Agent

Een agent is een AI die niet een keer antwoordt en dan stopt, maar die zelfstandig meerdere stappen neemt om een taak af te maken. In plaats van "vertel me de weersvoorspelling", zeg je "boek een vlucht voor volgende week als het goed weer is op de bestemming, anders de week erna".

Een agent pakt zo'n complexe taak en breekt hem zelf af in sub-acties: weer checken, vluchten zoeken, prijzen vergelijken, beslissen, boeken. Tussendoor kan hij tools gebruiken (websites bezoeken, APIs aanroepen, code uitvoeren) en op basis van wat hij vindt zijn plan aanpassen.

Hoe een agent werkt

De meeste agents werken volgens het ReAct-patroon (Reasoning + Acting), gepubliceerd in een paper uit 2022:

1. Denk: wat is mijn volgende stap?
2. Handel: gebruik een tool (zoek, reken, open een bestand, vraag door)
3. Observeer: wat is het resultaat?
4. Herhaal totdat de taak klaar is

Het model beslist elke ronde zelf wat de volgende stap is, op basis van wat het tot nu toe heeft gevonden. Daarom heet het een agent: hij heeft agency, handelingsbevoegdheid.

Wat agents inmiddels kunnen

Concrete voorbeelden uit 2025 en 2026:

• Claude Code en GitHub Copilot Workspace: uren zelfstandig codewerk doen in een codebase, tests schrijven, bugs fixen, pull requests openen.
• Browser-agents (OpenAI Operator, Anthropic Computer Use, Google Mariner): klikken door websites, formulieren invullen, boeken, winkelen.
• Research-agents (Perplexity Pro, Claude met MCP, OpenAI Deep Research): onderwerpen van de grond af uitpluizen, bronnen verzamelen, samenvatten.
• Operations-agents: inbox beheren, meetings plannen, customer-tickets afhandelen.

Tools en MCP

Een agent is zo sterk als zijn tools. Elke agent-omgeving definieert welke acties het model mag ondernemen: web search, bestanden lezen, APIs aanroepen, shell commands draaien. MCP (Model Context Protocol) is een standaard die die tools uniform beschrijft, zodat een agent ze kan gebruiken zonder per tool custom code te hoeven schrijven.

Waar agents nog struikelen

• Lange taken leiden tot afdrijven. Hoe meer stappen, hoe groter de kans dat het model van koers raakt. Frameworks zoals Superpowers proberen dat tegen te gaan met expliciete plannen.
• Onzekerheid inschatten. Agents handelen vaak alsof ze zeker zijn, ook als ze twijfelen. "Zal ik deze 50-dollar aankoop doen?" krijgt soms een "ja" zonder dat er echt is gecontroleerd.
• Reversibele vs onomkeerbare acties. Een verkeerde klik op een website is meestal hersteld. Een verzonden mail, een betaalde bestelling of een verwijderd bestand niet. Goede agents vragen bevestiging voor onomkeerbaarheden.
• Prompt-injectie. Een agent die een e-mail leest, kan via verborgen instructies in die e-mail gehackt worden. Dit is een actief veiligheidsprobleem zonder volledige oplossing.

Kosten en tempo

Een agent-sessie kan snel duurder worden dan een gewoon gesprek. Tien acties betekent tien keer een prompt heen en terug, vaak elk met flink veel context. Een Claude Code-sessie van een uur kan 5 tot 20 dollar aan API-kosten kosten. Voor professionals vaak wel waard, voor hobbyisten een factor om rekening mee te houden.

In 2026 zijn agents het belangrijkste groei-gebied in AI. Vrijwel elke grote provider heeft een agent-framework: OpenAI Agents SDK, Anthropic Claude Code, Google Agent Development Kit, Microsoft AutoGen. De verwachting: het grootste deel van "werk" dat AI in 2027 doet, zal agent-werk zijn.