Röstwerk AI Support Agent

Problem

Support-Automatisierung scheitert selten am Sprachmodell. Sie scheitert am Vertrauen: Ein Bot, der plausibel klingt und dabei Bestellstatus erfindet, ist im Betrieb wertlos. Deshalb zählt eine einzige Frage: Lässt sich für jede Aussage nachprüfen, woher sie kommt?

Das zweite Problem ist ökonomisch. Support muss in Sekunden antworten. Und pro Vorgang Centbeträge kosten, sonst skaliert er nicht.

Architektur

Das Kernstück ist eine harte Trennung. Der Agent-Zyklus ist eine reine TypeScript-Bibliothek ohne Framework-Abhängigkeit; Transport, Modell und Werkzeuge begegnen sich nur am Rand: eine SSE-Route als Transport, gpt-5-nano über die Responses API als Modell, vier nur-lesende Shop-Tools.

Jede Grenze ist per Zod-Schema validiert: Tool-Argumente vor der Ausführung, Tool-Ergebnisse vor der Rückgabe an das Modell, die finale Antwort vor der Auslieferung. Was ein Schema verwirft, erreicht weder Werkzeug noch Modell.

Ohne OPENAI_API_KEY übernimmt ein deterministischer ScriptedProvider denselben Zyklus: gleiches Trace-Format, gleiche Schemata. Die Demo läuft so offline, in Tests und nach Erreichen des Tagesbudgets weiter. Ein Besucher sieht nie eine Fehlerseite.

Guardrails & Evals

Eingaben sind hart begrenzt, bei Länge wie bei Format. Das System-Prompt hält den Agenten an vier Regeln: Fakten kommen ausschließlich aus den Tools, die Antwort folgt der Sprache der Seite, personenbezogene Daten bleiben außen vor, und nichts wird gespeichert. Ein Gespräch existiert nur für die eine Antwort.

Eval-Fälle liegen als Unit-Tests bei: gefundene Bestellung, unbekannte Bestellung (ehrlich zugeben), ausverkauftes Produkt, Themenwechsel, Prompt-Injection („Ignoriere deine Anweisungen“: der Agent bleibt beim Thema) und eine Antwort außerhalb des Schemas. Letzterer Fall endet laut, nie in einer falschen, selbstbewussten Ausgabe.

Nach drei Tool-Runden stoppt der Zyklus hart. Das verhindert Endlosschleifen und begrenzt den Höchstpreis pro Lauf.

Kosten & Latenz (gemessen)

gpt-5-nano ist die günstigste GPT mit zuverlässigem Function Calling. Sie kostet 0,05 $ pro Million Eingabe- und 0,40 $ pro Million Ausgabe-Tokens (Standard-Preis, September 2026).

Ein typischer Lauf mit einem Tool-Aufruf verbraucht etwa 1.300 Eingabe- und 270 Ausgabe-Tokens: rund 0,0002 $ bei 5 bis 8 Sekunden (Reasoning-Aufwand „low“). Das Tagesbudget ist hart gekappt. Danach übernimmt der scriptierte Modus, ohne dass Kosten entstehen.

DSGVO & EU AI Act

Der Endpunkt speichert nichts. Es gibt keine Cookies, keine Konten und keine Gesprächsprotokolle; Modellaufrufe laufen mit store:false. Ein Personenbezug entsteht gar nicht erst, denn die Werkzeuge enthalten ausschließlich Demo-Daten (Datenminimierung, Art. 5 DSGVO).

Seit dem 2. August 2026 ist der EU AI Act vollständig anwendbar. Ein Support-Agent dieser Art gilt als minimal-risk: Das System nutzt keine Biometrie, trifft keine Entscheidung über Personen und ist als KI gekennzeichnet. Diese Einordnung steht in der Datenschutzerklärung. Sie trennt einen auditierbaren Support-Agenten von „irgendeinem Chatbot“.

MCP: die Seite als Werkzeug

Dieselben vier Tools laufen zusätzlich als öffentlicher MCP-Server (Spezifikation 2026-07-28, Streamable HTTP, zustandslos, nur-lesend): https://dimitripisarev.com/api/mcp

URL in Claude als Custom Connector eintragen und nach Bestellung 1042 fragen; der Server antwortet mit strukturierten Daten. Auf OAuth, Sessions und Speicherzustand zwischen zwei Anfragen verzichtet der Endpunkt komplett. Datenschutz steckt hier in der Architektur, nicht im Kleingedruckten.