Kollaborative Web-Aktionen: Entwicklung eines intelligenten Kino-Co-Piloten mit TrueFoundry und Google ADK

Denken Sie an die mentale Akrobatik, die mit einer einfachen Kinoticket-Buchung verbunden ist. Das Wechseln zwischen dem Gruppenchat mit Freunden, Kinoübersichten, Bewertungen und dynamischen Sitzplänen. Das Abwägen von Standort gegen Vorstellungszeiten, das Jonglieren mit den sich ständig ändernden Ticketpreisen. Es ist nicht nur eine Aufgabe; es ist eine fragmentierte, mehrstufige mentale Belastung, die oft zu abgebrochenen Warenkörben oder Kompromisslösungen führt. Am Ende kämpfen wir mit der dynamischen Benutzeroberfläche komplexer Websites, nur um eine einzige, einfache Absicht umzusetzen.

Statt navigieren Sie die komplexe Landschaft dynamischer Websites manuell: Stellen Sie sich vor, Sie öffnen ein einziges, fokussiertes Chat-Fenster und äußern diese Absicht genau einmal. „Lass uns zwei Tickets für den neuen Dune-Film im nächstgelegenen IMAX-Kino für morgen Abend buchen.“ Diese einfache Aussage löst eine komplexe und fein orchestrierte Kette von Ereignissen aus. Ein digitaler Begleiter startet sofort eine resilienten Dialog, interpretiert Ihre Rahmenbedingungen, ruft dynamisch Echtzeit-Optionen von einer Live-Website ab und führt Sie mühelos zu einer gezielten Aktion.

Das ist das Versprechen echter, aktionsorientierter KI. Es ist kein statischer Chatbot; es ist eine dynamische Orchestrierung von Intelligenz und Aktion. Es geht darum, eine nahtlose Übergabe zwischen einem digitalen Begleiter und Ihrer menschlichen Entscheidung zu schaffen. Um Ihnen beim Aufbau eines solchen ausgereiften Co-Piloten-Erlebnisses zu helfen, freuen wir uns, unseren neuesten und fortschrittlichsten TrueFoundry Accelerator zu veröffentlichen: Den Browser-Automatisierungs-Agenten für Kinobuchungen.

Dieser Accelerator bietet eine vollständige, produktionsreife Blaupause für einen KI-Agenten, der im Auftrag eines Benutzers durch die Fandango-Website navigiert. Aufgebaut auf einer modularen, resilienten Architektur verbindet er das Google Agent Development Kit (ADK), ein robustes serverseitiges Headless-Browser-Setup (agent-browser CLI) und das TrueFoundry LLM Gateway – und setzt dabei ein einzigartiges Sicherheitsmuster für die sensibelsten Aufgaben um.

Das kollaborative Zusammenspiel verstehen: Vom Chat zur Live-Website

Der bei weitem anspruchsvollste Teil der KI-Browser-Automatisierung ist die Verwaltung komplexer Zustände und die Handhabung sensibler Interaktionen wie der Zahlungsabwicklung. Die dynamische Natur moderner Web-UIs – wo sich Elemente verschieben, asynchron laden und je nach Benutzer variieren – bringt herkömmliche Automatisierungsskripte zum Scheitern. Um einen resilienten Agenten zu bauen, benötigen Sie eine Architektur, die von Grund auf darauf ausgelegt ist, sich selbst zu korrigieren und intelligent mit dem Benutzer zu kollaborieren.

Unser Accelerator ist einzigartig, weil er ein robustes, sicherheitsorientiertes kollaboratives Übergabemodell nutzt. In diesem Modell übernimmt die KI alle mühsamen, regelbasierten Schritte bei der Filmssuche, stoppt jedoch kurz vor der Verarbeitung tatsächlicher Zahlungsinformationen. Die Kontrolle wird im kritischsten Schritt nahtlos an den Browser des Benutzers zurückgegeben. Das sorgt für Benutzervertrauen und reduziert die PCI-Compliance-Komplexität für Ihre Anwendung erheblich.

Dieses gesamte Ökosystem ist in einem Standard-FastAPI-Server und einer API-Schicht gekapselt, was die Bereitstellung, Absicherung und Überwachung vereinfacht. Das Diagramm, das Sie hier sehen, ist diese Orchestrierungsblaupause, die genau detailliert, wie sich der Kontext von der Benutzerabsicht zur Browser-Aktion bewegt.

Deep Dive in die Architektur: Resilientes Zustandsmanagement und kollaborative Aktionen

Lassen Sie uns die technischen Komponenten und die vier Hauptschleifen dieses zustandsorchestrierten Ablaufs direkt anhand unserer technischen Blaupause aufschlüsseln.

Der Orchestrator: BookingAgent (State Orchestrator)

Diese Komponente ist das Herzstück des Systems. Als „State Orchestrator“ gekennzeichnet, reicht der BookingAgent nicht einfach nur Text weiter; er verwandelt hochgradige Absichten in einen strukturierten, zuverlässigen und konversationellen Workflow. Er nutzt eine Reihe miteinander verbundener Schleifen, um den genauen Zustand beizubehalten.

1. Initiale geführte Auswahl: Der Agent (gestützt auf die ADK Agent-Logik) ist darauf ausgelegt, dem Benutzer von Anfang an strukturierte Optionen zu präsentieren. Anstatt ein unbestimmtes „Welchen Film möchtest du sehen?“ zu fragen, bietet er sofort geführte Optionen wie „[Nach Film suchen] [Nach Genre suchen]“ an. Wenn der Benutzer eine Auswahl trifft, erhält der Agent nicht nur Texteingaben; er setzt den internen Kontext für den Agenten und steuert die gesamte nachfolgende Konversation. Diese initiale Struktur ist entscheidend für die Aufrechterhaltung des Aufgabenfokus.
2. Die Zustandsschleife: Kontext-Injektion und dynamische Listenerstellung: Diese Schleife (gekennzeichnet im zentralen grauen Kasten des Diagramms) macht die Konversation erst dynamisch.
   
   • 1. Kontext-Injektion: Der Session Manager bewahrt den Zustand auf und stellt sicher, dass jeder Schritt der Konversation die vorherigen Rahmenbedingungen kennt. Der BookingAgent injiziert diesen vollständigen Kontext (Postleitzahl des Benutzers, Datum, bevorzugter Film) in seine Prompts.
   • 2. Werkzeugaufruf-Ausführung: Die Intelligenzschicht (angezeigt durch die Kombination aus ADK Agent + LLM Gateway) generiert eine strukturierte JSON-Antwort, die entscheidet, welches Tool aufgerufen werden soll (z. B. Maps, Klick).
   • 3. Dynamische Listenerstellung: Dies ist entscheidend. Wenn der Agent vom Benutzer die Auswahl eines Datums benötigt, fragt er nicht einfach danach. Er nutzt seine Browser-Tools, um den tatsächlichen DOM-Zustand von Fandango abzurufen. Anschließend extrahiert er die gültige Liste der Datumsangaben direkt aus der Seite und generiert klickbare, geführte Optionen im Chat, wodurch der Benutzer stets auf dem richtigen Pfad bleibt und Sackgassen vermieden werden. Dies wird im Diagramm perfekt illustriert: Wenn der Benutzer eine Postleitzahl und ein Datum eingibt, präsentiert der Agent spezifische Optionen wie Vorstellungszeiten um „14:30 Uhr“ und „17:45 Uhr“, die dynamisch aus den Echtzeit-DOM-Snapshot-Ergebnissen von Fandango erstellt werden.
   • 4. Fehlerbehebung: Was passiert, wenn sich die dynamische Website ändert und ein CSS-Selektor fehlschlägt? Dieser Teil der Schleife ist die Resilienz-Engine des Agenten. Anstelle eines harten Abbruchs erfasst das System den Fehler, und der BookingAgent leitet einen Selbstkorrekturschritt ein, indem er dem LLM oft Hinweise darauf gibt, was auf der Seite fehlgeschlagen ist und wie ein erneuter Versuch unternommen werden kann.

Das Gehirn: ADK Agent und das TrueFoundry LLM Gateway

Diese Partnerschaft liefert die Intelligenz des Agenten. Der ADK Agent (Google ADK Runner + InMemorySession) stellt das standardisierte Framework bereit, während das TrueFoundry LLM Gateway Modellflexibilität und leistungsstarke Backend-Funktionen liefert.

• Die Leistungsfähigkeit des Gateways: Das Routing aller Modellaufrufe über das TrueFoundry LLM Gateway (über den ADK Runner) bietet sofortige Observability, Prompt-Caching für höhere Geschwindigkeit und Kostenreduzierung sowie die Möglichkeit, nahtlos zwischen Spitzenmodellen wie GPT-4, Claude oder Gemini zu wechseln. Dies ist entscheidend, um die Leistung für eine bestimmte Aufgabe (wie das DOM-Parsing) zu optimieren und gleichzeitig die Infrastrukturkosten im Griff zu behalten.

Die Aktionskette: Browser Tools, DriverManager und agent-browser CLI

Diese Komponentenkette führt die Befehle aus.

• Abstraktionsschicht: Browser Tools abstrahieren die rohe Interaktion und halten die Orchestrierungslogik sauber und modular.
• Konditionale Skalierung: Das Design des BrowserManagers ist entscheidend. Wie in der Beschriftung hervorgehoben, verwaltet er „BrowserDriver-Instanzen pro Sitzung + Prewarm“, was bedeutet, dass jede Chat-Sitzung über eine eigene isolierte Headless-Browser-Instanz verfügt. Dies verhindert Datenkollisionen zwischen Benutzern und ermöglicht es Ihrer Anwendung, sicher über Tausende von Benutzern hinweg parallel zu skalieren.
• Die Engine: Die agent-browser-CLI (Playwright-gestütztes Headless Chromium) ist die eigentliche Ausführungs-Engine, die die Fandango-Website ansteuert. Sie gibt die allwichtigen DOM-Snapshot- & Interaktionsergebnisse für die dynamische Listenerstellung zurück an die Schleife.

Der Meisterstreich: Das kollaborative Übergabemodell

Dies ist der Höhepunkt des gesamten Architekturdesigns. Wie Sie an der gestrichelten Linie „Handoff Logic (User Context preserved)“ sehen können, stoppt die serverseitige Automatisierung, sobald die mühsamen Datenerfassungsschritte abgeschlossen sind (z. B. nachdem der Benutzer das Kino und die Vorstellungszeit ausgewählt hat).

Sie veranlasst den BookingAgenten, die Kontrolle zu übergeben. Die Live-Fandango-Seite (oder ein separater sicherer Frame) wird direkt im eigenen Browser des Benutzers geladen (der gelbe Kasten mit der Aufschrift „Live Fandango Page (User is in direct control)“). Da der Kontext (Kino und spezifische Vorstellungszeit) erhalten geblieben ist, landet der Benutzer genau dort, wo er sein muss.

Der Benutzer interagiert dann direkt mit dem komplexen, visuellen Sitzplan und führt die sicheren Zahlungsschritte durch, genau wie er es normalerweise tun würde. Das ist genial, weil:

• Sicherheit: Ihre Anwendung verarbeitet, speichert oder liest niemals sensible PCI-Zahlungsdaten, was den Sicherheits- und Compliance-Aufwand enorm reduziert.
• Menschliche Übergabe: Es ermöglicht dem menschlichen Benutzer, die finale, visuelle Sitzplatzauswahl auf der dynamischen Karte selbst vorzunehmen – eine Aufgabe, die am besten für einen Menschen geeignet ist.

Diese letzte benutzergesteuerte Schleife aus Sitzplatzauswahl & Zahlung (Direkteingabe) führt direkt zum Endergebnis: Buchung bestätigt.

👉 Schauen Sie sich die interaktive Supademo des gesamten kollaborativen Ablaufs an

Sehen Sie, wie diese robuste Architektur den Benutzer in nur wenigen Klicks von einer einfachen Genre-Suche zu einem Live-Sitzplan auf Fandango führt und jeden Schritt dieser orchestrierten Blaupause veranschaulicht.

Warum mit einem Accelerator starten?

TrueFoundry Accelerators sind darauf ausgelegt, Sie schneller in die Produktion zu bringen. Web-Automatisierung mit LLMs ist bekanntlich komplex und birgt versteckte Herausforderungen beim Zustandsmanagement und der Resilienz. Indem Sie mit dieser einzigartigen, produktionsreifen Blaupause beginnen, können Sie:

• Komplizierte Entwicklung umgehen: Starten Sie Ihr Projekt direkt mit bewährten Mustern für Zustandspersistenz, Selbstkorrektur und kollaborative Mensch-KI-Schleifen.
• Skalierbarkeit bei paralleler Nutzung sicherstellen: Nutzen Sie das isolierte Sitzungsmodell des BrowserManagers und DriverManagers, die für jede Enterprise-Bereitstellung essenziell sind.
• Risiken reduzieren: Das bewährte kollaborative Übergabemodell ist der effektivste Weg, Web-Aktionen abzusichern und Sicherheits-, Rechts- und Compliance-Risiken im Zusammenhang mit sensiblen Daten zu minimieren.

Starten Sie noch heute

Der Kinobuchungs-Accelerator ist mehr als nur eine Technologiedemonstration; er ist eine fundamentale Blaupause für den Aufbau robuster, sicherer und kollaborativer Agenten. Egal, ob Sie einen Co-Piloten für Hotelbuchungen, einen automatisierten Assistenten für Fluggesellschaften oder ein Werkzeug zur automatisierten Datenextraktion entwickeln – diese Architektur zeigt Ihnen, wie Sie LLMs zuverlässig mit Web-Aktionen verbinden.

Tauchen Sie noch heute in die TrueFoundry-Plattform ein, greifen Sie auf dieses Accelerator-Repository zu und beginnen Sie mit der Anpassung dieser technischen Blaupause an Ihre individuellen Automatisierungsanforderungen.

‍