Het onderwerp van vandaag is iets waar bijna iedereen van gehoord heeft, maar wat bijna niemand kan uitleggen. Ik heb het over AI-agents. Je hebt de term waarschijnlijk wel eens in een vergadering gehoord, in een blog gelezen of in een koptekst gezien. Iedereen praat erover, maar vraag iemand om het te definiëren en de antwoorden worden heel snel vaag. De hype is groot, de definities zijn vaag en de term wordt zo losjes gebruikt dat hij bijna al zijn betekenis heeft verloren. Dit is de meest gemaakte fout door mensen. Ze denken dat een agent gewoon een chatbot is met een chiquernaam. Je vraagt iets en hij antwoordt. Dat is geen agent, dat is een chatbot. En er is een wezenlijk verschil tussen beiden. Dus, wat is er veranderd? Waarom is iedereen plotseling geobsedeerd door agents? En nog belangrijker, waarom zou het je boeien als je geen ontwikkelaar bent? Aan het einde van deze aflevering begrijp je wat een AI-agent echt is, waarom Microsoft er een heel framework omheen heeft gebouwd en waarom dit belangrijk is voor de manier waarop je werkt.

Wat is een AI-agent precies? Je weet al hoe een chatbot werkt. Je typt iets en hij reageert. Dat is een gesprek. Het is reactief. Hij wacht tot je iets zegt en reageert dan. Een agent is anders. Hij antwoordt niet alleen. Hij handelt. Denken, beslissen, handelen. Dat is de eenvoudigste definitie die ik je kan geven. Zo werkt het. Eerst denkt de agent na. Hij gebruikt een groot taalmodel om te redeneren over wat je echt nodig hebt. Niet alleen wat je typte, maar wat je bedoelde. Als je zegt plan volgende week dinsdag een vergadering met Sarah, dan herhaalt de agent dat niet alleen. Hij denkt na over wat dat verzoek echt betekent. Dan beslist hij. Hij verdeelt je verzoek in stappen. Een vergadering plannen wordt een plan. Je agenda checken, een vrij slot vinden, Sarah's beschikbaarheid controleren, een uitnodiging sturen. De agent gokt niet. Hij creëert een reeks acties. Ten slotte handelt hij. Hij roept tools en services aan om het voor elkaar te krijgen.

Hij vertelt je niet hoe je een vergadering boekt. Hij boekt de vergadering. Hij legt niet uit hoe je het weer checkt. Hij checkt het weer en geeft je het antwoord. Denk dus eens na over het verschil. Een chatbot is reactief. Hij wacht op je volgende vraag. Een agent is proactief. Je geeft hem een doel en hij gaat ermee aan de slag. Hij komt misschien terug met vragen als hij meer informatie nodig heeft, maar hij heeft je niet nodig om hem bij elke stap te begeleiden. Een chatbot is als een informatiebalie in een bibliotheek. Je vraagt waar een boek staat en zij wijzen je de juiste gang. Een agent is als een persoonlijke assistent die de sleutels van het gebouw heeft. Je zegt, ik heb informatie nodig over onze top klanten voor de vergadering van morgen. En zij gaan het zoeken, organiseren en overhandigen je een briefing document. Je vertelde hen niet waar ze moesten zoeken of welk formaat ze moesten gebruiken.

Zij zochten het zelf uit. Maar het geheim is niet alleen het LLM. Het taalmodel is slim, maar op zichzelf is het slechts een brein zonder handen. Wat iets een agent maakt is de combinatie van drie dingen, redeneren, het vermogen om over een probleem na te denken, tools, het vermogen om in de wereld te handelen en geheugen, het vermogen om te onthouden wat er eerder is gebeurd. Voeg die drie samen en je hebt iets dat niet alleen vragen beantwoord, maar dingen voor elkaar krijgt. Voor het framework was er het gefragmenteerde landschap. Dus, als agents zo nuttig zijn, waarom bouwt niet iedereen ze al? Het korte antwoord is dat het tot voor kort een rommelig proces was. Je moest zelf meerdere tools aan elkaar knopen, een beetje zoals proberen een auto te bouwen door onderdelen van verschillende fabrikanten te kopen in de hoop dat ze in elkaar passen. Microsoft's eerste poging om dit op te lossen was Cementekernel, een SDK voor het integreren van AI in applicaties.

Krachtige software, maar het was een gereedschapskist, geen blauwdruk. Het gaf je de onderdelen, je moest nog steeds uitzoeken hoe je ze in elkaar moest zetten. Toen kwam Autogen van Microsoft resse arg. Dit framework verkende gesprekken tussen meerdere agents waarbij AI-agents praten, debatteren en samenwerken. Baanbrekend, ja, maar het was experimenteel en niet gebouwd voor productiesystemen. Dus stonden ontwikkelaars voor een moeilijke keuze. Cementekernel was stabiel en klaar voor de zakelijke markt, maar miste de geavanceerde orkestratiepatronen. Autogen had de coole multi-agent mogelijkheden, maar was niet iets wat je in een live omgeving zou draaien. Elk had zijn eigen leerkurven, zijn eigen werkwijze, zijn eigen community. En het was niet alleen Microsoft. Andere frameworks doken op Longchain, Crew AI en een dozijn anderen. Het ecosysteem was alle kanten op geschoten. Als je op het werk agents wilde bouwen, moest je een expert worden in een snel veranderende wereld.

Welk framework moet je leren? Welke zal overleven? Welke steunt Microsoft nu echt? Voor een beginner was het overweldigend. Stel je voor dat je een ontwikkelaar bent bij een bedrijf dat AI-agents onderzoekt. Je doet onderzoek en vindt vijf verschillende frameworks, elk met zijn eigen documentatie, eigen patronen en eigen community. Je weet niet waar je moet beginnen. Je weet niet op welke je je tijd moet inzetten. Die versnippering creëerde een echte barrière. Het ging niet alleen om het leren van een tool, het ging om inzetten op een volledig ecosysteem. En toen agent gebruikssituaties verschoof van experimenten naar echte bedrijfsprocessen, besefte Microsoft dat dit niet houdbaar was. Ze hadden één framework nodig, één uniforme aanpak, één antwoord op de vraag, hoe bouw ik een agent? Wat is het Microsoft Agent Framework? Microsoft nam de twee frameworks die ze hadden, cementen kernel en autogen, en combineerde ze tot één.

Het resultaat is het Microsoft Agent Framework, een uniforme SDK die de bedrijfstabiliteit van cementen kernel combineert met de geavanceerde multi-agent patronen van autogen. De teams die die twee frameworks bouwden, werken nu samen aan deze ene. Dit framework werd eind 2025 in preview gelanceerd en bereikt de versie 1.0 in juli 2026. Die tijdlijn is belangrijk omdat het laat zien dat dit geen onderzoeksproject of experiment is. Het is een product dat klaar is voor productie. Microsoft zegt, bouw je echte systemen hierop. Het is ook open source. Je kunt het vinden op GitHub met meer dan 7000 sterren en meer dan 100 bijdragers. De community is actief. Er zijn wekelijkse inloopuren waar je direct met het engineering team kunt praten. Dat is niet iets wat je krijgt bij een gesloten product. Het framework ondersteunt Python en .NET als eerste klas talen. Of je nu een C-Sharp ontwikkelaar of een Python ontwikkelaar bent, je krijgt dezelfde ervaring.

En dat is een groot ding, want veel AI frameworks zijn alleen voor Python. Microsoft maakte een bewuste keuze om beide talen gelijkwaardig te behandelen. En hier is iets wat je misschien zal verrassen. Het framework ondersteunt meer dan 7 verschillende modelproviders. Microsoft Foundry, Azure OpenAI, OpenAI, Anthropik Cloud, Amazon Bedrock, Google Gemini en zelfs lokale modellen via Ollama. Je schrijft je agentlogica één keer en het werkt op allemaal. Je zit niet vast aan één provider. Wissel van OpenAI naar Anthropik en je past een configuratiewaarde aan, niet je hele codebase. Het framework heeft twee belangrijke onderdelen. Agents zijn de bouwstenen, individuele redeneereenheden die kunnen denken en handelen. Workflows zijn de orkestratielaag die meerdere agents met elkaar verbindt. Je kunt één agent hebben die één taak uitvoert, of een heel team dat aan een complexe taak werkt. Er is ook zoiets als declaratieve definities.

Je definieert het gedrag van een agent in een Griekse Y-AML bestand. Dat betekent dat je agentconfiguratie versiebeheerbaar is. Zet het in Git, controleer het in pull requests, implementeer het via CI, CD pipelines. Voor enterprise teams is dat een enorm voordeel. Maar dit is wat je moet begrijpen. Dit framework is niet alleen voor ontwikkelaars die complexe systemen bouwen. Het is ontworpen voor enterprise scenario's. Beveiliging, compliance, observeerbaarheid, goedkeuringen door mensen. Dit zit er standaard in, niet als toevoeging. En dat is wat het anders maakt dan de experimentele frameworks die eraan vooraf gingen. De bouwstenen, agents, tools, geheugen, workflows. Laten we het opsplitsen in de vier kernconcepten. Krijg deze onder de knie en je begrijpt 90% van wat dit framework doet. Ten eerste, agents. Zij zijn de fundamentele eenheid. Elke agent heeft de naam, een set instructies en toegang tot tools.

Het is een berede je rende eenheid die kan denken en handelen. Je vertelt de agent wie hij is, wat hij moet doen en welke middelen hij kan gebruiken. Al het andere vloeit daaruit voort. Vervolgens, tools. Dit zijn de handen van de agent, functies, apies of externe diensten die de agent kan aanroepen, zoals weerdata, agendatoegang, database queries of bestandsoperaties. De agent weet uit zichzelf niet hoe hij deze dingen moet doen. Hij heeft tools nodig om de wereld te bereiken en actie te ondernemen. Je kunt zelf eenvoudige functies schrijven, of ze kunnen MCP-servers zijn, het modelcontextprotocol. Dat is een standaard manier om agents te verbinden met externe diensten. Zie het als een universele stekker. Als een dienst MCP ondersteunt, kan je agent deze gebruiken zonder aangepaste integratiecode. Dan is er het geheugen. Dit is de opslag van het brein. Er bestaan twee types. Sessiegeheugenis voor de korte termijn.

Het onthoud wat er tijdens één gesprek is gebeurd. Contextproviders zijn voor de lange termijn. Ze onthouden voorkeuren en feiten over meerdere gesprekken heen. Geheugenis wat een agent intelligent laat aanvoelen. Zonder geheugen begint elke interactie vanaf nul. Je stelt jezelf voor en de volgende keer dat je praat, is het vergeten. Met geheugen weet de agent wie je bent, wat je hebt besproken en wat je belangrijk vindt. Het is het verschil tussen praten met een vreemde en praten met een collega die je werk kent. Tot slot, workflows. Dit is de orchestratielaag waar je definieert hoe meerdere agents samenwerken. Workflows kunnen sequentieel zijn, stap A, dan stap B. Ze kunnen gelijktijdig zijn, waarbij meerdere agents parallel werken aan delen van hetzelfde probleem of ze kunnen voorwaardelijk zijn. Als dit gebeurt, ga dan hierheen. Als dat gebeurt, ga dan daarheen. Workflows ondersteunen ook checkpointing.

Als er halverwege iets misgaat, kan het systeem hervatten waar het gebleven was. Het begint niet opnieuw. Dat is belangrijk voor langlopende taken die uren kunnen duren of uit meerdere stappen bestaan. Human-in-t-loop patronen zijn ook ingebouwd. Agents kunnen pauseren en omgoedkeuring vragen voordat ze gevoelige acties ondernemen. Als een agent op het punt staat een e-mail te sturen of een betaling goed te keuren, kan hij stoppen en wachten op toestemming van een mens. Dat is essentieel voor gereguleerde sectoren. Hier is een praktijkvoorbeeld. Stel je een agent voor die verkoopgesprekken voorbereidt. Je hebt morgen een afspraak met een klant. Je zegt tegen de agent, help me voorbereiden. Hij checkt je agenda om de tijd te bevestigen. Hij haalt CRM gegevens op om de klantgeschiedenis te bekijken. Hij doorzoekt marketingmateriaal naar relevante case studies. Hij genereert een briefing document en een PowerPoint presentatie zonder dat je zelf iets hoeft te doen.

Dat is geen chatbot. Dat is een agent. Waarom zou je dat boeien? De praktische waarde. Je begrijpt nu wat het framework is, maar waarom zou het je interesseren als je geen ontwikkelaar bent die AI-systemen bouwt? Het antwoord is dat dit framework niet alleen in de terminal van een ontwikkelaar leeft. Het drijft tools aan waar alle dagse zakelijke gebruikers meewerken. Agents die met het framework zijn gebouwd, kunnen direct in Microsoft Teams en Copilot chat worden gepubliceerd. Dat betekent dat de agents van je organisatie daar staan waar je al werkt. Je hoeft geen aparte app te installeren, geen nieuwe inloggegevens te onthouden en je hebt geen leerkurve. Je opent gewoon Teams en de agent is daar. Voor IT en zakelijke besluitvormers is dit nog belangrijker. Het framework biedt bedrijfscontroles die er echt toe doen. Je krijgt identiteitsbeheer via EntraID, toegangscontroles zodat agents alleen zien wat ze mogen zien, audit trails zodat je weet wat elke agent deed en wanneer, en databeheer zodat gevoelige informatie beschermd blijft.

En hier is een probleem waar je misschien niet aan hebt gedacht. Shadow AI is echt. Medewerkers gebruiken elke dag niet goedgekeurde AI-tools, plakken bedrijfsgegevens in openbare chatbots, uploaden gevoelige documenten naar onbekende servers en hopen op het beste. IT-teams weten dat dit gebeurt, maar ze kunnen het niet stoppen door tools te verbieden. Mensen vinden altijd een weg. Dit framework geeft IT een manier om goedgekeurde, veilige agents aan te bieden die modern aanvoelen. In plaats van tegen werknemers te zeggen gebruik geen AI, kun je zeggen gebruik deze agents in plaats daarvan. Ze zijn veilig, ze zijn beheerd en ze werken met jouw data. Er is ook het probleem van agent sprawl en dat gebeurt al. Teams creëren sneller agents dan iemand kan bijhouden. Het framework geeft je één centrale plek om ze allemaal te beheren, te monitoren en te besturen. Je kunt zien welke agents worden gebruikt, welke stof verzamelen en welke aandacht nodig hebben.

Kosteninzicht is nog zo'n belangrijk punt. Je kunt precies zien hoeveel elke agent kost, welke agents duur zijn, welke efficiënt zijn en waar je kunt optimaliseren. Dat krijg je niet met een verzameling willekeurige tools en scripts. Kortom, dit framework maakt AI agents praktisch, veilig en beheersbaar voor echte organisaties. Het gaat niet alleen om het bouwen van toffe technologie, maar om iets bouwen dat werkt in een echte zakelijke omgeving met echte beperkingen, beveiliging, compliance, budget en governance. Als jij verantwoordelijk bent voor een van deze zaken, dan is dit framework relevant voor jou. Hoe het past in het grotere geheel. Dus, waar past het agent framework precies in? Het is geen op zichzelf staand product, het is één onderdeel van een veel grotere puzzel. Laten we kijken hoe alles met elkaar verbonden is. Begin met Azure AI Foundry. Zie het zo, het agent framework is hoe je jouw agents bouwt en Foundry is waar ze wonen en draaien.

Het regelt al het zware werk, infrastructuur, schalen, monitoring en beveiliging. Je bouwt lokaal, je implementeert in Foundry en je agent draait in een productieomgeving met enterprise controls. Simpel. Ben je geen ontwikkelaar? Dan heb je een andere optie, Copilot Studio. Dit is de low-code route. Je gebruikt een visuele interface om te definiëren wat je agent doet, koppelt hem aan databronnen en publiceert hem in Teams. Geen code vereist. Het agent framework is voor ontwikkelaars die volledige controle willen. Ze vullen elkaar aan. Maatwerk nodig? Gebruik het framework. Snelheid nodig? Gebruik Copilot Studio. Dan is er nog Microsoft 365 Copilot, de kant voor de gebruiker. Agents die met het framework zijn gebouwd, kunnen direct in Copilot verschijnen. Gebruikers werken er dus mee via een vertrouwde interface, dezelfde Copilot die ze al voor hun werk gebruiken. Geen nieuwe tool om te leren, geen nieuwe workflow om aan te wennen.

Maar hier komt de echte waarde naar voren, de intelligentielaag. Die bestaat uit drie delen. Work IQ koppelt aan je persoonlijke data, e-mail, agenda en chats. Foundry IQ koppelt aan organisatiekennis, documenten, beleid en gedeelde bronnen. En Fabric IQ koppelt aan bedrijfsdata, verkoopcijfers, klantgegevens en operationele statistieken. Agents kunnen putten uit alle drie. Dat is wat ze echt nuttig maakt. Ze geven niet alleen algemene antwoorden, ze hebben context. Ze weten wie je bent, waar je aan werkt en welke data belangrijk is voor jouw bedrijf. Wanneer een agent een briefing document voorbereidt voor een verkoopvergadering, gokt hij niet. Hij haalt informatie uit je agenda, je CRM, je marketingmateriaal en de kennisbank van je bedrijf. Allemaal in één aanvraag. En alles werkt volgens het beveiligingsmodel van Microsoft. Entra ID voor identiteit, intoen voor apparaatbeheer, defender voor dreigingsbeveiliging.

Als jouw organisatie deze tools al gebruikt, past het framework er naadloos in. Je hoeft geen aparte beveiligingslaag te bouwen. Voor organisaties die al Microsoft 365, Azure en het Power Platform gebruiken, is dit framework de logische volgende stap. Je begint niet bij nul. Je breidt uit wat je al hebt. De lange termijnvisie, simpel. Agents worden net zo algemeen als apps. Elk bedrijfsproces krijgt een agent laag, niet om mensen te vervangen, maar om hen sneller te laten werken met betere informatie en minder repetitieve taken. Dit framework is de manier om die laag te bouwen. Aan de slag, je eerste stap. Dit is het goede nieuws. Je hoeft geen AI-expert te zijn om te beginnen. Er zijn twee paden. Het no-code pad is Copilot Studio. Visuele interface, slepen, neerzetten, configureren, geen code nodig. Je kunt in uren, niet in dagen, iets werkends hebben. Als je doel is om snel een specifiek bedrijfsprobleem op te lossen, is dit je pad.

Het code pad is het agent framework zelf. Je installeert de pakketten voor Python of Python.net en gebruikt de VS Code Extensie. En de extensie is het bespreken waard, want die bevat AI-gestuurde vaardigheden. Je vertelt het wat je wilt. Maak een voorbereidingsagent voor verkoop die mijn agenda controleert en CRM-gegevens ophaalt en het bouwt het hele project voor je op. Code, configuratiebestanden, alles. Het is geen blanco pagina. Het is een vliegende start. De extensie bevat ook iets dat de agent-inspector heet. Dit is een visuele tool die in real-time en stap voor stap laat zien wat je agent doet. Je kunt hem zien denken. Je kunt zien welke tools hij aanroept. Je kunt zien waar hij vastloopt. Het is als een debugger die mensentaal spreekt. Als je al cementen, kernel of autogen gebruikt, zijn er migratieassistenten die je bestaande code analyseren en een stapsgewijs migratieplan genereren.

Je hoeft niet vanaf nul te beginnen. Het framework is open source. De GitHub repo staat op github.com slash microsoft slash agentframework. Voorbeelden, documentatie, discussieforums, alles staat daar. De community is actief. Er zijn wekelijkse inloopuren waar je rechtstreeks met het engineering team kunt praten. Dat is niet iets wat je bij de meeste frameworks krijgt. De belangrijkste boodschap is dit. Begin klein. Bouw één agent die één nuttig ding doet. Misschien controleert hij je agenda. Misschien vat hij je e-mail samen. Misschien zoekt hij klantinformatie op. Kijk hoe dat voelt. Schaal daarna op. Het belangrijkste is om de concepten te begrijpen. En daar ging deze aflevering over. Laat me afronden door deze stukjes met elkaar te verbinden. Een agent is geen chatbot. Het is een systeem dat zelfstandig denkt, beslist en handelt. Het framework bestaat omdat agents op de oude manier bouwen betekende jong leren met incompatible tools en frameworks die niet met elkaar communiceerden.

Die versnippering maakte alles verwarrend. Dus bouwde Microsoft één manier om te bouwen, één manier om te implementeren en één manier om te beheren. Geen gedoe meer met verschillende frameworks of het aan elkaar knopen van losse onderdelen. Voor beginners is dit de kern van het verhaal. AI-agents zijn geen tovenarij. Het zijn gestructureerde systemen die redeneren, tools gebruiken en context onthouden. Microsoft biedt een compleet framework om ze te bouwen, dat nu al klaar is voor gebruik. Dit is geen hype. Agents worden een normaal onderdeel van ons werk, net als apps en websites jaren geleden. De tools zijn er, de community is actief en je eerste agent is dichterbij dan je denkt. Wil je meer ontdekken? Begin bij de GitHub repo en de VS code extensie. Abonneer je op je favoriete podcast platform en deel dit met iemand die net begint.