Blog-Archiv von Philipp Schmid zu KI-Agenten und Gemini (April bis September 2026)

LinkPhilschmidSammlung

Die Beitragsübersicht des Blogs von Philipp Schmid dokumentiert technische Leitfäden und Analysen aus dem Zeitraum April bis September 2026. Der inhaltliche Schwerpunkt liegt auf KI-Agentenarchitekturen, der Gemini API und tooling-bezogenen Integrationen.

Das Wichtigste

  1. Fokus auf autonome Agenten, Subagent-Muster, Harness Engineering und rekursive Selbstverbesserung.
  2. Praxisanleitungen für Google Gemini (z. B. Gemini 3.5 Flash und 3.7 Flash) zur Steuerung von Android-Geräten via Computer Use.
  3. Nutzung von Gemini Managed Agents, der Interactions API und Werkzeugkombinationen wie Google Search und Google Maps.
  4. Einsatz und Integration von MCP-Servern sowie Sicherheitskonzepte für GitHub-Token bei verwalteten Agenten.
  5. Einrichtung von OpenClaw 2.0 mit Gemini und Techniken für die Auswertung von Agenten über den initialen Prompt hinaus.

Warum das relevant ist

Die Artikelübersicht zeigt konkrete Entwicklungsmuster im Bereich moderner KI-Agenten im Jahr 2026, insbesondere rund um tool-gestützte Workflows, Plattform-Automatisierung und das Gemini-Ökosystem.

Einordnung

Die Themenauswahl spiegelt einen klaren Trend wider: Reine Prompting-Diskussionen weichen tiefergehenden Architekturfragen zu Subagenten, Auswertungsmethoden und direkter Systemsteuerung (Bash, Android). Dabei nehmen standardisierte Schnittstellen wie MCP und herstellerspezifische Werkzeuge wie die Gemini Interactions API eine zentrale Rolle ein.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Video

    Video:AI Engineer

    Agent-Skills nicht ohne Evals ausliefern: Best Practices von Google DeepMind

    Philipp Schmid von Google DeepMind erläutert, warum Agent-Skills systematische Evaluationen (Evals) benötigen und wie man eine leichtgewichtige Testumgebung aufbaut. Anhand von Daten aus SkillsBench und internen Beispielen bei Google zeigt er, wie Skills strukturiert, getestet und bei Modellfortschritten wieder entfernt werden sollten.

    KI & AI· Vortrag

  • Link:mobilenext.ai

    Mobile Next: Programmierbare mobile Laufzeitumgebung für KI-Agenten

    Mobile Next stellt eine Plattform bereit, mit der KI-Agenten über das Model Context Protocol (MCP) und APIs direkt echte iOS- und Android-Geräte, Simulatoren oder Emulatoren steuern können. Das System kombiniert eine MCP-Schnittstelle, ein CLI-Tool, ein Playwright-ähnliches Test-Framework namens Mobilewright und eine gerätebasierte Cloud-Infrastruktur.

    KI & AI· Tool

  • Link:Google DeepMind

    Google DeepMind veröffentlicht Gemini 3.8 Flash für agentenbasierte Workflows

    Google DeepMind hat Gemini 3.8 Flash vorgestellt, das auf komplexe agentenbasierte Aufgaben und Softwareentwicklung bei niedriger Latenz ausgelegt ist. Das multimodale Modell verarbeitet Eingaben wie Text, Audio, Bild, Video und PDF mit einem Kontextfenster von einer Million Tokens.

    KI & AI· Ankündigung

  • X-Post:Niels Schmidt

    Mobile Harness: Open-Source-Steuerung für iOS und Android durch KI-Agenten

    Niels Schmidt stellt mit Mobile Harness ein quelloffenes Framework vor, mit dem KI-Agenten wie Codex oder Claude Code echte iOS- und Android-Geräte lokal oder in der Cloud über eine einheitliche API steuern können.

    1339Lesezeichen124.588Aufrufe

    KI & AI· Ankündigung

  • Repository:ShawnPana/phone-harness

    Phone Harness: KI-Agenten steuern Smartphones ohne zusätzliche Mobil-Apps

    Phone Harness ist ein Open-Source-Werkzeug, mit dem KI-Agenten wie Claude Code oder Codex reale Smartphones bedienen können. Die Steuerung erfolgt ohne Jailbreak, Xcode oder WebDriverAgent direkt über macOS-Funktionen für iOS sowie ADB für Android.

    2310SternePython

    KI & AI· Tool

  • Video

    Video:The AI Automators

    35 Entwurfsmuster für KI-Agenten in der Praxis erklärt

    The AI Automators stellt anhand eines interaktiven Dashboards 35 Design-Patterns für KI-Agenten vor, die auf einem Open-Source-Repository von Fareed Khan basieren. Die Muster sind in acht Kategorien unterteilt und reichen von einfachen Werkzeugaufrufen über iterative Reflexion und RAG-Varianten bis hin zu Langzeitgedächtnis und Baumsuche-Verfahren.

    KI & AI· Anleitung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.