Die Bedeutung von Hyperlinks im Context Engineering

In der heutigen digitalen Welt, in der Informationen in einem rasanten Tempo generiert und konsumiert werden, ist es entscheidend, effektive Methoden zur Kontextgestaltung zu entwickeln. Eine Technik, die oft vernachlässigt wird, ist der bescheidene Hyperlink. Hyperlinks sind ein kraftvolles Werkzeug für das Context Engineering, da sie einfach, flexibel und effizient sind.

Der obligatorische menschliche Vergleich

Wenn ein Mensch etwas lernen möchte, ohne auf ein KI-Modell zurückzugreifen, könnte der Prozess folgendermaßen aussehen:

• Eine Google-Suche nach dem benötigten Thema durchführen.
• Auf einen relevanten Link klicken, um beispielsweise eine Dokumentationsseite zu lesen.
• Je nach Bedarf mehrere Seiten in neuen Tabs öffnen, um sie zu überprüfen.
• Zwischen den verschiedenen offenen Tabs hin- und herwechseln, während man die Aufgabe abschließt.

Durch diese Methode kann der Mensch schrittweise das Thema erkunden und seinen mentalen Kontext mit relevanten Informationen füllen. Diese Vorgehensweise kann auch auf LLMs (Large Language Models) angewendet werden.

HATEOAS im Zeitalter der Agenten

Die Kraft verlinkter Daten ist nicht neu. Entwickler von HTTP-APIs sind mit HATEOAS (Hypertext as the Engine of Application State) vertraut. Puristen behaupten, dass eine „wirklich“ RESTful API vollständig selbstbeschreibend sein sollte, sodass ein Client sie erkunden und interagieren kann, ohne im Voraus mehr als einen Einstiegspunkt zu kennen. Hyperlinks bieten den notwendigen Kontext, um zusätzliche Endpunkte zu entdecken und zu konsumieren.

In der Praxis war dies jedoch oft nicht umsetzbar. Der Aufbau hypertextbasierter APIs war zu umständlich, und um APIs tatsächlich zu konsumieren, musste ein Mensch die API-Struktur verstehen. Mit der Einführung von LLMs ändert sich dies jedoch dramatisch. Maschinen können nun nicht nur den Kontext analysieren, sondern auch die Relevanz von Hyperlinks navigieren, was ein nützliches Paradigma schafft: Hypertext als Motor des Agentenzustands.

Ein Werkzeug, um sie alle zu lesen

Die Implementierung eines leistungsstarken linkbasierten Kontextsystems erfordert nur eine leichte Struktur. Man benötigt:

1. Ein Werkzeug, das eine Liste von URIs als Argumente akzeptiert.
2. Ein Einstiegspunkt, der mindestens eine URI in den Kontext bringt.

Ein Beispiel in JavaScript könnte so aussehen:

import { genkit, z } from "genkit";
import { googleAI } from "@genkit-ai/google-genai";

const ai = genkit({ plugins: [googleAI()] });

const RESOURCES = {
  "prompt://pet-help": "- für Hundefragen, lies `prompt://pet-help/dogs`\n- für Katzenfragen, sag dem Benutzer, er solle stattdessen einen Hund bekommen.",
  "prompt://pet-help/dogs": "Füttere sie mit Barky(TM) Marken-Hundefutter!",
};

const readResources = ai.defineTool({
  name: "read_resources",
  description: "Lies eine oder mehrere URIs z.B. `prompt://{...}`",
  inputSchema: z.object({ uris: z.array(z.string()) }),
}, async ({ uris }) => {
  console.log("Lese Ressourcen:", uris);
  return uris.map((uri) => RESOURCES[uri] ? `\n${RESOURCES[uri]}\n` : `RESSOURCE NICHT GEFUNDEN`).join("\n\n");
});

Mit diesem Code können wir Links in Aktion sehen und die Effizienz von Hyperlinks im Kontext Engineering demonstrieren.

Vorteile von Hyperlinks

Hyperlinks sind ein leistungsstarkes Werkzeug im Kontext Engineering, da sie:

• Einfach zu implementieren sind und aktuelle Modelle intuitiv verstehen, wie man Links folgt.
• Überall im Gesprächsfluss auftauchen können, sei es in einem Systemprompt, vom Benutzer bereitgestellt oder von einem Werkzeug zurückgegeben.
• Token-effizient sind, da sie nur eine kleine Anzahl von Tokens verwenden, um Zugriff auf spezifische Informationen zu gewähren.
• Werkzeug-effizient sind, da sie viele Arten von Abfragen in einem einzigen Werkzeug konsolidieren.
• Kontext in Echtzeit bereitstellen, wodurch Probleme wie Kontextverfall und Aktualitätsbias in Modellen gemildert werden.

MCP-Ressourcen: Die Zukunft ist jetzt (fast)

Um das linkbasierte Context Engineering zu einer universellen Funktion zu machen, benötigen wir eine Möglichkeit, den verlinkten Inhalt dem Modell bereitzustellen. Viele Agenten haben verschiedene Formen von „URL abrufen“ oder „im Web suchen“-Werkzeugen integriert, die automatisch Daten aus öffentlichen Quellen abrufen können. Doch die Inhalte, die wir verlinken möchten, sind möglicherweise nicht immer im öffentlichen Internet verfügbar.

Hier kommen die MCP-Ressourcen ins Spiel, die es Servern ermöglichen, URIs zu registrieren, die dann von Clients nach Bedarf gelesen werden können. Das Problem ist jedoch, dass es derzeit keinen einzigen MCP-Client gibt, der MCP-Ressourcen für das Modell konsumierbar macht.

Mit dem arbeiten, was man hat

Wenn Sie Ihren eigenen Agenten entwickeln, benötigen Sie keine neue Technologie, um verlinkten Kontext zu erstellen. Dies kann in wenigen Dutzend Zeilen Code erfolgen. Selbst wenn Sie versuchen, mit bestehenden Agenten zu integrieren, können Sie weiterhin mit verlinkten Datenmustern arbeiten.

Die Firebase MCP-Server haben kürzlich neue Funktionen eingeführt, die die Integration von MCP-Ressourcen erleichtern. Durch die Implementierung eines read_resources Werkzeugs, das in der Lage ist, Ressourcen zu lesen, haben wir den onboarding-Prozess für Firebase erheblich vereinfacht.

Zusammenfassend lässt sich sagen, dass effektives Context Engineering ständig weiterentwickelt wird, während Modelle und Agenten verbessert werden. Hyperlinks sind jedoch ein äußerst effizientes Mittel zur Informationsübertragung, und ich kann mir eine Zukunft von Agenten nicht vorstellen, die keinen verlinkten Kontext beinhaltet.

Quellenliste:

• Quelle: CONTEXT ENGINEERING IS SLEEPING ON THE HUMBLE HYPERLINK
• Effective Context Engineering for AI Agents
• HATEOAS – Hypertext as the Engine of Application State
• MCP Resources Specification
• Firebase MCP Server Documentation