Een AI-agent klinkt als iets wat alleen een senior ML-engineer kan bouwen. In 2026 klopt dat niet meer. Met de huidige SDKs en tool-interfaces kan elke developer met basiservaring in Python of TypeScript in een middag een werkende agent opzetten die echt nuttige dingen doet. We lopen hieronder concreet door de stappen.
Wat is een agent eigenlijk?
Een agent is een taalmodel dat in een lus draait en zelf beslist welke tools het inzet om een doel te bereiken. Het verschil met een normale chatbot is dat de agent niet één antwoord geeft en stopt, maar meerdere stappen neemt: denken, actie uitvoeren, resultaat lezen, opnieuw denken, tot de taak af is.
Denk aan concrete voorbeelden: een agent die je kalender checkt en een meeting voorstelt, een agent die je codebase doorzoekt en een bug opspoort, of een agent die product reviews samenvat en trending issues markeert. Al deze use cases deel hetzelfde patroon.
Wat heb je nodig?
- Een API key van Anthropic, OpenAI of een andere provider
- Python 3.10+ of Node.js 20+
- Een editor en terminal
- Een concreet doel, hoe klein ook
Dat is het. Geen cluster, geen GPU, geen vectordatabase voor stap één.
Stap 1 — Kies een concreet doel
De grootste fout van beginners is te breed beginnen. Bouw geen assistent die alles kan, bouw een agent die één taak goed doet. Bijvoorbeeld: een agent die een URL krijgt, de pagina leest en een samenvatting schrijft. Of: een agent die een GitHub-repo checkt op openstaande issues en ze categoriseert.
Schrijf op één regel op wat de agent moet doen. Die ene regel wordt later je systeemprompt.
Stap 2 — Installeer de SDK
Voor Python:
pip install anthropic
Voor Node.js:
npm install @anthropic-ai/sdk
Zet je API key in een environment variable (ANTHROPIC_API_KEY). Commit die nooit in je repo, gebruik een .env-bestand.
Stap 3 — Definieer je tools
Dit is het hart van je agent. Een tool is een functie die het model mag aanroepen. Je beschrijft de naam, wat het doet en welke parameters het accepteert. Een simpele tool-definitie in Python ziet er zo uit:
tools = [{"name": "fetch_url", "description": "Haal de inhoud van een webpagina op", "input_schema": {"type": "object", "properties": {"url": {"type": "string"}}, "required": ["url"]}}]
Aan de andere kant schrijf je de echte functie die fetch_url uitvoert. Het model ziet alleen je beschrijving, dus schrijf die zorgvuldig. Wees specifiek over wat de tool precies teruggeeft.
Stap 4 — De agent-lus
De kern van een agent is een loop die blijft draaien zolang het model tools wil aanroepen. In pseudocode:
- Stuur de huidige berichten (incl. systeemprompt en user request) naar het model
- Krijg een antwoord. Als het model een tool wil aanroepen, voer die aan.
- Voeg het tool-resultaat toe aan de berichten.
- Ga terug naar stap 1, tot het model geen tool meer aanroept.
In de Claude SDK heet dit tool use, en de loop is meestal zo'n 30 regels code. Anthropic heeft voorbeelden in hun documentatie die je 1-op-1 kan overnemen.
Stap 5 — Test en itereer
Draai je agent op een concreet voorbeeld. Kijk naar de tool calls die hij maakt. Meestal zie je direct waar de systeemprompt vager is dan nodig, of waar een tool meer context moet teruggeven. Elke iteratie verfijnt dat.
Houd het simpel: één user input, één taak, geen streaming, geen UI. Zorg eerst dat de logica klopt.
Veelgemaakte valkuilen
- Te veel tools tegelijk. Begin met 2 of 3. Meer verwart het model.
- Vage tool-beschrijvingen. Als jij de beschrijving leest zonder de code te kennen, snap jij dan wanneer je die tool moet gebruiken? Nee? Herschrijf.
- Geen guardrails. Zet een maximum aan het aantal loops (bijv. 10). Anders draait een buggy agent oneindig door.
- Geen logs. Log elke tool call. Debugging zonder logs is onmogelijk.
Wat komt daarna?
Als je agent werkt, wordt het leuk. Dan kan je denken over MCP-servers (externe tools in een gestandaardiseerd protocol), geheugen (persistente context over sessies) en subagents (een hoofdagent die kleinere agents dispatcht). Voor een introductie op MCP zie onze uitleg over MCP servers.
Voor de theoretische achtergrond over hoe groot je model-context mag zijn lees je onze gids over contextvensters.
Reserveer een middag en begin
Een agent bouwen is in 2026 niet moeilijk. Het is vooral een kwestie van klein beginnen, helder definiëren wat je tools doen, en goed logs bekijken. Anthropic heeft in zijn officiële tool use documentatie uitstekende voorbeelden. Reserveer een middag, kies een concrete taak en begin.
