Skills als versionierte Dateien
Eine Aufgabe ist eine lesbare Markdown-Datei. Das Team kann Vorgaben nachvollziehen und korrigieren; aus Korrekturen leitet der Agent angepasste Skills ab.
SEO-Agent mit Multi-Agent-System
Ein selbst gehosteter Agent für wiederkehrende SEO-Aufgaben: Daten über MCP, Auswertung nach festen Skills, Ergebnisse im Team-Chat.
Projekt 01 · Agent-Framework · MCP · Multi-Agent · Slack
- Im Einsatz, Skills werden laufend nachgeschärft
- Setup, Skills, MCP-Anbindung, n8n-Gegenstelle
- Versionierte Skills statt Prompt-Sammlung
- Schreiben nur mit Freigabe
- Hermes Agent Framework · Claude Sonnet · MCP · Slack · Python · n8n · Google Search Console · SEO-Daten-APIs
Ausgangspunkt
Keyword-Recherche, OnPage-Checks oder Zielüberprüfungen folgen festen Abläufen. Ein Agent sollte sie im Team-Chat übernehmen, ohne dass etwas ungeprüft live geht.
Mein Beitrag
Ich habe das Grundgerüst auf dem quelloffenen Hermes-Framework aufgesetzt, die Modellanbindung eingerichtet, Skills und Python-Skripte geschrieben, Datenquellen über MCP angebunden und die n8n-Gegenstelle für die Zielüberprüfung gebaut. Fachliche Vorgaben kamen aus dem SEO-Team.
Architektur
Jeder Skill beschreibt eine Aufgabe mit Eingaben, Schritten und Ausgabevorlage. Der Agent wählt den passenden Skill und holt Daten über MCP-Tools. Für die Zielüberprüfung ruft er n8n auf, das je URL zwei Zeiträume vergleicht und eine Zusammenfassung zurückgibt. Im Multi-Agent-Test verteilte ein Orchestrator die Analyse auf Fachrollen, ein Kritiker prüfte.
Technischen Ablauf ansehenBahnen, Stationen und Freigaben
Engineering-Entscheidungen
Rechnen in n8n, Sprechen im Agenten
Datenbeschaffung und Trendvergleich laufen deterministisch in n8n, der Agent übernimmt Auslösung und Kommunikation. So bleibt die Logik testbar und modellunabhängig.
Signale abstimmen
Klick- und Rankingtrends werden per Mehrheit zu besser, schlechter, gemischt oder stabil zusammengefasst. Gemeldet werden nur klare Trends.
Schreiben nur mit Freigabe
Der Agent liest und empfiehlt. Änderungen an Websites oder im CMS brauchen eine menschliche Freigabe.
Ergebnis
Der Agent übernimmt im Team wiederkehrende SEO-Aufgaben nach festen Skills. Der Multi-Agent-Testlauf lieferte Ergebnisse für die interne Priorisierung.
Erkenntnisse
Gute Skills mit Beispielen und Vorlagen bringen mehr als ein stärkeres Modell. Eine Kritiker-Rolle fängt Fehler ab, kostet aber Laufzeit; für Routine reicht ein Agent.
Weiterlesen
Kontakt
Fragen zur Umsetzung oder eine passende Rolle im AI Engineering? Zum Kontakt