Een gelaagd overzicht van belangrijke Agentic AI-concepten. Laten we het laag voor laag begrijpen. 1) LLM's (fundamentale laag) In de kern heb je LLM's zoals GPT, DeepSeek, enz. Kernideeën hier: - Tokenisatie & inferentieparameters: hoe tekst wordt opgedeeld in tokens en door het model wordt verwerkt. - Prompt engineering: het ontwerpen van invoer om betere uitvoer te krijgen. - LLM API's: programmatische interfaces om met het model te communiceren. Dit is de motor die alles aandrijft. 2) AI Agents (gebouwd op LLM's) Agents wikkelen zich om LLM's om ze de mogelijkheid te geven autonoom te handelen. Belangrijkste verantwoordelijkheden: - Hulpmiddelgebruik & functieaanroepen: de LLM verbinden met externe API's/hulpmiddelen. - Agent redenering: redeneringsmethoden zoals ReAct (redeneren + handelen) of Chain-of-Thought. - Taakplanning & decompositie: een grote taak opsplitsen in kleinere taken. - Geheugenbeheer: het bijhouden van geschiedenis, context en langetermijninformatie. Agents zijn de hersenen die LLM's nuttig maken in workflows in de echte wereld. 3) Agentic systemen (multi-agent systemen) Wanneer je meerdere agents combineert, krijg je agentic systemen. Kenmerken: - Inter-Agent communicatie: agents die met elkaar praten, gebruikmakend van protocollen zoals ACP, A2A indien nodig. - Routering & planning: beslissen welke agent wat afhandelt, en wanneer. - Toestandcoördinatie: zorgen voor consistentie wanneer meerdere agents samenwerken. - Multi-Agent RAG: gebruik van retrieval-augmented generation tussen agents. - Agentrollen & specialisatie: Agents met unieke doeleinden. - Orkestratie frameworks: tools (zoals CrewAI, enz.) om workflows te bouwen. Deze laag gaat over samenwerking en coördinatie tussen agents. 4) Agentic Infrastructuur De bovenste laag zorgt ervoor dat deze systemen robuust, schaalbaar en veilig zijn. Dit omvat: - Observeerbaarheid & logging: het volgen van prestaties en uitvoer (met behulp van frameworks zoals DeepEval). - Foutafhandeling & herhalingen: veerkracht tegen storingen. - Beveiliging & toegangscontrole: ervoor zorgen dat agents niet te ver gaan. - Snelheidsbeperking & kostenbeheer: het beheersen van het gebruik van middelen. - Workflowautomatisering: het integreren van agents in bredere pijplijnen. - Mens-in-de-lus controles: menselijke toezicht en interventie mogelijk maken. Deze laag zorgt voor vertrouwen, veiligheid en schaalbaarheid voor enterprise/productieomgevingen. Agentic AI, als geheel, omvat een gelaagde architectuur, waarbij elke buitenste laag betrouwbaarheid, coördinatie en governance toevoegt aan de binnenste lagen.