GitLab Duo Agent Platform anpassen: Chat-Regeln, Prompts und Workflows

Teil 8 des achtteiligen Leitfadens GitLab Duo Agent Platform – Der komplette Einstieg, in dem du lernst, KI-Agents und Workflows im Development Lifecycle zu erstellen und bereitzustellen. Von der ersten Interaktion bis zu produktionsreifen Automatisierungs-Workflows mit vollständiger Anpassung.

In diesem Artikel:

• Einführung in die Anpassung
• Agent-Verhalten anpassen
• Funktionen mit MCP erweitern
• Custom Agents und Flows erstellen

🎯 GitLab Duo Agent Platform heute ausprobieren!

Einführung in die Anpassung

Die GitLab Duo Agent Platform bietet sofort leistungsstarke Funktionen. Durch Anpassung an die spezifischen Team-Anforderungen lässt sich noch größerer Nutzen erzielen. GitLab bietet flexible Anpassungsoptionen auf mehreren Ebenen:

• User-Level: Persönliche Präferenzen über alle Projekte hinweg (Custom Rules, AGENTS.md, MCP-Config)
• Workspace-Level: Projektspezifische Konfigurationen (Custom Rules, AGENTS.md, MCP-Config)
• Project-Level: Custom Agents und Flows, die innerhalb eines spezifischen Projekts erstellt und verwaltet werden

Teil 1: Agent-Verhalten anpassen

Custom Rules

Custom Rules liefern Anweisungen für Agents und Flows und gewährleisten konsistentes Verhalten im Team ohne Wiederholungen – beispielsweise für Entwicklungs-Style-Guides oder Test-Ausführung.

Navigation: IDE-Workspace oder User-Konfigurationsverzeichnis.

Custom Rules auf User-Level

User-Level-Regeln gelten für alle Projekte und Workspaces.

Detaillierte Anweisungen zum Erstellen von User-Level Custom Rules finden sich in der GitLab-Dokumentation. Datei erstellen: ~/.gitlab/duo/chat-rules.md im Home-Verzeichnis. Beispielregeln:

      - JSDoc-Kommentare für alle Funktionen inkludieren
- Einfache Anführungszeichen für Strings nutzen
- Bestehenden Code-Style im Repository befolgen
- Prägnante Erklärungen verfassen, ausführliche Beschreibungen vermeiden
- Tests für alle Code-Änderungen vorschlagen
- async/await anstatt Promises verwenden

    

Custom Rules auf Workspace-Level

Workspace-Regeln gelten nur für ein spezifisches Projekt und überschreiben User-Level-Regeln für dieses Projekt.

Datei erstellen: .gitlab/duo/chat-rules.md im Projekt-Root.

Beispielregeln für ein Vue.js-Projekt:

      - Vue 3 Composition API mit `<script setup>` verwenden
- Immer TypeScript-Typen für Props inkludieren
- Scoped Styles mit SCSS nutzen
- Slippers UI Design System befolgen
- Komponenten unter 300 Zeilen halten
- Kebab-Case für Komponentennamen verwenden
- Accessibility-Attribute inkludieren (aria-*, role)

    

Best Practices für Custom Rules

• Spezifisch sein: „Einfache Anführungszeichen verwenden" ist besser als „Style Guide befolgen".
• Priorisieren: Wichtigste Regeln zuerst auflisten.
• Team-Fokus: Regeln sollten Team-Standards widerspiegeln, nicht persönliche Präferenzen.
• Umsetzbar: Regeln sollten klar genug für KI-Agents sein.
• Wartbar: Regeln aktualisieren, wenn sich Standards ändern.
• Konflikte vermeiden: Nicht dem tatsächlichen Code-Style der Codebase widersprechen.

Tipp: Code Owners nutzen, um zu verwalten, wer Änderungen an .gitlab/duo/chat-rules.md genehmigt.

Ein detailliertes Use-Case-Tutorial für Custom Rules findet sich im Custom Rules in GitLab Duo Agentic Chat Deep-Dive-Blogpost.

AGENTS.md für Agent-Verhalten-Anpassung

AGENTS.md ist eine Industrie-Standard-Datei zur Anpassung von Agent-Verhalten. Sie ermöglicht die Definition, wie sich Agents in Chat-Konversationen, Foundational Flows und Custom Flows verhalten sollen, ohne die Agents selbst zu modifizieren.

Unterschied zu Custom Rules: AGENTS.md wird von allen Agents und Flows (foundational und custom) genutzt. Die Datei folgt einem Industrie-Standard, den auch andere KI-Tools verwenden können – beispielsweise Claude Code als External Agent. AGENTS.md nutzen, wenn Anweisungen über mehrere Kontexte hinweg gelten sollen.

User-Level (gilt für alle Projekte und Workspaces):

• macOS/Linux: ~/.gitlab/duo/AGENTS.md
• Windows: %APPDATA%\GitLab\duo\AGENTS.md

Workspace-Level (gilt für ein spezifisches Projekt):

• AGENTS.md im Projekt-Root erstellen.

Subdirectory-Level (gilt für spezifische Verzeichnisse in Monorepos):

• AGENTS.md in Subdirectories für kontextspezifische Anweisungen erstellen.

Funktionsweise:

• User-Level AGENTS.md gilt global über alle Projekte hinweg.
• Workspace-Level AGENTS.md gilt für ein spezifisches Projekt.
• Subdirectory-Level AGENTS.md-Dateien liefern Kontext für spezifische Codebase-Teile.
• Agents und Flows kombinieren Anweisungen von allen anwendbaren Ebenen.
• Neu hinzugefügte oder aktualisierte AGENTS.md-Anweisungen erfordern das Auslösen neuer Flows oder das Starten eines neuen Chats mit einem (Custom) Agent.

Was AGENTS.md steuert

• Agent-Persönlichkeit und Ton
• Projektspezifische Anweisungen
• Coding-Standards und Konventionen
• Tool-Nutzungspräferenzen
• Output-Formatierungsanforderungen
• Repository-Struktur und Organisation

AGENTS.md-Beispiel

      # Agent-Anpassung für unser Projekt
## Allgemeine Richtlinien
- Code-Qualität immer über Geschwindigkeit priorisieren
- Architektur-Patterns des Projekts befolgen
- Bestehende Code-Beispiele bei Änderungsvorschlägen referenzieren
- Bei mehrdeutigen Anforderungen um Klärung bitten
## Code-Style
- TypeScript für neuen Code verwenden
- ESLint-Konfiguration im Projekt befolgen
- Unit-Tests für alle neuen Funktionen inkludieren
- Beschreibende Variablennamen nutzen (keine Einzelbuchstaben außer Schleifen)
## Dokumentation
- JSDoc-Kommentare zu allen öffentlichen Funktionen hinzufügen
- README.md bei neuen Features aktualisieren
- Beispiele in Code-Kommentaren inkludieren
## Sicherheit
- Nie Secrets oder API-Keys hartcodiert vorschlagen
- User-Input immer validieren
- Parametrisierte Queries für Datenbankoperationen verwenden
- Potenzielle Sicherheitsprobleme sofort kennzeichnen

    

Best Practices für AGENTS.md

• Spezifisch sein: Konkrete Beispiele aus dem Projekt inkludieren.
• Prägnant halten: Fokus auf das Projektspezifische.
• Versionskontrolle: Im Repository committen und Änderungen nachverfolgen.
• Team-Alignment: Mit dem Team diskutieren, bevor finalisiert wird.
• Regelmäßig aktualisieren: Bei Projekt-Evolution verfeinern.
• Repository-Struktur dokumentieren: Agents helfen, die Codebase-Organisation zu verstehen.

Anforderungen

• GitLab 18.8 oder höher
• Für VS Code: GitLab Workflow Extension 6.60 oder höher
• Für JetBrains: GitLab Plugin 3.26.0 oder höher
• Für Flows: Flow-Konfiguration aktualisieren, um auf user_rule-Kontext zuzugreifen

Mehr über AGENTS.md erfahren.

Custom Review Instructions

Custom Review Instructions liefern spezifische Richtlinien für den Code Review Foundational Flow. Die Instructions gewährleisten konsistente Code-Review-Standards und lassen sich auf spezifische Dateitypen im Projekt anpassen.

Datei erstellen: .gitlab/duo/mr-review-instructions.yaml im Projekt-Root.

Beispiel Review Instructions:

      instructions:
  - name: Ruby Style Guide
    fileFilters:
      - "*.rb"           # Ruby-Dateien im Root-Verzeichnis
      - "lib/**/*.rb"    # Ruby-Dateien in lib und Subdirectories
      - "!spec/**/*.rb"  # Test-Dateien ausschließen
    instructions: |
      1. Alle Methoden mit ordnungsgemäßer Dokumentation sicherstellen
      2. Ruby-Style-Guide-Konventionen befolgen
      3. Symbols gegenüber Strings für Hash-Keys bevorzugen

  - name: TypeScript Source Files
    fileFilters:
      - "**/*.ts"        # TypeScript-Dateien in beliebigem Verzeichnis
      - "!**/*.test.ts"  # Test-Dateien ausschließen
    instructions: |
      1. Ordnungsgemäße TypeScript-Typen sicherstellen ('any' vermeiden)
      2. Namenskonventionen befolgen
      3. Komplexe Funktionen dokumentieren


    

Best Practices für Custom Review Instructions:

• Spezifisch und umsetzbar: Klare, nummerierte Anweisungen funktionieren am besten.
• Glob-Patterns nutzen: Spezifische Dateitypen mit fileFilters gezielt ansprechen.
• Auf wichtige Standards fokussieren: Kritischste Review-Punkte priorisieren.
• Das „Warum" erklären: Reviewern helfen, die Begründung zu verstehen.
• Patterns testen: Sicherstellen, dass Glob-Patterns die beabsichtigten Dateien matchen.

Tipp: Code Owners nutzen, um Änderungen an .gitlab/duo/mr-review-instructions.yaml zu schützen.

Detaillierte Setup-Anleitungen und Beispiele finden sich in der Custom Review Instructions-Dokumentation.

Teil 2: Funktionen mit MCP erweitern

Model Context Protocol (MCP) ermöglicht Agents den Zugriff auf externe Systeme wie Jira, Slack, AWS und mehr. Dieser Abschnitt behandelt MCP-Konfiguration zur Erweiterung von Agent-Funktionen.

🎯 Jetzt ausprobieren: Interaktive MCP-Demo – Model Context Protocol erkunden.

MCP-Konfiguration für externe Integrationen

Model Context Protocol (MCP) ermöglicht Agents den Zugriff auf externe Systeme wie Jira, Slack, AWS und mehr.

Scope: User-Level (gilt für alle Workspaces) oder Workspace-Level (projektspezifisch, überschreibt User-Config)

User-Konfiguration erstellen:

• macOS/Linux: ~/.gitlab/duo/mcp.json
• Windows: C:\Users\<username>\AppData\Roaming\GitLab\duo\mcp.json
• VS Code: Command ausführen: GitLab MCP: Open User Settings (JSON)

Workspace-Konfiguration erstellen:

• Datei erstellen: .gitlab/duo/mcp.json im Projekt-Root

Best Practices:

• Security First: MCP-Server verwenden, die OAuth erfordern, nicht Plaintext-Password-Tokens.
• Minimaler Scope: Nur MCP-Server aktivieren, die tatsächlich genutzt und denen vertraut wird.
• Lokal testen: MCP-Verbindungen und Autorisierung verifizieren, bevor Team-übergreifend geteilt wird.
• Integrationen dokumentieren: Erklären, was jeder MCP-Server bereitstellt.
• Versionskontrolle: Konfiguration in .gitlab/duo/mcp.json mit Code-Owners-Approval speichern.

Detaillierte Setup-Anleitungen und Konfigurationsbeispiele finden sich in Teil 7: Model Context Protocol (MCP) Integration.

Teil 3: Custom Agents und Flows erstellen

Custom Agents und Flows ermöglichen die Automatisierung teamspezifischer Workflows. Bevor in die Anpassung eingestiegen wird, ist es hilfreich zu verstehen, was sie sind und wie sie funktionieren. Diese Teile des GitLab Duo Agent Platform-Leitfadens helfen dabei:

• Teil 3: Agents verstehen — Foundational, Custom und External Agents kennenlernen und wann welcher Typ genutzt wird.
• Teil 4: Flows verstehen — Erfahren, wie Flows mehrere Agents orchestrieren, um komplexe Probleme zu lösen.
• Teil 5: AI Catalog — Lernen, wie Agents und Flows organisations-übergreifend entdeckt, erstellt und geteilt werden. Sobald die Grundlagen verstanden sind, liefert dieser Abschnitt einen Überblick über Anpassungsoptionen mit Links zu detaillierten Leitfäden.

System-Prompts für Custom Agents

System-Prompts definieren Persönlichkeit, Expertise und Verhalten eines Agents. Ein gut gestalteter Prompt macht Agents effektiver und auf Team-Anforderungen ausgerichtet.

Was sind System-Prompts? System-Prompts sind Anweisungen, die einem Agent mitteilen, wie er sich verhalten, welche Expertise er hat und wie er auf Requests reagieren soll. Sie sind die Grundlage für Custom Agent-Verhalten.

Schlüsselelemente eines starken System-Prompts:

• Rollendefinition: Was der Agent ist und was er tut
• Expertise-Bereiche: Spezifische Domänen oder Technologien
• Verhaltensrichtlinien: Wie er interagieren und reagieren soll
• Output-Format: Struktur der Antworten
• Einschränkungen: Was er vermeiden soll

Best Practices:

• Detailliert sein: Spezifischere Prompts erzeugen bessere Ergebnisse.
• Beispiele nutzen: Dem Agent zeigen, wie guter Output aussieht.
• Scope definieren: Klar aussprechen, was der Agent tun und nicht tun soll.
• Iterativ testen: Prompts basierend auf Agent-Verhalten verfeinern.
• Versionskontrolle: Prompt-Änderungen im Repository nachverfolgen.

Detaillierte Anleitungen zum Erstellen von System-Prompts und Custom Agents finden sich in Teil 3: Agents verstehen.

Custom Agents und Flows

Es gibt viel zu lernen, und für einfacheres Lesen sind die Tutorials aufgeteilt:

Custom Agents:

• Lernen, wie Agents mit Custom System-Prompts erstellt, Tools konfiguriert und Berechtigungen verwaltet werden.
• Siehe Teil 3: Agents verstehen – Custom Agents-Abschnitt.

Custom Flows:

• Lernen, wie mehrstufige Workflows erstellt, Komponenten konfiguriert und eventgesteuerte Automatisierung eingerichtet wird.
• Siehe Teil 4: Flows verstehen – Custom Flows-Abschnitt.

Agent-Tools:

• Tools bestimmen, welche Aktionen Agents durchführen können. Tools basierend auf Agent-Zweck und Sicherheitsanforderungen konfigurieren.
• Siehe Teil 3: Agents verstehen für Tool-Konfigurationsdetails.

Schnellreferenz: Wann welche Anpassung nutzen

Was als Nächstes kommt

Herzlichen Glückwunsch! Die gesamte GitLab Duo Agent Platform-Serie ist abgeschlossen. Du verstehst jetzt:

• Wie Agents und Flows über den gesamten SDLC hinweg genutzt werden, angepasst an Use Cases
• Wie Lösungen im AI Catalog entdeckt und geteilt werden
• Wie KI-Workflows überwacht und verwaltet werden
• Wie Funktionen mit MCP-Integrationen erweitert werden
• Wie jeder Aspekt der GitLab Duo Agent Platform für das Team angepasst wird

Zur vollständigen Serienübersicht zurückkehren, um alle Teile zu überprüfen und spezifische Themen vertieft zu erkunden.

Ressourcen

• Custom Rules-Dokumentation
• AGENTS.md-Dokumentation
• Custom Review Instructions-Dokumentation
• Custom Agents-Dokumentation
• Custom Flows-Dokumentation
• MCP Clients-Dokumentation

Vorheriger Teil: Teil 7: Model Context Protocol-Integration

Zurück zum Start: Komplette Serienübersicht