Seminar Laravel – AI SDK, MCP und semantische Suche

Generative KI wird nicht als isolierter API-Aufruf, sondern als kontrollierter Anwendungsbaustein mit Werkzeugen, strukturierten Ausgaben, Embeddings, Sicherheitsgrenzen und nachvollziehbarem Betrieb integriert.

Inhaltsübersicht

• Zielsetzung
• Zielgruppe und Voraussetzungen
• Schritt-für-Schritt-Inhalte
• Praxisprojekt
• Methodik

Zielsetzung

• KI-Funktionen fachlich abgrenzen und geeignete Sicherheits- sowie Qualitätskriterien definieren
• Das Laravel AI SDK für Text, strukturierte Ausgaben, Werkzeuge und Medien einsetzen
• Embeddings, Vektorsuche und Retrieval für eigene Datenbestände implementieren
• MCP-Server und MCP-Clients kontrolliert in Anwendungsabläufe integrieren

Zielgruppe und Voraussetzungen

Zielgruppe: Laravel- und PHP-Entwicklung, Softwarearchitektur, Plattformteams sowie technische Produktverantwortung für KI-gestützte Funktionen.

Voraussetzungen: Sichere Laravel-Grundlagen, Erfahrung mit Eloquent, Queues, HTTP-Schnittstellen und Tests. Grundkenntnisse zu Sprachmodellen sind hilfreich.

Schritt-für-Schritt-Inhalte

Tag 1: Grundlagen, Modellzugriff und strukturierte Ergebnisse

1. Schritt 1: Anwendungsfall und Risikogrenzen festlegen

   Geschäftsziel, zulässige Daten, erwartete Antwortqualität, menschliche Freigaben und Abbruchkriterien werden als überprüfbarer Vertrag formuliert.

2. Schritt 2: Provider und Konfiguration einrichten

   Zugangsdaten, Modellprofile, Zeitlimits, Wiederholungen und umgebungsabhängige Einstellungen werden getrennt vom Anwendungscode verwaltet.

3. Schritt 3: Prompts und strukturierte Ausgaben entwerfen

   Systemanweisungen, Eingabeschablonen und Schemas werden so aufgebaut, dass Ergebnisse validiert, versioniert und automatisiert weiterverarbeitet werden können.

4. Schritt 4: Streaming und Fehlerbehandlung umsetzen

   Teilantworten, Timeouts, Rate-Limits, Providerfehler und sichere Ersatzantworten werden in einen stabilen Request-Lifecycle integriert.

Tag 2: Werkzeuge, Embeddings und semantische Suche

1. Schritt 5: Werkzeuge mit klaren Verträgen definieren

   Tool-Parameter, Berechtigungen, Seiteneffekte und Rückgabestrukturen werden begrenzt und serverseitig validiert.

2. Schritt 6: Agentische Abläufe kontrollieren

   Werkzeugauswahl, maximale Schleifen, Zustandsübergänge und manuelle Freigabepunkte werden nachvollziehbar orchestriert.

3. Schritt 7: Embeddings erzeugen und speichern

   Texte werden segmentiert, mit Metadaten versehen, eingebettet und mit einer reproduzierbaren Aktualisierungsstrategie gespeichert.

4. Schritt 8: Retrieval und Antwortkontext aufbauen

   Ähnlichkeitssuche, Filter, Ranking, Kontextgrenzen und Quellenkennzeichnung innerhalb der Anwendung werden zu einem belastbaren RAG-Ablauf verbunden.

Tag 3: MCP, Tests und produktiver Betrieb

1. Schritt 9: MCP-Funktionen bereitstellen

   Ausgewählte Anwendungsfunktionen werden als klar abgegrenzte MCP-Werkzeuge mit Authentifizierung, Eingabeprüfung und Protokollierung veröffentlicht.

2. Schritt 10: Externe MCP-Werkzeuge konsumieren

   Vertrauensgrenzen, Tool-Discovery, Ergebnisvalidierung und Fehlerisolierung werden für angebundene MCP-Server umgesetzt.

3. Schritt 11: KI-Abläufe testen

   Feste Testfälle, Schema-Prüfungen, Mock-Antworten, Qualitätsstichproben und Missbrauchsszenarien sichern die Implementierung ab.

4. Schritt 12: Beobachtbarkeit und Kostenkontrolle einführen

   Tokenverbrauch, Antwortzeiten, Fehlerraten, Tool-Aufrufe, Datenschutzereignisse und Budgets werden messbar gemacht und mit Alarmregeln verknüpft.

Praxisprojekt

Als Praxisprojekt entsteht ein interner Wissensassistent, der freigegebene Dokumentdaten semantisch durchsucht, strukturierte Antworten erzeugt, definierte Werkzeuge aufruft und alle kritischen Schritte protokolliert. Fehlerszenarien, Berechtigungsgrenzen und Kostenlimits werden mit automatisierten Tests abgesichert.

Methodik

Kurze Fachimpulse werden unmittelbar durch Live-Coding, geführte Konfigurationsschritte, eigenständige Übungen, Code-Reviews und kontrollierte Fehlerfälle vertieft. Jeder Arbeitsschritt besitzt definierte Ausgangswerte, Prüfpunkte und Abnahmekriterien; dadurch bleiben die erarbeiteten Lösungen reproduzierbar und für weitere Projekte nutzbar.