LangChain stellt Agent-Middleware für die Entwicklung maßgeschneiderter KI-Frameworks vor
Felix Pinkston 26.03.2026 15:31
LangChain führt das AgentMiddleware-System ein, das es Entwicklern ermöglicht, das Verhalten von AI Agents mit Hooks für PII-Erkennung, dynamische Tool-Auswahl und produktionsreifen Funktionen anzupassen.
LangChain hat ein umfassendes Middleware-System veröffentlicht, das es Entwicklern ermöglicht, das Verhalten von AI Agents anzupassen, ohne die Kerninfrastruktur von Grund auf neu aufzubauen. Das Framework, das in einem Blogbeitrag vom 26.03.2026 detailliert beschrieben wird, führt sechs verschiedene Hooks ein, die die Agent-Ausführung in jeder Phase der Schleife abfangen und modifizieren.
Die Middleware-Architektur adressiert einen anhaltenden Schmerzpunkt in der Agent-Entwicklung: die Lücke zwischen demobereiten Prototypen und Produktionssystemen. Während grundlegende Anpassungen wie das Austauschen von System-Prompts oder das Hinzufügen von Tools schon immer unkompliziert waren, erforderte die Modifizierung der fundamentalen Agent-Schleife – was vor Modellaufrufen passiert, wie Tools ausgeführt werden, wann Menschen eingreifen – umfangreichen benutzerdefinierten Code.
Wie das Hook-System funktioniert
AgentMiddleware stellt sechs Interventionspunkte bereit. before_agent wird einmal beim Aufruf zum Laden des Speichers oder zur Validierung von Eingaben ausgelöst. before_model läuft vor jedem LLM-Aufruf und ist nützlich zum Kürzen des Verlaufs oder zum Erfassen sensibler Daten. wrap_model_call verarbeitet Caching, Wiederholungsversuche und dynamische Tool-Bindung. wrap_tool_call macht dasselbe für die Tool-Ausführung. after_model integriert Human-in-the-Loop-Workflows. after_agent übernimmt Aufräumarbeiten und Benachrichtigungen.
Diese Middlewares sind stapelbar. Entwickler können mehrere Modifikationen ohne Konflikte schichten.
Integrierte Lösungen für häufige Probleme
LangChain liefert vorgefertigte Middleware für Muster, die in Produktionsumgebungen immer wieder auftreten. PIIMiddleware implementiert before_model- und after_model-Hooks, um personenbezogene Daten zu maskieren, zu schwärzen oder zu hashen – entscheidend für die HIPAA-Compliance, wo man nicht einfach per Prompt zur rechtlichen Sicherheit gelangen kann.
LLMToolSelectorMiddleware bekämpft Context-Bloat, indem es ein schnelles Modell ausführt, um relevante Tools aus einer Registry zu identifizieren, bevor der Hauptaufruf erfolgt, und nur das bindet, was benötigt wird. SummarizationMiddleware verhindert Context-Overflow, indem es den Nachrichtenverlauf komprimiert, wenn die Token-Anzahl zu hoch wird.
ModelRetryMiddleware umschließt API-Aufrufe mit konfigurierbarer Retry-Logik – Wiederholungsanzahl, Backoff-Faktoren, Anfangsverzögerungen für Rate-Limiting. ShellToolMiddleware verwaltet Ressourceninitialisierung und -abbau rund um Agent-Schleifen.
Deep Agents als Proof of Concept
LangChain hat Deep Agents vollständig auf diesem Middleware-Stack aufgebaut, um die Architektur zu validieren. Das Agent-Framework läuft auf create_agent, LangChains Standard-Einstiegspunkt, mit spezialisierter Middleware, die darüber geschichtet ist: FilesystemMiddleware für dateibasiertes Kontextmanagement, SubagentMiddleware für kontextisolierte Subagents, SkillsMiddleware für progressive Fähigkeitsoffenlegung.
Der Ansatz ermöglicht es Teams, verschiedene Anliegen unabhängig zu verwalten. Geschäftslogik bleibt vom Kern-Agent-Code entkoppelt. Wiederverwendbare Middleware kann sich über Organisationen hinweg verbreiten, ohne enge Kopplung.
Was dies für die Agent-Entwicklung bedeutet
LangChain erkennt an, dass die Verbesserung der Modellfähigkeiten schließlich einige aktuelle Middleware-Funktionen absorbieren wird – Zusammenfassung, Tool-Auswahl, Output-Trimming könnten in die Modelle selbst wandern. Aber deterministische Richtliniendurchsetzung, Produktions-Guardrails und unternehmensspezifische Logik werden nicht migrieren. Diese bleiben in der Harness-Schicht.
Entwickler können mit create_agent für minimale Setups oder create_deep_agent für robustere Grundlagen beginnen. Benutzerdefinierte Middleware-Beiträge werden über LangChains Integrationsdokumentation angenommen.
- langchain
- AI Agents
- middleware
- deep agents
- Entwickler-Tools
