Symfony AI: KI-Integration in PHP-Anwendungen mit Platform, Agent und Store Components

„Wir brauchen KI-Features in unserer PHP-Anwendung – aber ohne Python-Microservices.“ Genau diesen Satz hören wir bei Never Code Alone immer häufiger in Beratungsgesprächen. Die gute Nachricht: Mit der Symfony AI Initiative gibt es endlich eine native Lösung für das PHP-Ökosystem.

Mit über 15 Jahren Erfahrung in Softwarequalität, Open Source und Remote Consulting haben wir bei Never Code Alone die neue Symfony AI Initiative genau unter die Lupe genommen. In diesem Artikel zeigen wir euch, wie ihr Large Language Models direkt in eure Symfony-Projekte integriert – ohne Umwege über andere Programmiersprachen.

Was ist Symfony AI und warum solltet ihr es kennen?

Im Juli 2025 hat Fabien Potencier die Symfony AI Initiative offiziell vorgestellt. Das Projekt bringt eine umfassende Sammlung von Components und Bundles, die KI-Fähigkeiten direkt in PHP-Anwendungen ermöglichen. Anders als bisherige Lösungen ist Symfony AI kein Wrapper um externe Services, sondern eine vollständig in das Symfony-Ökosystem integrierte Lösung.

Die Initiative lebt im separaten Mono-Repository symfony/ai und folgt dem gleichen Ansatz wie die erfolgreiche Symfony UX Initiative. Dieser modulare Aufbau ermöglicht schnelle Updates und flexible Entwicklung – wichtig in einem Bereich, der sich so rasant entwickelt wie KI.

Welche Provider unterstützt Symfony AI aktuell?

Eine der häufigsten Fragen, die uns Developer stellen: Mit welchen KI-Anbietern kann ich arbeiten? Die Platform Component bietet eine einheitliche Schnittstelle zu allen großen Providern. Ihr könnt zwischen OpenAI, Anthropic Claude, Google Gemini, Azure OpenAI, AWS Bedrock, Mistral und Ollama wechseln – ohne euren Anwendungscode anzupassen.

use SymfonyAIPlatformBridgeOpenAiPlatformFactory;

$platform = PlatformFactory::create($_ENV['OPENAI_API_KEY']);
$result = $platform->invoke('gpt-4o-mini', new MessageBag(
    Message::ofUser('Was ist die Hauptstadt von Deutschland?')
));

Der entscheidende Vorteil: Schreibt euren Code einmal und wechselt den Provider nach Bedarf. Ob ihr auf günstigere Modelle umsteigen wollt, datenschutzkritische Anforderungen habt oder einfach neue Modelle testen möchtet – der Wechsel ist trivial.

Die vier Kernkomponenten von Symfony AI

Symfony AI besteht aus vier Hauptkomponenten, die einzeln oder zusammen verwendet werden können:

Platform Component: Die Basis für alle KI-Interaktionen. Diese Komponente abstrahiert die Kommunikation mit verschiedenen KI-Providern und bietet Features wie Streaming, Multi-Modal-Support für Bilder und Audio sowie strukturierte Ausgaben.

Agent Component: Ein Framework für KI-Agenten, die mit Benutzern interagieren, Tools aufrufen und komplexe mehrstufige Aufgaben ausführen können. Perfekt für Chatbots, automatisierte Workflows und intelligente Assistenten.

Store Component: Datenspeicher-Abstraktion mit Indexierung und Retrieval für KI-Anwendungen. Ideal für RAG-Patterns (Retrieval-Augmented Generation) und semantische Suche.

Chat Component: Eine einheitliche Schnittstelle zum Senden von Nachrichten an Agenten und Speichern von Langzeit-Kontext.

Wie installiere ich Symfony AI in meinem bestehenden Projekt?

Die Installation erfolgt wie gewohnt über Composer. Das AI Bundle integriert alle Komponenten nahtlos in eure Symfony-Anwendung:

composer require symfony/ai-bundle

Die Konfiguration erfolgt über YAML:

# config/packages/ai.yaml
ai:
    platform:
        openai:
            api_key: '%env(OPENAI_API_KEY)%'
    agent:
        default:
            model: 'gpt-4o-mini'

Ein wichtiger Hinweis: Die Symfony AI Components sind noch experimentell und nicht von Symfonys Backward Compatibility Promise abgedeckt. Für Produktionsprojekte empfehlen wir, den Entwicklungsstand genau zu beobachten und bei kritischen Anwendungen zunächst mit Proof-of-Concept-Projekten zu starten.

Tool Calling: Wenn der KI-Agent eure Services nutzt

Eine der mächtigsten Funktionen von Symfony AI ist Tool Calling. Damit können KI-Agenten eure bestehenden PHP-Services aufrufen – ob Datenbankabfragen, API-Calls oder Business-Logik.

Wie erstelle ich eigene Tools für den KI-Agenten?

Tools werden als normale PHP-Klassen definiert und mit dem #[AsTool]-Attribut markiert:

use SymfonyAIToolboxAttributeAsTool;

#[AsTool('weather_current', 'Get current weather for a location')]
final readonly class WeatherTool
{
    public function __invoke(float $latitude, float $longitude): array
    {
        // Eure Wetter-API-Integration
        return [
            'temperature' => 22.5,
            'condition' => 'sunny'
        ];
    }
}

Symfony AI generiert automatisch ein JSON-Schema für alle Tools basierend auf dem Attribut, den Methodenargumenten und den PHPDoc-Kommentaren. Die KI entscheidet dann selbstständig, wann welches Tool aufgerufen werden soll.

Für Projekte mit bestehender Business-Logik ist das ein enormer Vorteil: Ihr könnt eure existierenden Services dem KI-Agenten zugänglich machen, ohne sie neu zu schreiben.

RAG-Implementierung: Wenn KI auf eure Daten zugreift

Retrieval-Augmented Generation kombiniert die Stärke von Vektorssuche mit Sprachmodellen. Statt sich nur auf die Trainingsdaten des Modells zu verlassen, findet ein RAG-System relevante Informationen in eurer eigenen Datenbasis.

Welche Vector Stores werden unterstützt?

Die Store Component unterstützt eine breite Palette von Vektor-Datenbanken: ChromaDB, Pinecone, Weaviate, MongoDB Atlas, PostgreSQL mit pgvector, Qdrant, Redis und Elasticsearch. Für Entwicklung und Tests gibt es zusätzlich einen InMemory-Store.

use SymfonyAIStoreBridgeChromaDBChromaStore;

$store = new ChromaStore(
    $httpClient,
    'http://localhost:8000',
    'my_collection'
);

Ein typischer RAG-Workflow sieht so aus: Dokumente werden in Chunks aufgeteilt, in Vektor-Embeddings umgewandelt und im Store gespeichert. Bei einer Anfrage wird das relevanteste Dokument gefunden und als Kontext an das Sprachmodell übergeben.

Kann ich lokale KI-Modelle mit Symfony AI verwenden?

Ja, und das ist besonders interessant für datenschutzsensible Projekte. Über Ollama könnt ihr Modelle wie Llama, Mistral oder Qwen lokal auf eurer eigenen Infrastruktur betreiben. Die Konfiguration unterscheidet sich kaum von Cloud-Providern:

ai:
    platform:
        ollama:
            base_url: 'http://localhost:11434'
            api_catalog: true

Mit dem api_catalog: true könnt ihr auch Custom Models nutzen, die ihr selbst über Modelfile erstellt habt. Das eröffnet Möglichkeiten für domain-spezifische Fine-Tuning-Szenarien.

Multimodale Verarbeitung: Mehr als nur Text

Moderne KI-Modelle können weit mehr als Textverarbeitung. Symfony AI unterstützt die Verarbeitung von Bildern und Audio direkt in euren PHP-Anwendungen.

use SymfonyAIPlatformMessageContentImage;
use SymfonyAIPlatformMessageMessage;
use SymfonyAIPlatformMessageMessageBag;

$messages = new MessageBag(
    Message::forSystem('You are an image analyzer bot.'),
    Message::ofUser(
        'Describe this image',
        Image::fromFile('/path/to/image.jpg'),
    ),
);

Das eröffnet Use Cases wie automatische Bildbeschreibungen für Accessibility, Dokumentenanalyse, Content-Moderation oder visuelle Qualitätskontrolle.

Wie funktioniert Streaming mit Symfony AI?

Da LLMs ihre Antworten Wort für Wort generieren, unterstützen die meisten Modelle Streaming über Server-Sent Events. Symfony AI abstrahiert diese Funktionalität elegant:

$result = $agent->call($messages, [
    'stream' => true,
]);

foreach ($result->getContent() as $word) {
    echo $word;
}

Für Web-Anwendungen benötigt ihr zusätzlich eine Echtzeit-Schicht wie Mercure. In Kombination mit Symfony UX Live Components entstehen so reaktive Chat-Interfaces, die den Nutzer nicht auf die komplette Antwort warten lassen.

Migration von PHP-LLM zu Symfony AI

Viele PHP-Entwickler haben bereits mit der php-llm/llm-chain Library gearbeitet. Die gute Nachricht: Die Symfony AI Components sind direkt aus diesem Projekt hervorgegangen. Die Migration ist entsprechend unkompliziert.

Was passiert mit meinem bestehenden PHP-LLM-Code?

Die PHP-LLM-Pakete werden zugunsten von Symfony AI deprecated. Die API-Konzepte bleiben aber weitgehend gleich, sodass die Migration meist auf Namespace-Änderungen und Konfigurationsanpassungen beschränkt bleibt.

Die wichtigsten Änderungen:

• Namespace wechselt von PhpLlmLlmChain zu SymfonyAI
• Die Bundle-Konfiguration folgt Symfony-Konventionen
• Dependency Injection ist vollständig in das Symfony-Ecosystem integriert

Für Teams, die jetzt erst mit KI-Integration starten, empfehlen wir direkt Symfony AI zu verwenden. Bestehende PHP-LLM-Projekte können schrittweise migriert werden.

Testing: KI-Agenten zuverlässig testen

Ein oft unterschätzter Aspekt bei KI-Integrationen ist das Testing. Wie testet ihr Code, der externe KI-APIs aufruft? Symfony AI bietet hier eine elegante Lösung mit dem MockAgent:

use SymfonyAIAgentMockAgent;

$agent = new MockAgent([
    'What is Symfony?' => 'Symfony is a PHP web framework',
    'Tell me about caching' => 'Symfony provides powerful caching',
]);

$result = $agent->call($messages);
$agent->assertCallCount(1);
$agent->assertCalledWith('What is Symfony?');

Das MockAgent-Pattern ermöglicht Unit-Tests ohne externe API-Calls und macht eure Test-Suite schnell und zuverlässig.

Wie gehe ich mit KI-Fehlern und Timeouts um?

Die FaultTolerantToolbox ist ein Decorator, der Fehler beim Tool Calling graceful behandelt. Statt Exceptions zu werfen, werden lesbare Fehlermeldungen an das LLM zurückgegeben, das dann entsprechend reagieren kann.

Für produktionskritische Anwendungen empfehlen wir zusätzlich: Retry-Strategien mit exponential Backoff, Circuit Breaker für wiederholte Fehler, Logging aller KI-Interaktionen für Debugging und klare Fallback-Strategien, wenn der KI-Service nicht verfügbar ist.

Model Context Protocol (MCP): Der neue Standard für KI-Kommunikation

Das Model Context Protocol ist ein aufkommender Industriestandard für die Kommunikation zwischen KI-Systemen. Mit dem MCP Bundle kann eure Symfony-Anwendung als MCP-Server oder -Client agieren.

# config/packages/mcp.yaml
mcp:
    app: 'my-app'
    version: '1.0.0'
    client_transports:
        stdio: true
        sse: true

Das eröffnet Möglichkeiten für verteilte KI-Systeme, bei denen spezialisierte Agenten miteinander kommunizieren. Denkt an MCP wie HTTP für KI-Kollaboration.

Praktische Use Cases für bestehende Symfony-Anwendungen

Die Theorie ist interessant, aber wie setzt ihr Symfony AI konkret ein? Hier sind bewährte Anwendungsfälle aus unserer Consulting-Praxis:

Intelligente Suchfunktionen: Ersetzt die klassische Volltextsuche durch semantische Suche. Nutzer finden Produkte, Artikel oder Dokumente auch mit umgangssprachlichen Anfragen.

Automatisierte Content-Erstellung: Generiert Produktbeschreibungen, Meta-Tags oder Newsletter-Zusammenfassungen basierend auf euren Stammdaten.

Support-Chatbots: Kombiniert RAG mit eurer Wissensbasis für Chatbots, die tatsächlich hilfreiche Antworten geben – trainiert auf eurer Dokumentation.

Datenextraktion: Extrahiert strukturierte Informationen aus unstrukturierten Quellen wie E-Mails, PDFs oder Formularen.

Code-Assistenten: Interne Tools, die Entwicklern bei repetitiven Aufgaben helfen – von Dokumentation bis Code-Review.

Wie hoch sind die API-Kosten bei typischen Anwendungen?

Die Kosten variieren stark je nach Use Case und gewähltem Provider. Für eine grobe Orientierung: OpenAI GPT-4o-mini kostet etwa $0.15 pro Million Input-Tokens und $0.60 pro Million Output-Tokens. Ein durchschnittlicher Chatbot-Dialog liegt bei wenigen Cent.

Für kostensensitive Projekte empfehlen wir: lokale Modelle über Ollama für Development und Testing, günstigere Modelle für einfache Aufgaben, Caching von häufigen Anfragen und klare Token-Limits in der Konfiguration.

Die Community wächst: Hackathons und Contributions

Die Symfony AI Community ist aktiv und wachsend. Mit über 500 GitHub-Stars und mehr als 200 Pull Requests und Issues in den ersten Monaten zeigt sich das Interesse der PHP-Entwickler. Symfony organisiert regelmäßig Hackathons – sowohl online als auch vor Ort – um das Ökosystem gemeinsam aufzubauen.

Als Open-Source-Projekt lebt Symfony AI von Contributions. Ob ihr neue Provider-Bridges implementiert, Dokumentation verbessert oder Bugs reportet – jeder Beitrag zählt.

Fazit: PHP ist bereit für das KI-Zeitalter

Mit Symfony AI haben PHP-Entwickler endlich ein natives Werkzeug, um moderne KI-Features direkt in ihre Anwendungen zu integrieren. Keine Python-Microservices, keine komplexen Infrastruktur-Setups – nur saubere Symfony-Komponenten, die sich wie gewohnt über Dependency Injection nutzen lassen.

Auch wenn die Components noch experimentell sind, zeigt die Architektur das Potenzial für die Zukunft. Die Platform-Abstraktion macht Provider-Wechsel trivial, die Agent-Komponente ermöglicht komplexe Workflows und die Store-Integration bringt RAG-Patterns ins PHP-Ökosystem.

Direkte Unterstützung für euer Team

Ihr plant die Integration von Symfony AI in euer Projekt? Oder habt Fragen zur Architektur eurer KI-Features? Mit über 15 Jahren Erfahrung in Softwarequalität und Remote Consulting unterstützen wir euch gerne dabei.

Ob Proof-of-Concept, Architektur-Review oder hands-on Implementierung – wir helfen euch, das Potenzial von Symfony AI für eure Anwendung zu nutzen. Keine theoretischen Konzepte, sondern praktische Lösungen, die funktionieren.

Kontakt: roland@nevercodealone.de

Gemeinsam machen wir eure PHP-Anwendungen fit für das KI-Zeitalter – mit der Qualität und Zuverlässigkeit, die ihr von Symfony kennt.

Never Code Alone – Gemeinsam für bessere Software-Qualität!