studie von Deloitte aus dem Jahr 2025 ergab, dass nur 14 % über produktionsreife agentische KI-Lösungen verfügen. Die Lücke ist kein Problem der Modellfähigkeiten, sondern ein Infrastrukturproblem.

Was bedeutet „Vom Browser zum Prompt“?

Die traditionelle Web-Interaktion folgt einem vorhersehbaren Muster. Ein Mensch öffnet einen Browser, navigiert zu einer URL, interpretiert die Seite visuell und führt Aktionen aus.

Betrachten Sie einen typischen Enterprise-Workflow. Sie öffnen Salesforce und suchen nach einem Kundendatensatz. Sie überprüfen die Bestellhistorie und öffnen dann Zendesk in einem anderen Tab, um ein Support-Ticket zu erstellen. Sie kopieren Informationen manuell zwischen den Systemen und öffnen Slack, um einen Kollegen zu benachrichtigen. Zehn Minuten vergehen. Fünfzehn Klicks erfolgen. Drei Browser-Tabs bleiben geöffnet.

Prompt-gesteuerte Ausführung

Bei der prompt-gesteuerten Ausführung tippen Sie einfach: „Erstelle ein Support-Ticket für Acme Corp bezüglich ihrer verzögerten Lieferung und füge ihre letzten drei Bestellungen bei.“

Der Agent verbindet sich über MCP mit Salesforce, ruft Kundendaten ab, öffnet Zendesk über einen anderen MCP-Server, erstellt das Ticket und füllt alle Felder automatisch aus. Ein einziger Prompt ersetzt Dutzende von Klicks. Damit dies jedoch in der Produktion funktioniert, ist eine Infrastruktur erforderlich, die herkömmliche Systeme nicht bieten.

Warum herkömmliche Infrastruktur an ihre Grenzen stößt

Der Betrieb von KI-Agenten in großem Maßstab bringt Anforderungen mit sich, für die bestehende Systeme nie konzipiert wurden.

Sitzungs- und Zustandsverwaltung

Die traditionelle Browser-Automatisierung arbeitet zustandslos: Jede Skriptausführung startet von neuem. Agenten benötigen das Gegenteil. Ein KI-Agent, der einen mehrstufigen Workflow ausführt, muss den Kontext über mehrere Systeminteraktionen hinweg aufrechterhalten, sich einmal authentifizieren und diese Sitzung über Dutzende von Tool-Aufrufen hinweg beibehalten.

Anti-Bot-Erkennung

Jede größere Website setzt Maßnahmen zur Blockierung des automatisierten Zugriffs ein, darunter CAPTCHA-Herausforderungen, Browser-Fingerprinting und Verhaltensanalysen. Standard-Automatisierungstools wie Puppeteer und Playwright werden sofort erkannt, da sie eindeutige Automatisierungssignaturen hinterlassen.

Komplexität der Tool-Orchestrierung

Ein KI-Agent ruft APIs auf, fragt Datenbanken ab, sendet Slack-Nachrichten, erstellt Jira-Tickets und aktualisiert CRM-Datensätze. Jede Integration erfordert gewöhnlich individuelle Authentifizierungsabläufe, Anfrage-/Antwort-Formatierungen, Fehlerbehandlung und Retry-Logik. Ohne Standardisierung verbringen Teams 80 % ihrer Zeit mit der Integrationsarbeit.

Herausforderungen bei der Observability

Wenn ein KI-Agent fehlschlägt, kann die Ursache überall liegen. Das Modell hat die Aufgabe möglicherweise falsch interpretiert. Das Website-Layout hat sich eventuell geändert. Eine API hat möglicherweise eine unerwartete Antwort zurückgegeben. Ein Authentifizierungs-Token könnte abgelaufen sein. Ohne Ende-zu-Ende-Tracing wird das Debugging nahezu unmöglich.

MCP: Das Standardprotokoll für die Kommunikation zwischen Agenten und Tools

Anthropic hat das Model Context Protocol (MCP) eingeführt, um das Problem der Tool-Integration zu lösen. Anstatt für jedes System individuellen Code zu schreiben, verpacken Entwickler Tools in MCP-Servern, die Funktionen über eine standardisierte JSON-RPC-Schnittstelle bereitstellen.

Wie MCP funktioniert

Wenn sich ein Agent mit einem MCP-Server verbindet, führt er einen Discovery-Handshake durch. Der Agent sendet eine `initialize`-Anfrage, und der Server antwortet mit den Funktionen und der Protokollversion. Der Agent ruft dann `tools/list` auf, um verfügbare Tools zu ermitteln, und der Server gibt Tool-Schemas mit Parametern und Beschreibungen zurück.

Der Agent erfährt erst zur Laufzeit, welche Tools verfügbar sind – kein Hardcoding erforderlich. Führende KI-Anbieter wie Anthropic, OpenAI und Microsoft haben MCP bereits übernommen.

MCP allein deckt jedoch nur die Protokollebene ab. Produktionssysteme benötigen zusätzliche Infrastruktur für Authentifizierung, Zugriffskontrollen, Rate Limiting und Audit-Protokollierung.

Das Gateway-Pattern für produktive agentische KI

Produktions-Deployments erfordern ein Gateway zwischen KI-Agenten und Backend-Tools. Das Gateway bietet eine zentrale Control Plane zur Verwaltung aller Interaktionen zwischen Agenten und Tools.

Kernfunktionen des Gateways

Ein richtig konzipiertes Gateway übernimmt die einheitliche Authentifizierung: Agenten authentifizieren sich einmal, und das Gateway verwaltet alle Backend-Zugangsdaten. Es bietet eine zentrale Richtliniendurchsetzung durch Rate Limits, RBAC und Guardrails. Das Gateway stellt die Zuverlässigkeit durch automatisches Failover, Retries mit exponentiellem Backoff und Load Balancing sicher. Zudem liefert es Observability über vollständige Traces mittels OpenTelemetry sowie Kostenzuordnung nach Teams.

Wie TrueFoundry prompt-gesteuerte Ausführung ermöglicht

Das AI Gateway von TrueFoundry bietet die Infrastrukturschicht für produktive agentische KI. Es kombiniert LLM-Routing, MCP-Server-Management und Agenten-Governance in einer einheitlichen Control Plane.

Zentrales MCP-Registry

Das MCP Gateway bietet ein zentrales Registry für alle MCP-Server: interne Tools, Drittanbieter-Dienste, cloudgehostete oder On-Premise-Anwendungen. Sie können Server in Gruppen wie `dev-mcps`, `staging-mcps` und `prod-mcps` mit separaten RBAC-Regeln für jede Umgebung organisieren. Agenten authentifizieren sich einmal und entdecken automatisch alle verfügbaren Tools. Das Gateway speichert Zugangsdaten in seinem Secret Store und verwaltet Token-Refreshes.

Vorgefertigte Integrationen

TrueFoundry wird mit vorgefertigten MCP-Server-Integrationen für Slack, GitHub, Confluence, Sentry und Datadog ausgeliefert. Zudem können Sie eigene interne APIs innerhalb von Minuten registrieren. Details zur Implementierung finden Sie in der Dokumentation zu MCP-Servern.

AI Gateway Playground

Der AI Gateway Playground ermöglicht es Entwicklern, Workflows vor dem Deployment als Prototyp zu testen. Sie können MCP-Server hinzufügen, spezifische Tools auswählen, Prompts in natürlicher Sprache ausführen und jeden Tool-Aufruf sowie jede Antwort in Echtzeit beobachten. Der Playground generiert außerdem produktionsreife Code-Snippets in NodeJs, cURL und weiteren Formaten.

Enterprise-Observability

TrueFoundry bettet OpenTelemetry-konformes Tracing durchgängig im Gateway ein. Jede Anfrage enthält Details auf Anfrageebene mit Span-Metadaten, schrittweise Ausführungstraces der Agenten, Latenz-Metriken bei P50, P95 und P99 sowie Kostenaufschlüsselungen mit Zuordnung nach Team oder Anwendung. Das Gateway verarbeitet über 350 RPS auf einer einzelnen vCPU mit einer Latenz von unter 3 ms, indem Authentifizierung und Rate Limiting im Arbeitsspeicher verarbeitet werden.

Sicherheit und Compliance

Die Plattform bietet RBAC auf Tool-Ebene über Access-Control-Einstellungen, Input-/Output-Validierungs-Guardrails gegen Prompt Injection, PII und Toxizität sowie OAuth 2.0-Integration mit Okta, Azure AD oder benutzerdefinierten IdPs. TrueFoundry unterstützt Deployments in VPC-, On-Premise-, Air-Gapped- und Multi-Cloud-Umgebungen unter Einhaltung von SOC 2-, HIPAA- und EU AI Act-Compliance.

Die Infrastrukturlücke ist real

Gartner prognostiziert, dass über 40 % der agentischen KI-Projekte bis 2027 eingestellt werden, weil die Infrastruktur nicht bereit ist. IBM berichtet, dass 99 % der Enterprise-Entwickler KI-Agenten evaluieren, aber die meisten weiterhin KI auf Systeme aufpropfen, die nie für die autonome Ausführung konzipiert wurden. Die erfolgreichen Teams betrachten die Infrastruktur als Plattform-Investment und nicht als projektspezifisches Anliegen. Sie bauen zuerst die Control Plane auf und skalieren anschließend.

Fazit

Der Wandel vom Browser zum Prompt verändert grundlegend, wie agentische KI im Unternehmen systemübergreifend Arbeit ausführt. Anstatt sich durch Benutzeroberflächen zu klicken, führen KI-Agenten komplexe Workflows auf der Grundlage von Anweisungen in natürlicher Sprache aus.

Der Aufbau einer Infrastruktur für diesen Übergang erfordert die Lösung von Problemen, für die herkömmliche Systeme nie ausgelegt waren. Sie benötigen Sitzungsverwaltung für zustandsbehaftete Workflows, Tool-Orchestrierung ohne individuellen Code, Observability für nicht-deterministisches Verhalten und Sicherheitskontrollen für autonome Systeme.

Das AI Gateway von TrueFoundry löst diese Herausforderungen durch eine einheitliche Control Plane, die LLM-Routing, MCP-Server-Management und Agenten-Governance kombiniert. Engineering-Teams können von browserbasierten Workflows zu prompt-gesteuerter Automatisierung übergehen, ohne ihren gesamten Infrastruktur-Stack neu aufbauen zu müssen.

FAQs

1. Was ist der Unterschied zwischen Browser-Automatisierung und agentischem Browsing?

Tools wie Puppeteer erfordern explizite Anweisungen für jede einzelne Aktion. Agentisches Browsing nutzt KI, um Ziele in natürlicher Sprache zu interpretieren und Aktionen auf Basis von visuellem Verständnis autonom zu bestimmen.

2. Warum benötigen KI-Agenten ein Gateway?

Direktverbindungen führen zu Wildwuchs bei den Zugangsdaten, doppelter Retry-Logik und fehlender Sichtbarkeit des Agentenverhaltens. Ein Gateway zentralisiert die Authentifizierung, setzt Richtlinien durch und verfolgt jede Interaktion.

3. Was ist MCP?

Das Model Context Protocol definiert, wie KI-Agenten Tools über eine einheitliche JSON-RPC-Schnittstelle entdecken und aufrufen. Agenten lernen verfügbare Tools zur Laufzeit ohne fest codierte Integrationen kennen.

4. Wie unterscheidet sich das MCP Gateway von TrueFoundry von benutzerdefinierten Integrationen?

TrueFoundry bietet vorgefertigte Konnektoren, ein zentrales Registry, zentralisiertes RBAC, OpenTelemetry-Observability und einen interaktiven Playground. Der Aufbau einer vergleichbaren Infrastruktur nimmt Monate in Anspruch.

5. Welche Sicherheitskontrollen sind für produktive agentische KI erforderlich?

Produktions-Deployments erfordern RBAC auf Tool-Ebene, Input-Guardrails gegen Prompt Injection und PII, Output-Validierung, Enterprise-IdP-Integration und eine umfassende Audit-Protokollierung.