Wat is de Zelfbeherende Taakcomponent

De Zelfbeherende Taak-component stelt je in staat om taken te definiëren en toe te wijzen die agenten moeten uitvoeren. Zo krijg je meer controle en inzicht in hoe individuele delen van een workflow worden uitgevoerd, wat handig is bij complexe workflows. Het opdelen van complexe doelen in subtaken leidt bovendien tot meer detail en een hogere kwaliteit van de output.

Taken als onderdeel van Crews

Stel, je wilt een uitgebreid blogartikel creëren en publiceren. Waarschijnlijk probeer je een compleet contentteam van agenten na te bootsen. Het werk begint meestal met een SEO-specialist die zoekwoorden onderzoekt en de inhoud opzet. Zij maken een SEO-briefing, die wordt doorgegeven aan de content schrijver. Zodra de schrijver klaar is, zal een collega het artikel proeflezen en redigeren om de kwaliteit te waarborgen. En de afbeeldingen of infographics? Daar helpt een designer bij.

Je hebt dan al snel drie of vier mensen die samenwerken aan het maken van de content. Ieder van hen heeft een specifieke taak. Net als in een echt team kun je met de component Zelfbeherende Crew een team van AI-agenten samenstellen. Binnen dit team krijgt elk lid een specifieke taak toegewezen via de Zelfbeherende Taak-component.

Naast hun specifieke taak in een team kan één AI-agent ook meerdere andere taken uitvoeren. Neem de content schrijver uit het vorige voorbeeld. De hoofdtaak van deze agent is het schrijven van een artikel op basis van de SEO-briefing van de vorige agent. In het echte leven heeft een schrijver echter meer taken dan alleen het schrijven van het artikel. Zo moeten ze bijvoorbeeld een meta-omschrijving en zelfs een social media post schrijven. Als je deze als subtaken onder één taak zet, kan dat leiden tot een chaotischere en minder duidelijke output.

Benieuwd naar de Flow die we in deze gids analyseren? Het is de Advanced Blog Generator en je vindt hem eenvoudig in je Flow-bibliotheek.

Het verschil tussen Sequentiële en Zelfbeherende Taken

Je hebt misschien gemerkt dat er twee taakcomponenten in je dashboard staan. Het verschil tussen deze typen zit in de volgorde van taken en het niveau van controle dat je krijgt.

Laten we het eerst hebben over Sequentiële Taken. Sequentiële taken worden één voor één uitgevoerd in een volgorde (exacte volgorde) die jij opgeeft. Als een taak is afgerond, is deze klaar en gaat de Flow door naar de volgende agent. Deze sequentiële aanpak is ideaal voor lineaire processen die geen taakherhaling nodig hebben.

Maar dit is niet altijd het geval in de echte wereld. Stel je opnieuw een content schrijver voor. Die doet eerst onderzoek en begint dan met schrijven, maar terwijl het artikel vordert, kan blijken dat er meer onderzoek nodig is. Logischerwijs zal de schrijver dan heen en weer gaan tussen onderzoeks- en schrijftaken voordat hij/zij doorgaat naar de volgende stap. Dit is echter onmogelijk met sequentiële crews en taken. Daar komen Zelfbeherende Taken van pas.

Met Zelfbeherende Taken bepaalt de manager-AI-agent de volgorde van de taken. Bij het nemen van beslissingen probeert de AI de traditionele organisatiestructuren nauwkeurig na te bootsen en taken toe te wijzen aan de best passende agent. Hierdoor ontstaat de mogelijkheid om taken te herhalen en meerdere iteraties van de uiteindelijke output te creëren.

Volgt jouw workflow een duidelijke, lineaire volgorde? Gebruik dan sequentiële taken. Meer informatie vind je in deze gids.

Hoe gebruik je Zelfbeherende Taken

Zelfbeherende taken zijn taken die worden uitgevoerd in een crew die wordt aangestuurd door een AI-agent. Met andere woorden: je geeft taken aan je AI-team en hun eigen AI-manager bepaalt welk teamlid welke taak uitvoert en wanneer.

Voor elk complex doel kunnen er meerdere agenten en meerdere taken zijn, die allemaal samenkomen in de Zelfbeherende Crew-component. Voordat we taken creëren en toewijzen, moeten we eerst de agenten definiëren. Oftewel: ken je team voordat je taken uitdeelt.

Het opzetten van Zelfbeherende Taken bestaat uit vier stappen:

1. Individuele AI-agenten instellen
2. De agenten taken geven
3. De manager-agent instellen
4. De agenten tot een crew maken

Individuele AI-agenten instellen

Elk lid van een echt team heeft een rol, doelen en een unieke achtergrond waarin hun ervaringen, persoonlijkheid en specifieke stijl tot uiting komen. Zo geldt dat ook voor elke AI-agent.

Laten we bijvoorbeeld focussen op het teamlid content schrijver:

• De rol: De functietitel van je agent. In dit voorbeeld is content schrijver de rol.
• Het doel: Wat de agent doet en wat het gewenste resultaat is. Het verwachte resultaat voor de content schrijver is een goed geschreven artikel dat voldoet aan het thema en de SEO-briefing.
• De achtergrond: Wie de agent is. Of je het nu wilt of niet, je brengt altijd je persoonlijkheid, denkstijl, woordenschat en ervaring mee in alles wat je doet. Dit is extra zichtbaar bij creatief werk, zoals content schrijven.

Stel nu een aantal agenten in. Denk bij het maken van een crew altijd aan het einddoel en aan welke teamleden je nodig hebt om dat doel te bereiken. Maak vervolgens agenten aan die deze teamleden vertegenwoordigen. Je kunt ook slechts één agent aanmaken als je die agent meerdere taken wilt geven.

Opmerking: Heb je maar één agent en één taak? Dan hoef je geen taakcomponenten te gebruiken. Gebruik dan het doel-veld van de agent om de taak te geven.

In ons content writing-voorbeeld hebben we de SEO-onderzoeker, copywriter en proeflezer agenten aangemaakt. De agenten en taken zijn echter altijd afhankelijk van jouw specifieke behoeften en processen. Je mag het bestaande proces verder opdelen of nieuwe agenten toevoegen. Bijvoorbeeld een designer-agent die afbeeldingen genereert voor bij het artikel.

Lees meer over AI-agenten en hoe je de AI-agentcomponent gebruikt.

Agenten taken geven

In Crews krijgt elke agent één of meerdere taken toegewezen. Net als in een echt team kan elk lid verschillende projectgebonden taken uitvoeren. Met de taakcomponenten kun je deze taken specificeren en toewijzen. In ons voorbeeld van het creëren van een blogartikel weten we nu wie onze agent is. Nu is het tijd om de agent hun taak te geven en ze te introduceren in het team.

Je zult merken dat er, net als bij de Crew-component, twee mogelijke taakcomponenten zijn— sequentieel en Zelfbeherend. Omdat dit twee tegengestelde benaderingen zijn van agentbeheer, heeft het geen zin ze te combineren. Daarom gebruiken we Zelfbeherende Taken bij een Zelfbeherende Crew:

In tegenstelling tot Sequentiële Taken zijn Zelfbeherende Taken ideaal voor processen waarbij je niet precies weet hoe je een complex proces in subtaken moet opdelen. Je kunt simpelweg het gehele complexe doel in één taak zetten. De manager-LLM is er om taken toe te wijzen en het proces te overzien, zodat elke agent weet wat hij moet doen en wanneer. Deze kan de hoofdtaak eenvoudig opdelen en de onderdelen aan de juiste agent toewijzen.

Naast de taak kan elke agent in een Crew ook de juiste tools krijgen, waardoor hun werk makkelijker en nauwkeuriger wordt. In ons voorbeeld gebruikt de onderzoeker de GoogleSearch- en URL Retriever-tools om het onderzoek te sturen.

Hoe stel je Zelfbeherende Taken in

Elke taak moet een beschrijving hebben en een agent die verantwoordelijk is voor de uitvoering. Optioneel kun je het veld “verwachte output” invullen als je de output in een bepaalde structuur wilt of zeker wilt weten dat iets wordt opgenomen.

De taakbeschrijving voor onze content schrijver-agent zou er als volgt uit kunnen zien:

“Op basis van de SEO-contentbriefing, schrijf een blogpost van maximaal 1500 woorden.

Begin nooit een alinea met vage zinnen als ‘In het snel veranderende veld van…’. Ga altijd direct naar de hoofdboodschap die de alinea moet overbrengen.”

Laten we deze taakbeschrijving nader bekijken:

• “Op basis van de contentbriefing” – De agent weet wat hij met de vorige output moet doen.
• “Schrijf een blogpost van maximaal 1500 woorden” – De output die we van de agent verwachten.
• “Begin nooit…” – Extra instructies om de output aan te passen. Dit kunnen aanwijzingen zijn over taal, woordgebruik, structuur of iets anders dat helpt om te maken wat jij nodig hebt.

Het veld verwachte output is optioneel en ideaal wanneer je een duidelijk gestructureerde output wilt of zeker wilt weten dat iets in de output staat. Bijvoorbeeld, de taak van onze SEO-onderzoeker-agent is het maken van:

Een briefing in deze vorm:

SEO-vriendelijke titel:

SEO-vriendelijke meta-omschrijving:

SEO-vriendelijke structuur

Zo zorg je ervoor dat de output altijd begint met een titel en meta-omschrijving.

De laatste stap is om alle taken te koppelen aan de “tasks”-handle van de Zelfbeherende Crew-component. Vanaf daar neemt de manager-LLM het over en ordent de taken om de verwachte output te behalen.

Onthoud: sequentiële crews werken alleen met sequentiële taken, en Zelfbeherende crews werken alleen met Zelfbeherende Taken.

De agenten tot een crew maken

Laten we teruggaan naar onze Flow. Deze bestaat uit drie teamleden-agenten en voor elk een taak, plus een manager-LLM die het hele proces overziet. De laatste stap bij het maken van een crew is de agenten laten weten dat ze een team vormen. Hier komt de Zelfbeherende Crew-component om de hoek kijken.

De Zelfbeherende Crew-component

De Zelfbeherende Crew-component stelt een groep agenten voor waarvan het werk automatisch wordt aangestuurd door een manager-LLM. Het team stuurt zichzelf aan, wat zorgt voor dynamisch werk en de mogelijkheid om meerdere iteraties te maken. Het is in wezen een manier om agenten te laten weten dat ze een team vormen met een gezamenlijk doel.

Binnen je Flow kunnen meerdere onafhankelijke teams zijn — dus meerdere crew-componenten die deze teams van elkaar onderscheiden. In ons voorbeeld gebruiken we slechts één crew, maar moeten we de agenten alsnog samenbrengen tot een team.

Meer weten over Zelfbeherende Crews? Raadpleeg onze gids voor alle informatie.

In ons voorbeeld gebruiken we maar één crew, maar moeten we de agenten alsnog als team samenbrengen:

Koppel alle agenten aan de Agents-handle van de Zelfbeherende Crew-component.

Dat is alles. Stuur nu naar de output, en je hebt een team van agenten die in precies de juiste volgorde samenwerken.