I den här guiden bygger vi steg för steg ett avancerat agentiskt AI-system baserat på en kontrollplans-arkitektur (control-plane). Kontrollplanet fungerar som hjärnan i systemet – det styr AI-agentens verktyg, reglerar säkerhet, planerar åtgärder och håller ihop hela resonemangsloopen.
Vi bygger även ett litet RAG-system, definierar modulära verktyg, implementerar agentens planeringslogik och följer slutligen hur hela systemet arbetar som en strukturerad, verktygsmedveten AI-tutor.
Den fullständiga koden finns på GitHub: Kika in koden här!.
1. Initiering av systemet – bibliotek, databaser och RAG-retriever
Här installerar vi beroenden, importerar bibliotek och bygger upp kunskapsbasen som vårt RAG-system ska söka i. Ett enkelt likhetsmått med mock-embeddingar simulerar vektorbaserad sökning.
(kodblocken lämnas som i originalet för kompatibilitet i WordPress)
2. Verktygsregistret – modulära kapabiliteter för agenten
Här definierar vi verktyg som AI-agenten får använda:
✔ kunskapssökning
✔ förståelsebedömning
✔ uppdatering av elevprofil
✔ loggning av interaktioner
Verktygen är helt modulära och kontrollplanet bestämmer när och hur de används.
3. Kontrollplanet – hjärtat som styr verktyg och säkerhet
Kontrollplanet:
- validerar planer
- begränsar vilka verktyg som får användas
- loggar alla körningar
- håller systemet säkert och förutsägbart
Det fungerar som en kommandocentral som alla agentens handlingar måste passera.
4. TutorAgent – AI-läraren som planerar, agerar och svarar
TutorAgent analyserar elevens fråga, genererar en handlingsplan (multi-step), kör verktyg via kontrollplanet och sammanställer ett svar baserat på verkliga verktygsresultat.
Det är här systemet börjar bete sig som ett ”agentiskt” AI som kan tänka, planera och använda externa verktyg på ett disciplinerat sätt.
5. Komplett demo – ett arbetsflöde från start till mål
Demon kör:
- uppstart
- flera elevfrågor
- retrieval
- testfrågor
- loggning
- summering
I slutet ser vi hur kontrollplanet och agenten samverkar i en realistisk undervisningssituation.
AI-Magasinet summering
Genom kontrollplans-arkitekturen skapar vi:
- tydlig separation mellan resonemang och verktygskörning
- modularitet där verktyg kan läggas till eller bytas ut
- säkerhet via reglering och loggning
- skalbarhet för mer avancerade verktyg och arbetsflöden
Resultatet blir ett agentiskt AI-system som kan hämta kunskap, bedöma förståelse, uppdatera profiler och logga interaktioner – allt styrt av ett säkert, konsekvent och expanderbart kontrollplan.
About the Author
