Bouw je eigen AI-agent - van use case tot werkende agent
AI-agents gaan een stap verder dan klassieke generatieve AI. Ze beantwoorden niet alleen vragen, maar kunnen informatie verzamelen en verwerken, tools gebruiken en verschillende stappen uitvoeren om een doel te bereiken. Maar hoe vertaal je dat naar een concrete toepassing binnen jouw organisatie? En hoe bouw je zelf zo'n agent? Tijdens deze hands-on workshop ga je zelf aan de slag.
Praktische info:
Leertraject
Inschrijven?
- Voorwaarden: Kennis van Python is noodzakelijk. Ervaring met LangChain of LangGraph is niet vereist.
- Prijs: Voka-leden: 255 euro ; Niet-leden: 385 euro
georganiseerd door:
Je vertrekt vanuit een concrete use case en bouwt stap voor stap een werkende AI-agent met Python, LangChain en LangGraph. De focus ligt op doen: je krijgt de aanpak eerst te zien aan de hand van een live demo en past die vervolgens zelf toe.
Een AI-agent kan bijvoorbeeld:
- een offerteaanvraag verwerken, klant- en productgegevens ophalen en een voorstel voorbereiden;
- een klantvraag analyseren, informatie uit verschillende bronnen raadplegen en een antwoord of vervolgactie voorbereiden;
- leveranciersinformatie verzamelen en vergelijken op basis van vooraf bepaalde criteria;
- informatie verwerken en op basis daarvan verschillende stappen binnen een workflow uitvoeren.
Programma
Van use case naar AI-agent
Niet elk proces vraagt om een AI-agent. We starten daarom bij de juiste use case: waar kan een agent echt een verschil maken en welke taak wil je ermee oplossen?
Je leert hoe je een use case afbakent en vertaalt naar een duidelijke opdracht voor je agent. Daarbij bepaal je welke informatie nodig is, welke stappen de agent moet uitvoeren en welk resultaat je verwacht.
Bouw je eigen AI-agent
Vervolgens gaan we bouwen. Aan de hand van een live demo ontdek je hoe de verschillende bouwstenen van een AI-agent samenwerken. Daarna ga je zelf aan de slag met Python, LangChain en LangGraph. Je leert onder andere hoe je:
- het doel en de instructies van je agent bepaalt;
- de juiste context en informatie meegeeft;
- tools en acties koppelt;
- verschillende stappen binnen een workflow laat samenwerken;
- logica en beslissingen in je agent opbouwt;
- je agent taken zelfstandig laat uitvoeren.
Tijdens het bouwen is er ruimte om vragen te stellen, te experimenteren en je agent verder te verfijnen.
Test, verbeter en bouw verder
Een goede AI-agent ontstaat door te testen en bij te sturen. Je probeert verschillende scenario's uit, bekijkt waar de agent vastloopt of onverwachte resultaten geeft en past de instructies, context of workflow aan.
Zo krijg je niet alleen inzicht in hoe AI-agents technisch worden opgebouwd, maar ga je ook naar huis met de aanpak om nadien zelf verder te experimenteren met toepassingen binnen jouw organisatie.
