Meal Prep Agent

Live ausprobieren

Gib unten deine Präferenzen ein und schau zu, wie vier KI-Agenten in Echtzeit zusammenarbeiten. Der gesamte Prozess dauert etwa 2-3 Minuten.

---

Architektur

Dieses Projekt verwendet einen Multi-Agent Workflow, bei dem spezialisierte KI-Rollen nacheinander arbeiten. Jeder Agent hat eine fokussierte Verantwortung und gibt den Kontext an den nächsten weiter.

Warum vier Agenten statt einem?

Jeder Agent hat einen spezifischen Fokus, was bessere Ergebnisse produziert als ein einzelner Agent, der alles versucht. Der Rezept-Recherche-Agent denkt nur ans Rezepte-Finden. Der Planungs-Agent denkt nur an Nährstoffbalance und Abwechslung. Spezialisierung führt zu Qualität.

---

Implementierungsdetails

Streaming mit Server-Sent Events

Die UI zeigt den Fortschritt in Echtzeit, während jeder Agent arbeitet. Das ist kritisch für einen 2-3 Minuten Prozess — Nutzer brauchen Feedback, dass etwas passiert.

// Server streamt Agent-Updates
const encoder = new TextEncoder();
const stream = new ReadableStream({
  async start(controller) {
    for await (const update of agentWorkflow()) {
      controller.enqueue(encoder.encode(
        `data: ${JSON.stringify(update)}\n\n`
      ));
    }
    controller.close();
  }
});

Agent-Prompting-Strategie

Jeder Agent erhält:

1. Klare Rollendefinition
2. Strukturiertes Ausgabeformat
3. Kontext von vorherigen Agenten
4. Einschränkungen (Budget, Ernährungsbeschränkungen)

Der Einkaufslisten-Agent erhält den detailliertesten Prompt — er muss Zutatmengen verstehen, Duplikate vermeiden und nach Abteilung organisieren (Obst & Gemüse, Milchprodukte, Proteine, Vorratskammer).

---

Gelernte Lektionen

Sequentiell schlägt parallel für diesen Anwendungsfall. Ich habe zuerst versucht, Agenten parallel auszuführen, aber die Abhängigkeitskette machte das unpraktisch. Jeder Agent braucht wirklich die Ausgabe des vorherigen Agenten.

Prompt Engineering macht den Unterschied. Das gleiche GPT-4o-mini Modell produziert stark unterschiedliche Ergebnisse basierend auf der Prompt-Struktur. Spezifische Beispiele für gute Ausgaben hinzuzufügen verbesserte die Qualität erheblich.

Streaming UX ist wichtig. Die erste Version wartete 3 Minuten und gab dann alles auf einmal aus. Nutzer brachen ab, bevor es fertig war. Echtzeit-Fortschrittsanzeige hielt das Engagement hoch.