Die durch einen KI-Agenten wahrgenommene Umwelt kann sowohl die digitale Umwelt sein als auch die reale. Um die digitale Umwelt wahrzunehmen, benötigt ein KI-System Schnittstellen, z. B. zu anderen IT-Systemen. Um die reale Welt wahrzunehmen, benötigt es z. B. Sensorik, bzw. Schnittstellen zu Sensorik und den Sensordaten. Außerdem dazu zählen Human-Machine-Interfaces (HMI) bzw. User-Interfaces (UI) zu Menschen bzw. zu deren Eingaben.

Bei einem agentischen KI-System äußert sich Adaptionsfähigkeit darin, dass ein vorgegebenes Ziel auf unterschiedlichen Wegen erreicht werden kann, und der Agent selbstständig über den Weg bzw. Workflow entscheiden kann. Die Zielvorgabe kann durch die Programmierung des Agenten bereits vorgegeben sein oder auf Basis der Wahrnehmung der Umwelt – also z. B. durch die Zielspezifikation eines Nutzers in der Interaktion mit dem Agenten – erfolgen. Auch hier würden Umwelteinflüsse berücksichtigt. Sie wären aber nicht die einzige Stellschraube. Der Agent könnte, je nach Input, auch seinen Workflow – bzw. im Falle von Multiagentensystemen – die Orchestration weiterer Agenten und/oder die Steuerung von deren Workflows verändern.

Moderne KI-Chatbots wie ChatGPT agieren zunächst einmal reaktiv. Wir geben ihnen einen Input und sie geben uns eine Antwort bzw. Reaktion. Im Gegensatz dazu können KI-Agenten aber auch selbstständiger handeln.

Ein KI-Chatbot interagiert mit Menschen, indem er den Prompt seines Nutzers verarbeitet. Agentisch wird ein System durch das selbständige Stellen von Rückfragen, durch die Eröffnung der Kommunikation mit anderen Menschen oder durch angemessene selbständige Reaktionen auf die Interventionen durch den Nutzer.

Bei der Interaktion mit anderen Agenten lassen sich folgende Stufen unterscheiden: keine Interaktion, Interaktion mit gleichartigen Agenten über proprietäre Schnittstellen, oder Interaktion mit beliebigen Agenten über Standardprotokolle oder über menschliche Sprache.

Während ein nicht-agentisches KI-System keine Interaktion mit seiner physischen oder digitalen Umwelt eingeht, können agentische KI-Systeme mit ihrer Umwelt interagieren und ggf. auch Veränderungen an dieser vornehmen. Unterschieden werden kann hierbei, ob die Interaktion reversibel ist oder nicht.

Die Lernfähigkeit als Charakteristik agentischen Verhaltens setzt voraus, dass ein System über ein Gedächtnis verfügt. Hierbei kann man das Kurzzeitgedächtnis und das Langzeitgedächtnis unterscheiden. Darüber hinaus wird das Verhalten eines KI-Systems noch agentischer, wenn das System aus den Inputs der Vergangenheit Schlüsse ziehen und lernen kann – oder im Extremfall sogar sein eigenes Modell nachtrainieren kann.

Die Agentizität eines KI-Systems zeigt sich unter anderem darin, wie komplex die Aufgaben sind, die es bewältigen kann. Ein nicht-agentisches System wäre nur in der Lage zu berichten, könnte aber selbst nicht handeln. Je mehr das System in der Lage ist, Werkzeuge zu nutzen, um damit Aktionen auszuführen und auf diese Weise seine Umwelt zu verändern, und je schwieriger diese Aufgaben sind, umso agentischer verhält es sich. Da kein einheitlicher Benchmark etabliert ist, empfiehlt die Studie den GAIA Benchmark for General AI Assistants als möglichen Referenzwert. Dieser misst die Fähigkeit von KI-Systemen komplexe, mehrstufige Aufgaben zu lösen.