Wat is een AI-agent? Een begrijpelijke uitleg

Een AI-agent is een AI-model dat acties kan ondernemen om een doel te bereiken, en niet alleen tekst als antwoord geeft. Je geeft het een taak, en het werkt in een lus: bepalen wat de volgende stap is, een tool gebruiken (een bestand bewerken, het web doorzoeken, een commando uitvoeren, een app aanroepen), het resultaat bekijken en opnieuw beslissen — tot de taak klaar is of het jouw invoer nodig heeft. Het ‘brein’ is meestal een groot taalmodel; de tools zijn wat het laat handelen.

Waarom het ertoe doet als je met AI bouwt

Moderne AI-app-builders zijn agents. Als je om een functie vraagt, schrijft de agent niet alleen code en geeft die aan jou. Hij leest je bestaande bestanden, maakt wijzigingen, installeert pakketten, start de app, leest de foutmeldingen en repareert ze — vaak in vele stappen, zonder dat jij elke stap volgt.

Daarom kunnen ze werkende software bouwen in plaats van fragmenten. Het verandert ook jouw rol. Je plakt niet meer code; je beheert een zeer snelle, capabele assistent die soms instructies verkeerd leest of met veel zekerheid een verkeerde afslag neemt. Als je weet hoe agents werken, kun je ze de juiste doelen geven, zien wanneer er in cirkels wordt gedraaid, en bepalen waar je zelf wilt goedkeuren.

Een alledaagse vergelijking

Vergelijk het vragen van de weg aan een vriend met het inhuren van een koerier.

De weg vragen is een chatbot: jij vraagt, hij vertelt, jij loopt. Als de weg is afgesloten, kom je terug en vraag je opnieuw.

Een koerier is een agent. Je zegt ‘breng dit pakket vóór vijf uur naar dit adres’. Hij kiest een route, ziet de afsluiting, neemt een omweg, vindt de zijdeur van het gebouw en meldt ‘bezorgd, getekend door de receptie’. Jij stelt het doel en de grenzen — ‘geef niet meer dan €20 uit aan de taxi’ — en hij regelt de stappen.

Koeriers zijn alleen zo goed als de opdracht en de grenzen die je stelt. Agents ook.

Hoe een agent werkt

De meeste agents volgen dezelfde basislus:

1. Doel. Je beschrijft wat je wilt: ‘Voeg een contactformulier toe dat inzendingen naar mijn mail stuurt.’
2. Plan. Het model bepaalt een volgende stap: ‘Kijk eerst hoe de site is opgebouwd.’
3. Handelen. Het roept een tool aan: de bestanden tonen, de homepage lezen.
4. Waarnemen. Het leest het resultaat van de tool.
5. Herhalen. Op basis van wat het zag, kiest het de volgende stap: het formulier maken, de servercode toevoegen, de app draaien, op fouten controleren.
6. Klaar of vragen. Als het doel is bereikt, meldt het dat. Als het vastloopt of twijfelt, vraagt het jou.

Rond die lus zitten nog een paar onderdelen:

Tools zijn het kernidee. Een model op zichzelf kan alleen tekst produceren. Tools maken van die tekst handelingen — en standaarden zoals MCP maken het makkelijker om nieuwe tools op een agent aan te sluiten.

Een uitgewerkt voorbeeld: een kapot inschrijfformulier repareren

Stel dat het wachtlijstformulier op je gepubliceerde site geen e-mailadressen meer opslaat, en je vraagt je AI-builder: ‘Het wachtlijstformulier slaat niets meer op. Repareer het.’

Een typische agentrun ziet er zo uit:

1. Leest de formuliercomponent en de servercode die inzendingen verwerkt.
2. Draait de app en dient een testmailadres in.
3. Leest de fout: de server meldt dat een databasekolom die email_address heet niet bestaat.
4. Kijkt naar de databasestructuur: de kolom heet eigenlijk email. Een recente wijziging heeft de naam op de ene plek aangepast, maar niet op de andere.
5. Bewerkt de servercode zodat de juiste kolomnaam wordt gebruikt.
6. Test opnieuw: dient een testmailadres in en controleert of er een nieuwe rij verschijnt.
7. Meldt: ‘Het formulier schreef naar een kolom die na de wijziging van gisteren niet meer bestaat. Ik heb de servercode aangepast en bevestigd dat een testinschrijving wordt opgeslagen.’

Jij gaf één opdracht; de agent zette zeven stappen, waaronder twee tests. Dat is de kracht. Het risico is dezelfde zaak van de andere kant gezien: als de agent had besloten de databasekolom te hernoemen, had hij iets anders kunnen breken, en had jij dat misschien niet gemerkt tenzij je zijn samenvatting las.

Begrippen uitgelegd

Veelvoorkomende fouten en misverstanden

• ‘Agents zijn volledig zelfstandig.’ Agents van vandaag werken het best bij goed afgebakende taken met duidelijke doelen. Vage, open doelen (‘laat mijn bedrijf groeien’) leveren bezigheidswerk op.
• ‘Hij zei dat hij klaar is, dus hij is klaar.’ Agents melden soms succes na gedeeltelijk werk. Controleer het resultaat zelf, vooral bij alles wat geld, data of gebruikers raakt. Zie hoe je door AI gegenereerde code controleert.
• Te veel rechten geven. Een agent die e-mails kan sturen, data kan verwijderen en geld kan uitgeven, heeft strakke grenzen nodig en jouw goedkeuring voor riskante acties.
• Hem laten lussen. Als een agent steeds dezelfde oplossing probeert, stop hem en geef hem meer informatie of een andere aanpak.
• Vertrouwen op inhoud die hij leest. Agents die webpagina’s of e-mails lezen, kunnen worden misleid door tekst die is geschreven om ze te manipuleren (prompt-injectie). Let op wat een agent kan doen nadat hij onbetrouwbare inhoud heeft gelezen.
• Enorme enkele verzoeken. Grote taken zijn betrouwbaarder als ze in fasen worden gesplitst die je kunt controleren.

Wat je aan je AI-builder kunt vragen

• “Maak eerst een plan. Vertel me de stappen voordat je iets verandert.”
• “Wijzig alleen bestanden die met het boekingsformulier te maken hebben.”
• “Test het na de wijziging en vertel me precies hoe je het hebt gecontroleerd.”
• “Als je de databasestructuur moet veranderen, vraag het me eerst.”
• “Vat samen wat je hebt gewijzigd en wat je niet zeker weet.”
• “Stop en vraag het als dezelfde oplossing twee keer mislukt.”

Voor het schrijven van duidelijkere instructies, zie wat prompt engineering is.

AI-agents in Mythex

Mythex is gebouwd rond een agent. In de privé cloudsandbox van je project kan hij bestanden maken en bewerken, pakketten installeren, terminalcommando’s uitvoeren, fouten onderzoeken en itereren, en tools uit verbonden apps gebruiken. Voor complexe klussen kan hij sub-agents starten, wiens werk je kunt openen en volgen. De modus Plan laat hem een aanpak voorstellen zonder te bewerken, de modus Vragen beantwoordt vragen zonder bestanden te wijzigen, en checkpoints laten je terugdraaien als een wijziging misgaat. Het werkt ook andersom: agents zoals Claude, Cursor of Codex kunnen via de MCP-server in Mythex bouwen.

Veelgestelde vragen