Lokale Sprachmodelle gewinnen durch Agentic-AI-Architekturen rasch an Bedeutung. Ein neues Praxisbeispiel zeigt, wie sich ein lokales Large Language Model ohne Cloud-Abhängigkeit in einen nutzerdefinierten Agenten mit Werkzeugnutzung überführen lässt. Der Ansatz kombiniert Ollama als lokalen Inference-Server, das Google-Modell Gemma 4 im E4B-Varianten, das OpenAI Agents SDK als Agenten-Laufzeitumgebung und einen Tavily MCP-Server für Websuchen. Ziel ist es, Modelle von reinen Chat-Schnittstellen zu autonomen Recherche-Agenten weiterzuentwickeln, die externe APIs anbinden, Informationen sammeln und begründete Antworten generieren können. Die Implementierung beginnt mit der lokalen Bereitstellung von Ollama und dem Nachladen von Gemma 4 E4B. Das Modell ist speziell für ressourcenbeschränkte Edge-Umgebungen optimiert und läuft effizient auf Hardware mit acht Gigabyte VRAM. Als Agenten-Framework kommt das OpenAI Agents SDK zum Einsatz, das über eine OpenAI-kompatible Endpunkt-Schnittstelle mit Ollama kommuniziert. Der API-Schlüssel fungiert hierbei als technischer Platzhalter, da Ollama keine Cloud-Authentifizierung benötigt. Für die Werkzeugintegration wird ein Tavily MCP-Server genutzt, der dem Agenten Websuchfunktionen bereitstellt. Alternative Stapel aus LM Studio, llama.cpp oder anderen Modellfamilien wie Qwen lassen sich nach demselben Muster austauschen. Im Konfigurationsschritt wird der Agent durch klare Anweisungen gesteuert. Diese definieren eine strukturierte Recherche-Pipeline: Formulierung gezielter Suchanfragen, Auswertung widersprüchlicher oder unvollständiger Ergebnisse, Priorisierung vertrauenswürdiger Quellen und strenge Zitierpflicht. Die Agenten-Instanz wird innerhalb eines asynchronen Kontextmanagers initialisiert, der die MCP-Verbindung live hält. Durch die Aktivierung der Konfigurationsoption zur Server-Namenseinbindung werden Tool-Calls in den Protokollen eindeutig nachverfolgbar. Die Ausführung erfolgt über eine asynchrone Runner-Funktion, die bei Bedarf mehrere Suchdurchläufe zulässt, um komplexe Fragen zu bearbeiten. In einem Testlauf wurde die Architektur erfolgreich mit einer Frage zur Gruppenphase der FIFA-Weltmeisterschaft 2026 validiert. Der Agent generierte eine Suchanfrage, wertete die Rückgabe von Tavily aus und formulierte eine direkt antwortende, mit Quellen verknüpfte Zusammenfassung. Die Trace-Auswertung bestätigte die erwartete Abfolge aus Tool-Aufruf, Datentransfer und abschließender Generierung. Der Erfolg unterstreicht, dass lokale Modelle mit ausreichender Kontextlängen- und Reasoning-Fähigkeit autonome Entscheidungsschritte ausführen können. Der veröffentlichte Architekturansatz etabliert ein wiederverwendbares Muster für lokale AI-Agenten. Er demonstriert, wie sich Open-Source-Modelle durch standardisierte Protokolle wie Model Context Protocol nahtlos in externe Dienste einbetten lassen. Entwickler erhalten damit eine Grundlage für tiefere Forschungs-Workflows, spezialisierte Tool-Integrationen oder hybride Systeme, die Cloud- und On-Premise-Ressourcen kombinieren. Die flexible Stack-Architektur fördert eine dezentrale KI-Entwicklung, die Datenschutz, Latenzanforderungen und individuelle Hardware-Ressourcen berücksichtigt. Mit zunehmender Reife lokaler Inferenz-Engines wird diese Vorgehensweise voraussichtlich zum Standard für unternehmensnahe und persönliche Agentic-AI-Szenarien.