AI Agent

Het AI Agent-onderdeel is een veelzijdig bouwsteen ontworpen om als intelligente agent binnen een AI-workflow te fungeren. Deze agent maakt gebruik van grote taalmodellen (LLM’s), kan verbinding maken met externe gereedschappen en kan worden geconfigureerd voor een breed scala aan gebruiksscenario’s zoals conversatie-AI, complexe automatisering en dynamische taakuitvoering.

Schrijf u in voor onze nieuwsbrief

Ontvang gratis de nieuwste tips, trends en aanbiedingen.

E-mailadres

Abonneren

Wat het onderdeel doet

De AI Agent verwerkt invoerpromt’s, houdt rekening met gespreksgeschiedenis (optioneel) en kan externe gereedschappen gebruiken om contextbewuste reacties te genereren. De mogelijkheden kunnen worden afgestemd door een achtergrondverhaal, rol en doel op te geven, waardoor de agent volgens een specifiek persoon of doelstelling kan handelen. De agent kan ook functieoproepen uitvoeren, waardoor het programmatisch kan communiceren met API’s of externe systemen via ingeschakelde gereedschappen.

AI Agent-instellingen

LLM

Kies het grote taalmodel dat de agent zal gebruiken. Je kunt kiezen uit verschillende modellen van 6 grote providers. Het standaardmodel is het nieuwste middenbereik model van OpenAI.

Gereedschappen

Dit is waar je de agent al zijn gereedschappen geeft. Er zijn meer dan 900 items die je als gereedschappen kunt verbinden. Deze variëren van nieuwe mogelijkheden tot eenvoudige acties in geïntegreerde gereedschappen. Vrijwel elke interface, database of communicatie-app kan via API en MCP-servers een gereedschap worden.

Hoe gereedschappen verbinden

Klik op + Gereedschap toevoegen. De volledige lijst van alle beschikbare gereedschappen. Je kunt deze filteren op categorie of via zoeken:

Elk gereedschap heeft unieke instellingen. Voor elk item kun je ervoor kiezen om AI te laten beslissen hoe het het nodig heeft, of parameters handmatig configureren. Je kunt overschakelen naar handmatige invoer door op de knop “AI Decides” te klikken. Zodra je een parameter definieert, wordt deze vergrendeld en kan deze niet door de AI worden bewerkt.

Je kunt de parameterconfiguratie overslaan door op “Skip & Add” te klikken. Zodra het gereedschap is geconfigureerd, klik je op “Add with Config”. Je kunt dan doorgaan met het toevoegen van andere gereedschappen.

Systeembericht

Dit is de hoofdprompt waar je de rol, taak, gedrag en andere instructies van de agent definieert.

Voorbeeld systeembericht:

Je bent Sam, een vriendelijke en deskundige klantenservicemedewerker voor FlowHunt, een AI-werkstroomautomatiseringsplatform.

Je primaire doel is klantvragen snel en bevredigend op te lossen, zodat elke klant zich gehoord, geholpen en gewaardeerd voelt. Je streeft ernaar escalaties te verminderen door het merendeel van de verzoeken zelfstandig en efficiënt af te handelen.

Instructies:
Groet de klant altijd warm en gebruik hun naam als deze is gegeven.
Blijf kalm, geduldig en empathisch — zelfs als de klant gefrustreerd is.
Wees beknopt maar grondig; laat nooit een vraag onbeantwoord.
Vermijd jargon. Spreek als een behulpzame mens, niet als een beleidsdocument.
Betwijfel nooit een klant of wijs hun zorgen af.
Als je iets niet weet, zeg dit eerlijk en bied aan het uit te zoeken of door te verwijzen.
Handel veelvoorkomende verzoeken rechtstreeks af, inclusief: orderstatus, retouren en terugbetalingen, productvragen, verzendproblemen en accounthulp.
Verwijs door naar een menselijke agent als: het probleem een klacht betreft die buiten je bevoegdheid ligt, juridische aangelegenheden, of als de klant expliciet een mens verzoekt.
Bevestig de oplossing aan het einde van elke interactie — vraag of er nog iets is dat je kan helpen.
Deel nooit intern beleid letterlijk, doe geen beloften buiten je bevoegdheid of verzin informatie die je niet hebt.

Toon: Warm, professioneel en geruststellend — zoals een deskundige vriend, niet als een bedrijfsscript.

Maximale Uitvoeringstijd

Beperkt de tijd (seconden) die de agent aan een taak kan besteden (standaard: 300).

Maximale Iteraties

Maximaal aantal denkstappen (standaard: 10)

Maximale RPM

Beperkt verzoeken per minuut (standaard: 100).

Rol

Definieer optioneel de rol van je agent. Beschouw de rol als de functietitel van je Agent. Moet je Agent blogposts schrijven? Noem het dan een “Content writer”.

Doel

Het doel is de taak van de Agent en het ideale resultaat. Het doel van een content writer kan bijvoorbeeld zijn om nieuwe posts te creëren of bestaande content na te lezen en herzien.

Achtergrondverhaal

Je brengt altijd je persoonlijkheid, manier van spreken en ervaringen mee naar alles wat je doet. Het is je achtergrondverhaal en wat jou en je werk van anderen onderscheidt. Het achtergrondverhaal is waar je je Agent een verhaal, persoonlijkheid en werkervaring geeft.

Agent-gespreksgeschiedenis

Geeft vorige chatberichten als context. Zonder ingeschakelde geschiedenis werkt de agent per bericht.

Agent Memory

Of de agent het geheugen van je Workspace kan lezen en schrijven. Indien ingeschakeld, wordt je gevraagd om de modus en gedragspromt’s te definiëren.

Opmerking: Alleen de Tools-invoer is strikt vereist; alle andere instellingen zijn optioneel en bieden aanvullende aanpassings- en stabiele kwaliteit van de uitvoer.

Wat maakt een goede AI Agent: het juiste model

De kracht achter een AI-agent is het AI-model ervan. Het juiste model maakt al het verschil voor de functie en prestaties ervan. Controleer deze blog voor een ultieme vergelijking op basis van benchmarktests.

• Grote Taalmodellen (LLM’s): Modellen zoals GPT-4, Gemini en Claude hebben sterke mogelijkheden voor natuurlijke taalverwerking en -generatie. Ze zijn perfect voor complexe redenering, planning en multi-taakverwerking. Maar vereisen meer rekenkracht en kunnen soms feitelijke of logische fouten of “hallucinaties” maken.
• Kleine Taalmodellen (SLM’s): Specifieke taken vereisen gespecialiseerde, energiebesparende modellen die kunnen specialiseren en het beste kunnen werken met lagere bedrijfskosten.
• Vector Embedding-modellen: Modellen die vector embeddings opleveren zijn geweldig voor het ontdekken en ophalen van inhoud. Het maakt snelle semantische zoekopdrachten mogelijk, samen met eenvoudig ophalen van kennisbanken die essentieel zijn voor agenten die snelle inzichtgeneratie nodig hebben.
• Modellen voor Besluitvorming, Redenering en Planning: Voor besluitvormingskeuzes die sleutelkeuzes inhouden, komen redenering- en planningsmodellen in het vizier. Of je klassieke algoritme-gebaseerde planning of reinforcement learning-gebaseerde planning gebruikt, besluitvormingskeuzes helpen agenten goed geïnformeerde keuzes te maken.

Uiteindelijk zijn het de complexiteit van je agenttaak, de beschikbaarheid van je gegevens en je budget die het juiste model bepalen. Het gaat erom dat zoete plek tussen kracht en praktijk te vinden.

Hoe AI-agenten taken oplossen

AI-agenten reageren niet alleen maar handelen actief op gestelde doelen. Het proces gaat over het algemeen door deze belangrijke mijlpalen:

• Doeldefinitie: Het proces begint met een goed gedefinieerd doelstelling, taak of uitdaging die je agent moet uitvoeren. Omgevingsobservaties: De agent verzamelt vervolgens relevante feiten uit zijn omgeving. Dit kan via API’s, databases, webschraping of sensorinvoer.
• Planning en Redenering: Op basis van verzamelde feiten maakt je agent een actieplan en verdeelt complexe taken in beheersbare onderdelen.
• Actie-uitvoering: De agent voert zijn plan uit door beschikbare gereedschappen in te zetten om op zijn omgeving in te werken.
• Leren en Aanpassing: Tijdens het uitvoeren test de agent zijn prestaties en verbetert deze door feedback, waardoor het proces beter geschikt wordt voor de volgende taak.

Dit maakt het mogelijk AI-agenten in een breed scala aan toepassingen in te zetten, van geautomatiseerde klantenservice tot inhoudsgeneratie.