Konfiguration von Web-Such-APIs und Browsing in AgentGPT für die autonome Informationsbeschaffung

Um Live-Websuche und autonome Informationsbeschaffung (Autonomous Information Retrieval) in AgentGPT zu aktivieren, müssen Entwickler und Forscher einen externen Suchanbieter in den Denkzyklus des Agenten einbinden. Große Sprachmodelle (LLMs) unterliegen festen Wissensstichtagen und neigen bei Anfragen zu aktuellen Fakten, Preismodellen oder technischen Benchmarks zu Halluzinationen. AgentGPT begegnet dieser Herausforderung durch die Kopplung von autonomer Aufgabenzerlegung und Werkzeugaufrufen (Tool Calling): Webabfragen werden über die Google Serper API geleitet, um strukturierte Google-Suchergebnisse und Textauszüge (Snippets) zu verarbeiten und iterative Rechercheaufgaben durchzuführen.

Unabhängig davon, ob die gehostete Webversion oder ein lokales Deployment via Docker genutzt wird, erfordert die Einrichtung spezifische API-Schlüssel, passende Umgebungsvariablen und ein klares Verständnis des internen Ausführungskreislaufs.

Funktionsweise der autonomen Recherche in AgentGPT

AgentGPT—ursprünglich von Reworkd AI als quelloffene Plattform für autonome KI-Agenten auf Basis von Next.js, FastAPI und LangChain entwickelt—arbeitet in einem fortlaufenden Zyklus: Planen → Ausführen → Beobachten → Iterieren.

[ Recherche-Ziel ] 
         │
         ▼
[ Aufgabenplaner (LLM) ] ──► [ Suchaufgabe in Warteschlange ]
                                     │
                                     ▼
                      [ Backend-Werkzeug-Router ]
                                     │
                                     ▼
                       [ Serper API (Google Suche) ]
                                     │
                                     ▼
[ Abschlussbericht / Folgeaufgaben ] ◄── [ Analyse von Snippets & Titeln ]

Sobald ein Benutzer ein übergeordnetes Ziel definiert, durchläuft das System folgende Schritte:

1. Autonome Zerlegung: Das Planungsmodell analysiert das Ziel und teilt es in geordnete Teilaufgaben auf (z. B. Konkurrenzanalyse, Ermittlung neuester Systemspezifikationen oder Leistungsvergleiche).
2. Werkzeugauswahl: Sobald eine Teilaufgabe Echtzeitdaten erfordert, greift die Laufzeitumgebung auf das Backend-Suchwerkzeug (reworkd_platform/web/api/agent/tools/search.py) zu, anstatt rein parametrische Antworten zu generieren.
3. API-Aufruf: Das Backend sendet eine asynchrone HTTP-POST-Anfrage an den Serper-Endpunkt (https://google.serper.dev/search) mit den vom Agenten formulierten Suchbegriffen.
4. Verarbeitung der Suchergebnisse: Der Agent empfängt eine strukturierte JSON-Antwort mit organischen Treffern, Titeln, URLs und Textauszügen. Das LLM liest diese Daten, prüft, ob die Teilaufgabe erfüllt ist, und fasst die Kernpunkte im Ausführungsprotokoll zusammen.
5. Rekursive Anpassung der Warteschlange: Treten neue Fragen oder Wissenslücken auf, fügt der Agent dynamisch weitere Recherche-Schritte zur Aufgabenliste hinzu, bis das Gesamtziel erreicht ist oder das Schleifenlimit greift.

Erforderliche Zugangsdaten und Voraussetzungen

Vor der Konfiguration der Websuche in AgentGPT müssen Zugangsdaten von zwei primären Diensten bereitgestellt werden:

Hinweis zu lokalen Modellen: Wenn AgentGPT in internen Netzwerken mit lokalen Modellen (z. B. über Ollama, vLLM oder LM Studio) betrieben wird, kann der Basis-Endpunkt auf OpenAI-kompatible lokale Server gelegt werden. Das Suchwerkzeug benötigt jedoch weiterhin einen aktiven Serper-Schlüssel mit Internetzugang.

Methode 1: Websuche in der gehosteten Webversion konfigurieren

Für die direkte Nutzung über den Browser unter agentgpt.reworkd.ai:

1. Einstellungen öffnen: Starten Sie die Anwendung und klicken Sie auf das Zahnrad-Symbol (Settings) in der linken Seitenleiste.
2. Hauptmodell-Schlüssel eintragen: Geben Sie im Reiter Model / API Keys Ihren OPENAI_API_KEY ein. Ohne aktiven Inferenzschlüssel kann der Agent keine Aufgaben strukturieren oder Suchergebnisse synthetisieren.
3. Such-API-Schlüssel hinterlegen: Tragen Sie im Bereich für Integrationen oder API-Schlüssel Ihren Serper API Key ein, den Sie auf serper.dev generiert haben.
4. Einstellungen speichern: Klicken Sie auf Save. Die gehostete Version speichert API-Schlüssel lokal im Speicher des Browsers (localStorage), ohne diese an zentrale Fremdserver zu übertragen.
5. Recherche starten: Formulieren Sie ein konkretes Recherche-Ziel (z. B.: "Recherchiere im Web nach den drei wichtigsten Open-Source-Frameworks für KI-Agenten aus dem Jahr 2026 und vergleiche deren Kernarchitektur"), und beobachten Sie im Protokoll die Aufrufe der Websuche.

Methode 2: Selbstgehostetes Docker-Deployment (Empfohlen für Entwickler)

Für Entwickler, die wiederholbare Tests durchführen, API-Aufrufe überwachen oder eigene Werkzeuge implementieren möchten, empfiehlt sich die Bereitstellung mittels Docker Compose.

Schritt 1: Quellcode-Repository klonen

Laden Sie das offizielle Repository herunter:

git clone https://github.com/reworkd/AgentGPT.git
cd AgentGPT

Schritt 2: Umgebungsvariablen anpassen

AgentGPT verwendet Umgebungsvariablen, um Konfigurationen in das Next.js-Frontend und das FastAPI-Backend (reworkd_platform) einzuspeisen.

Erstellen Sie die Konfigurationsdatei aus der Vorlage:

cp .env.example .env

Öffnen Sie .env in einem Editor und hinterlegen Sie folgende Parameter:

# Primärer LLM-API-Schlüssel
OPENAI_API_KEY=sk-your-openai-api-key-here

# API-Schlüssel für die Websuche (Serper)
SERPER_API_KEY=your_serper_dev_api_key_here

# Optional: Replicate-Token für Bilderzeugung
REPLICATE_API_TOKEN=

# Maximales Schleifenlimit (Schutz vor Endlosschleifen und Kostenexplosion)
MAX_LOOPS=10

Wichtiger Hinweis: Stellen Sie sicher, dass SERPER_API_KEY den vollständigen Schlüssel enthält und die Aufrufe an https://google.serper.dev/search gerichtet sind. Fehlerhafte oder fehlende Schlüssel führen zu HTTP 403 Forbidden-Fehlern während des Suchvorgangs.

Schritt 3: Container über Setup-Skript oder Docker Compose starten

Führen Sie das automatisierte Installationsskript aus:

# Unter Linux / macOS
./setup.sh

# Unter Windows
./setup.bat

Alternativ können die Container direkt mit Docker Compose gestartet werden:

docker compose up --build

Warten Sie, bis sowohl das Web-Frontend (Port 3000) als auch das Backend (Port 8000) betriebsbereit sind.

Schritt 4: Laden des Suchwerkzeugs prüfen

Überprüfen Sie in den Logs von FastAPI, ob platform/reworkd_platform/web/api/agent/tools/search.py initialisiert wurde. Sobald SERPER_API_KEY verfügbar ist, registriert das System das Werkzeug Search automatisch im Tool-Inventar des Agenten.

Richtlinien für zielgerichtete Prompts bei autonomer Recherche

Autonome Agenten arbeiten nur so präzise wie die formulierte Aufgabenstellung. Für optimale Ergebnisse bei der Webrecherche gelten folgende Grundsätze:

• Suchumfang und Format klar definieren: Vermeiden Sie allgemeine Eingaben wie "Erkläre mir Vektordatenbanken"; formulieren Sie stattdessen messbare Anforderungen:

  Ziel: Führe eine autonome Marktanalyse zu Enterprise-Vektordatenbanken durch. Suche nach aktuellen Benchmark-Ergebnissen, identifiziere die 3 führenden Anbieter, vergleiche Preismodelle sowie technische Stärken und gib die recherchierten Quellen-URLs an.
  

• Schleifenobergrenze festlegen: Begrenzen Sie MAX_LOOPS auf 5 bis 10 Schritte, damit der Agent nicht endlos neue Suchanfragen erzeugt, wenn eine Formulierung zu vielschichtig ist.
• Quellenangaben einfordern: Verlangen Sie explizit, dass der Agent im Ergebnisbericht die gefundenen URLs aufführt, um eine manuelle Verifikation zu ermöglichen.

Technische Grenzen und praktische Überlegungen

Beim produktiven Einsatz von AgentGPT sollten Entwickler und Forscher folgende Randbedingungen berücksichtigen:

1. Snippet-Verarbeitung versus vollständiges Browser-Scraping: Das Standard-Suchwerkzeug von AgentGPT stützt sich auf die von Serper zurückgegebenen Snippets, Titel und Metadaten. Es enthält standardmäßig keinen Headless-Browser (wie Playwright oder Puppeteer), um JavaScript-lastige Single-Page-Apps dynamisch zu rendern oder mehrseitige PDFs im Volltext auszulesen. Für tiefgehendes Scraping muss das Verzeichnis tools/ um eigene Parser erweitert oder an einen Scraping-Dienst angebunden werden.
2. Kontextfenster und Token-Verbrauch: Die kontinuierliche Aufnahme von Suchtexten füllt das Kontextfenster des LLMs schnell. Bei kleineren Modellen führt dies zu Informationsverlust oder stark ansteigenden API-Kosten.
3. Wartungsstatus des Projekts: Das Repository reworkd/AgentGPT wurde im Januar 2026 offiziell archiviert. Die Codebasis eignet sich weiterhin gut für lokale Versuche und Bildungszwecke; für kommerzielle Unternehmensanwendungen mit komplexen Workflows greifen Entwickler heute meist auf neuere Agenten-Frameworks (wie CrewAI, LangGraph oder browser-use) zurück, behalten jedoch die von AgentGPT etablierte modulare Anbindung von Such-APIs wie Serper bei.

Referenzen

• GitHub - reworkd/AgentGPT: 🤖 Assemble, configure, and deploy autonomous AI Agents in your browser.
• Serper - The World's Fastest and Cheapest Google Search API
• Releases · reworkd/AgentGPT · GitHub