Hva er en AI-agent? En forklaring med enkle ord

En AI-agent er en AI-modell som kan utføre handlinger for å nå et mål, ikke bare svare med tekst. Du gir den en oppgave, og den jobber i en løkke: bestemmer hva som skal gjøres neste, bruker et verktøy (redigere en fil, søke på nettet, kjøre en kommando, kalle en app), ser på resultatet, og bestemmer på nytt — til oppgaven er ferdig eller den trenger input fra deg. «Hjernen» er vanligvis en stor språkmodell; verktøyene er det som lar den gjøre ting.

Hvorfor det betyr noe når du bygger med AI

Moderne AI-app-byggere er agenter. Når du ber om en funksjon, skriver ikke agenten bare kode og overleverer den til deg. Den leser de eksisterende filene dine, gjør endringer, installerer pakker, starter appen, leser feilmeldingene og fikser dem — ofte over mange steg uten at du ser på hvert enkelt.

Derfor kan de bygge fungerende programvare og ikke bare kodebiter. Det endrer også rollen din. Du kopierer og limer ikke lenger inn kode; du leder en svært rask, kapabel assistent som av og til misforstår instruksjoner eller selvsikkert tar en feil vei. Å kjenne til hvordan agenter fungerer, hjelper deg med å gi dem de riktige målene, å oppdage når en går i ring, og å bestemme hvor du vil godkjenne ting selv.

En hverdagslig sammenligning

Sammenlign det å spørre en venn om veien med å leie en kurer.

Å spørre om veien er en chatbot: du spør, de forteller deg, og du går. Hvis veien er stengt, kommer du tilbake og spør på nytt.

En kurer er en agent. Du sier «få denne pakken til denne adressen før klokken 17». De velger en rute, legger merke til at veien er stengt, tar en omvei, finner sideinngangen til bygget, og rapporterer tilbake «levert, signert av resepsjonen». Du setter målet og grensene — «ikke bruk mer enn 200 kroner på drosjen» — og de tar seg av stegene.

Kurerer er bare så gode som oppdraget og grensene du setter. Det samme gjelder agenter.

Slik fungerer en agent

De fleste agenter følger den samme grunnleggende løkken:

1. Mål. Du beskriver hva du vil ha: «Legg til et kontaktskjema som sender meg innsendinger på e-post.»
2. Planlegg. Modellen bestemmer et neste steg: «Først ser jeg på hvordan nettstedet er bygget.»
3. Handle. Den kaller et verktøy: liste filene, lese forsiden.
4. Observer. Den leser verktøyets resultat.
5. Gjenta. Basert på det den så, velger den neste steg: lage skjemaet, legge til serverkoden, kjøre appen, sjekke etter feil.
6. Fullfør eller spør. Når målet er nådd, rapporterer den tilbake. Hvis den er blokkert eller usikker, spør den deg.

Rundt løkken sitter noen flere deler:

Verktøy er nøkkelideen. En modell alene kan bare produsere tekst. Verktøy gjør den teksten om til handlinger — og standarder som MCP gjør det enklere å koble nye verktøy til en agent.

Et eksempel: å fikse et ødelagt påmeldingsskjema

Anta at ventelistskjemaet på det publiserte nettstedet ditt sluttet å lagre e-poster, og du sier til AI-byggeren din: «Ventelistskjemaet lagrer ikke noe lenger. Fiks det.»

En typisk agentkjøring kan se slik ut:

1. Leser skjemakomponenten og serverkoden som håndterer innsendinger.
2. Kjører appen og sender inn en testepost.
3. Leser feilen: serveren sier at en databasekolonne som heter email_address ikke finnes.
4. Ser på databasestrukturen: kolonnen heter faktisk email. En nylig endring ga den nytt navn ett sted, men ikke det andre.
5. Redigerer serverkoden slik at den bruker riktig kolonnenavn.
6. Tester på nytt: sender inn en testepost, bekrefter at en ny rad dukker opp.
7. Rapporterer: «Skjemaet skrev til en kolonne som ikke finnes lenger etter gårsdagens endring. Jeg oppdaterte serverkoden og bekreftet at en testpåmelding lagres.»

Du ga én instruksjon; agenten tok syv steg, inkludert to tester. Det er kraften. Risikoen er den samme sett fra den andre siden: hvis agenten i stedet hadde bestemt seg for å gi databasekolonnen nytt navn, kunne den ha ødelagt noe annet, og du hadde kanskje ikke lagt merke til det uten å lese oppsummeringen.

Viktige begreper forklart

Vanlige feil og misforståelser

• «Agenter er fullt uavhengige.» Dagens agenter fungerer best på veldefinerte oppgaver med klare mål. Vage, åpne mål («få virksomheten min til å vokse») gir mye unyttig arbeid.
• «Den sa at den er ferdig, så den er ferdig.» Agenter rapporterer noen ganger suksess etter delvis arbeid. Sjekk resultatet selv, spesielt alt som berører penger, data eller brukere. Se hvordan du gjennomgår AI-generert kode.
• Å gi for mange tillatelser. En agent som kan sende e-post, slette data og bruke penger trenger stramme grenser og din godkjenning for risikable handlinger.
• Å la den gå i løkke. Hvis en agent gjentatte ganger prøver samme løsning, stopp den, og gi den mer informasjon eller en annen tilnærming.
• Å stole på innhold den leser. Agenter som leser nettsider eller e-post kan lures av tekst skrevet for å manipulere dem (prompt-injeksjon). Vær forsiktig med hva en agent kan gjøre etter å ha lest upålitelig innhold.
• Store enkeltforespørsler. Store oppgaver blir mer pålitelige når de deles i steg du kan sjekke.

Hva du skal be AI-byggeren om

• «Planlegg dette først. Fortell meg stegene før du endrer noe.»
• «Endre bare filer som har med bookingskjemaet å gjøre.»
• «Etter endringen, test den og fortell meg nøyaktig hvordan du sjekket.»
• «Hvis du må endre databasestrukturen, spør meg først.»
• «Oppsummer hva du endret, og alt du er usikker på.»
• «Stopp og spør hvis den samme løsningen feiler to ganger.»

For å skrive tydeligere instruksjoner, se hva prompt engineering er.

AI-agenter i Mythex

Mythex er bygget rundt en agent. I prosjektets private skysandkasse kan den opprette og redigere filer, installere pakker, kjøre terminalkommandoer, undersøke feil og iterere, og bruke verktøy fra tilkoblede apper. For komplekse jobber kan den starte underagenter, hvis arbeid du kan åpne og følge med på. Planmodus lar den foreslå en tilnærming uten å redigere, Spørmodus svarer uten å endre filer, og sjekkpunkter lar deg rulle tilbake hvis en endring går galt. Det fungerer også motsatt: agenter som Claude, Cursor eller Codex kan bygge i Mythex gjennom dens MCP-server.

Spørsmål