KI-Agenten für Legacy-Analyse: MCP, Skills und dynamischer Kontext in der Praxis

Legacy-Systeme analysieren erfordert mehr als ein LLM – es braucht ein orchestriertes System aus spezialisierten Tools und dynamischem Kontext.

Dieser Vortrag zeigt, wie man mit Claude Code, MCP-Servern und dem Skills-Pattern ein intelligentes Analyse-System baut. Der Workflow:

  • Ein Orchestrator-Agent entdeckt zur Laufzeit benötigte Tools via MCP Gateway.
  • Spezialisierte Subagenten übernehmen Teilaufgaben – von der Architektur-Extraktion bis zur Risikobewertung.
  • Skills kapseln wiederverwendbare Analyse-Strategien.
Anhand eines konkreten Migrations-Szenarios zeigen wir die Patterns, Design-Entscheidungen und Trade-offs – inklusive ehrlicher Learnings zu Grenzen des Ansatzes.

  • Grundverständnis von LLMs und deren APIs.
  • Erfahrung mit AI-Coding-Assistenten (Copilot, Cursor, Claude Code o.ä.).
  • Begriffe wie Tool Calling, RAG und Agenten sollten bekannt sein.
  • Praktische Programmiererfahrung in Python oder TypeScript.

  • Design-Prinzipien für AI-Agenten-Systeme verstehen
  • MCP-Server und Skills-Pattern praktisch einsetzen können
  • Trade-offs zwischen statischem und dynamischem Kontext bewerten
  • Subagenten-Architekturen für komplexe Analyse-Aufgaben entwerfen
  • Grenzen und Fallstricke des Ansatzes kennen
Lars Boes Lars Boes studiert dual Wirtschaftsinformatik bei der Deutschen Telekom, wo er als Software Engineer arbeitet. Sein Fokus: AI-Systeme, die dynamisch auf ihren Kontext reagieren – von RAG-Backends über MCP-Server bis zu Agenten, die zur Laufzeit Tools entdecken. Favorite LLM: Claude.
Adit-Pal Singh Adit-Pal Singh ist Software Engineer/AI Engineer bei der Deutschen Telekom. Er arbeitet an AI-Themen wie Legacy Code Migration & AI-Architekturen, MCP Server, Agenten, AI in System(-Architektur-)en.