LangChain-Agent für die Buchhaltung

Der Agent gehört Ihnen — die Bücher liegen bei uns

Die Rollenverteilung entscheidet über Sicherheit und Wartbarkeit.

Feste Werkzeugliste statt Datenbankzugriff

Der eigentliche Sicherheitsgewinn liegt darin, was Sie dem Agenten NICHT geben.

Ein LangChain-Agent ist nur so mächtig wie die Werkzeuge, die Sie ihm geben. Genau das ist hier der Vorteil: Sie registrieren eine überschaubare, feste Liste von Funktionen — Saldenliste lesen, offene Posten prüfen, Ausgangsrechnung buchen — und der Agent kann ausschließlich diese aufrufen. Es gibt keinen generischen Abfragezugang, den ein geschickt formulierter Prompt zweckentfremden könnte.

Die Rollen bleiben getrennt: Das Sprachmodell entscheidet, welches Werkzeug mit welchen Argumenten aufgerufen wird; Ihr Code setzt den Authorization-Header, prüft die Eingaben an der Systemgrenze und führt den REST-Aufruf aus. Der Bearer-Schlüssel bleibt in Ihrer Prozessumgebung — er gehört weder in den Prompt noch in den Modellkontext, sondern ausschließlich in Ihren Server-Code.

Ein Werkzeug in LangChain kapseln

Eine Funktion pro Endpunkt, als StructuredTool registriert — den Rest erledigt der Agent.

import os, requests
from langchain_core.tools import StructuredTool

BASE = "https://api.jahresabschluss.io/buchhaltung"
KEY  = os.environ["JAB_API_KEY"]        # beginnt mit jab_live_
HEADERS = {"Authorization": f"Bearer {KEY}"}

def saldenliste_holen(geschaeftsjahr: int) -> dict:
    """Liest die Saldenliste eines Geschaeftsjahres. Nur lesend."""
    r = requests.get(f"{BASE}/saldenliste",
                     params={"fiscal_year": geschaeftsjahr},
                     headers=HEADERS, timeout=30)
    r.raise_for_status()
    return r.json()

tools = [
    StructuredTool.from_function(
        func=saldenliste_holen,
        name="saldenliste_holen",
        description="Saldenliste eines Geschaeftsjahres lesen.",
    ),
    # ... weitere Endpunkte identisch als StructuredTool kapseln
]

# llm  = Ihr bevorzugtes Chat-Modell mit Tool-Calling
# agent = create_tool_calling_agent(llm, tools, prompt)
# Der Agent ruft nur diese Werkzeuge auf — kein DB-Zugriff, kein SQL.

Die 14 Werkzeuge, die Sie kapseln können

Dieselben vierzehn Funktionen, die auch der MCP-Server bereitstellt — zehn lesende, vier schreibende.

• Lesend (10): Stammdaten, Saldenliste, Buchungsjournal, offene Posten der Debitoren und der Kreditoren, Ein- und Ausgangsrechnungen, Bankumsätze, Kontenrahmen sowie BWA und Auswertungen.
• Schreibend (4, nur mit write-Scope): Buchungssatz anlegen, Storno buchen, Ausgangsrechnung erstellen und Belege erfassen.
• Vergeben Sie einen read-Schlüssel für reine Auswerte-Agenten — dann existieren die vier Schreib-Werkzeuge schlicht nicht, egal was der Agent versucht.
• Sie müssen nicht alle vierzehn anbieten: Kapseln Sie nur die Endpunkte, die Ihr Anwendungsfall wirklich braucht, und halten Sie die Werkzeugliste so klein wie möglich — jede nicht registrierte Funktion ist eine, die der Agent nicht aufrufen kann.

MCP als Abkürzung — die 14 Werkzeuge ohne eigenen Wrapper

Wenn Sie sich das Kapseln sparen möchten, gibt es einen zweiten Weg.

LangChain lässt sich über die MCP-Adapter direkt an den gehosteten MCP-Server andocken und bekommt so alle vierzehn Werkzeuge fertig benannt und typisiert geliefert. Gleicher Schlüssel, gleiche Scopes, gleiche GoBD-Regeln — nur ohne dass Sie jede Funktion selbst schreiben. Für einen Prototyp ist das oft der schnellste Einstieg; für feingranulare Kontrolle über Validierung und Fehlerbehandlung bleiben eigene StructuredTools die flexiblere Variante.

Ein lokales npm-Paket (@jahresabschluss/buchhaltung-mcp) ist geplant, aber noch nicht veröffentlicht. Nutzen Sie deshalb zunächst die gehostete URL-Variante als verlässlichen Weg — sie ist sofort einsatzbereit, und Sie hinterlegen lediglich Adresse und Bearer-Schlüssel.

GoBD bleibt erzwungen — auch für den Agenten

Der Buchungskern ist der Torwächter, nicht der Prompt.

Jeder schreibende Aufruf läuft durch denselben Buchungskern wie eine Eingabe in der Software: append-only, Festschreibung, Storno statt Löschen, Soll gleich Haben. Diese Regeln liegen serverseitig — ein LangChain-Agent kann sie nicht überreden, egal wie der Prompt formuliert ist, und ein read-Schlüssel verändert ohnehin nichts.

Behandeln Sie den Agenten dennoch wie einen Sachbearbeiter mit Vollmacht: Prüfen Sie Beträge, Konten und Steuersätze in Ihrem Code, bevor ein Schreib-Werkzeug feuert. Der Agent schlägt vor — Ihr Programm entscheidet, ob und wie gebucht wird. So bleibt die Verantwortung dort, wo sie hingehört.

Häufige Fragen

Brauche ich Python für den LangChain-Agenten?

LangChain ist am ausgereiftesten in Python, und die gezeigten StructuredTools sind in wenigen Zeilen geschrieben. Es gibt auch eine JavaScript/TypeScript-Variante von LangChain — das Prinzip bleibt identisch: eine Funktion pro Endpunkt, die den Bearer-Schlüssel setzt und den REST-Aufruf ausführt. Welche Sprache Sie wählen, ist Ihre Entscheidung; unsere API ist reines HTTP und an kein Framework gebunden.

Sieht das Modell meinen jab_live_-Schlüssel?

Nein, wenn Sie sauber bauen. Der Schlüssel liegt in Ihrer Prozessumgebung und wird ausschließlich beim REST-Aufruf in den Authorization-Header gesetzt. Das Modell nennt nur den Werkzeug-Namen und die Argumente; den Header setzt Ihr Python-Code. Der Schlüssel gehört nie in den Prompt oder in den Modellkontext.

Muss ich jedes der 14 Werkzeuge selbst schreiben?

Nein. Sie können jeden Endpunkt als eigenes StructuredTool kapseln — das gibt maximale Kontrolle über Validierung und Fehlermeldungen. Alternativ docken Sie LangChain über die MCP-Adapter an den gehosteten MCP-Server an und erhalten alle vierzehn Werkzeuge fertig. Beide Wege nutzen denselben Schlüssel, dieselben Scopes und dieselben GoBD-Regeln.

Kann der Agent versehentlich löschen oder in einer fremden Firma buchen?

Nein. Buchungen sind append-only und werden festgeschrieben; korrigiert wird nur per Storno, nie durch Löschen. Und die Gesellschaft wird aus dem Schlüssel abgeleitet, nicht als Parameter übergeben — ein Schlüssel bedient genau eine Firma. Mit einem read-Scope kann der Agent zudem gar nicht schreiben.

Kann der LangChain-Agent meinen Jahresabschluss oder die E-Bilanz erstellen?

Nein. Die API ist auf die Buchhaltung begrenzt: Sie liefert Buchhaltungsdaten und bucht Belege. Sie erstellt oder übermittelt keinen Jahresabschluss, keine E-Bilanz und keine Steuererklärung. Der Agent kann höchstens die Zahlen vorbereiten, die Sie anschließend in der App — mit ihren Prüfungen — zum Abschluss überführen.