Woordenlijst
Woordenlijst van agentische AI
De begrippen rond agentische AI hebben niet allemaal een vaste definitie. Deze woordenlijst legt ze een voor een uit, met bronnen waarover consensus bestaat.
Deze woordenlijst verzamelt de begrippen die het vaakst voorkomen als het over AI-agents gaat: autonome agent, multi-agent-orkestratie, MCP, RAG, tool calling, BYOK, human-in-the-loop, observability en vangrails en governance. Sommige komen uit academisch onderzoek, andere uit de technische documentatie van grote modelleveranciers, weer andere uit recente regelgevende kaders. Het vocabulaire in dit domein verandert snel, en dezelfde woorden worden soms voor vrij verschillende toepassingen gebruikt, afhankelijk van de leverancier.
Elke pagina vertrekt vanuit hetzelfde uitgangspunt: eerst kijken wat toonaangevende bronnen over het onderwerp zeggen (officiële documentatie, een grondleggend onderzoeksartikel, wetgeving), aangeven wanneer twee serieuze bronnen niet helemaal hetzelfde verhaal vertellen, en het begrip dan eenvoudig uitleggen, met een concreet voorbeeld in plaats van een abstracte definitie. Waar relevant steunt het voorbeeld op de werkelijke werking van een autonome AI-agent op Atako, zonder iets te verzinnen dat niet gedocumenteerd is.
Het doel is niet om een woordenboekdefinitie te vervangen, maar om snel genoeg inzicht te geven in een begrip om elders verder te kunnen lezen, of dat nu een technisch artikel is, productdocumentatie of een gesprek met een team. Elke pagina verwijst ook naar verwante begrippen, om van het ene naar het andere concept te navigeren zonder de draad kwijt te raken.
Alle termen
Agent-orkestratie: definitie, werking en use cases
Agent-orkestratie is de coördinatie van meerdere AI-agents of subagents binnen eenzelfde systeem: taakverdeling, volgorde van stappen, toezicht op de uitvoering en het samenbrengen van resultaten. Een orkestrator, gecentraliseerd of verdeeld, beslist welke agent handelt, wanneer, en hoe de resultaten worden gecombineerd.
Agentische AI: definitie, werking en voorbeelden
Agentische AI is het paradigma van AI-systemen die hun omgeving waarnemen, een reeks acties plannen en die met tools uitvoeren, gericht op een doel over meerdere stappen in plaats van slechts eenmalig te reageren op een geïsoleerd verzoek, met beperkt maar instelbaar menselijk toezicht.
AI-agent: definitie, werking en voorbeelden
Een AI-agent is een programma dat zijn omgeving waarneemt, een actie kiest en die uitvoert, alleen of via externe tools, om een doel te bereiken. Het onderscheidt zich van een gewone chatbot door het vermogen om meerdere stappen achter elkaar uit te voeren en te handelen, met een autonomieniveau dat per platform verschilt.
Autonome AI-agent: definitie en verschil met een workflow
Een autonome AI-agent streeft een langetermijndoel na, bepaalt zelf de reeks acties om dat te bereiken, en draait continu in zijn eigen omgeving in plaats van alleen te worden geactiveerd voor één verzoek. Hij betrekt de mens alleen bij een specifieke beslissing, in tegenstelling tot een workflow die eenmalig door een gebeurtenis wordt geactiveerd.
BYOK: een AI-agent laten draaien met uw eigen API-sleutel
BYOK (Bring Your Own Key) is een optie waarmee u een AI-agent of -tool laat draaien met de persoonlijke API-sleutel van een modelleverancier (OpenAI, Anthropic, Mistral AI), in plaats van met de in het abonnement inbegrepen toegang. De facturatie van het model verloopt dan rechtstreeks via het account van de leverancier, buiten het abonnement van het platform om.
Generatieve AI vs agentische AI: wat is het verschil?
Generatieve AI produceert content (tekst, afbeelding, code) als antwoord op een eenmalig verzoek. Agentische AI plant een reeks acties en voert die met tools uit om een doel over meerdere stappen te bereiken. De tweede gebruikt de eerste doorgaans als interne redeneermotor.
Human-in-the-loop: een mens in de lus houden bij een AI-agent
Human-in-the-loop (mens in de lus) is een ontwerpprincipe waarbij een persoon de bevoegdheid behoudt om een door AI gegenereerde beslissing of actie te valideren, corrigeren of blokkeren, op een precies punt in het proces, voordat ze een werkelijk effect heeft. Het is een controlemechanisme, geen permanent toezicht op elke stap.
MCP (Model Context Protocol): definitie, werking en voorbeelden
MCP (Model Context Protocol) is een open protocol, eind 2024 door Anthropic gecreëerd, dat standaardiseert hoe een model of AI-agent verbinding maakt met databronnen en externe tools. Het vervangt op maat gemaakte integraties, één per tool, door een gemeenschappelijke taal tussen AI-toepassingen en systemen van derden.
Multi-agent-systeem: definitie, werking en voorbeelden
Een multi-agent-systeem brengt meerdere autonome AI-agents samen die aan dezelfde complexe taak werken. Elke agent heeft een gespecialiseerde rol, wisselt informatie uit met de anderen en neemt zijn eigen beslissingen. Deze verdeling van werk maakt het mogelijk workflows te verwerken die één enkele agent niet efficiënt zelfstandig zou kunnen afhandelen.
Observability van AI-agents: zien wat een agent in realtime doet
Observability van agents is het vermogen om de activiteit van een AI-agent in detail te volgen: zijn tool-aanroepen, beslissingen en fouten, met hun oorsprong en resultaat, doorgaans via logs, een gebeurtenistijdlijn of traces. Het maakt duidelijk waarom een agent zo heeft gehandeld en signaleert een probleem voordat het erger wordt.
RAG (Retrieval-Augmented Generation): definitie en werking
RAG (Retrieval-Augmented Generation) is een methode die een documentzoekmachine combineert met een taalmodel: voordat het antwoordt, zoekt het model relevante passages in een externe bron, en genereert het vervolgens zijn antwoord op basis daarvan. Dit beperkt verzinsels en maakt het mogelijk recente of interne bedrijfsinformatie te gebruiken.
Tool calling: hoe een AI-agent externe tools aanroept
Tool calling (tool-aanroep, ook function calling genoemd) is het vermogen van een taalmodel om te herkennen dat een verzoek een externe actie vereist, zoals een database lezen of een bericht versturen, en om een gestructureerde aanroepaanvraag met bijbehorende argumenten te produceren. Een applicatie voert deze aanroep vervolgens uit en stuurt het resultaat terug naar het model.
Vangrails en governance van AI-agents: definitie en mechanismen
Vangrails en governance vormen het geheel van regels, permissies en controles die bepalen wat een AI-agent mag doen, voor, tijdens en na de uitvoering van een actie. Het omvat permissies per actie, menselijke validatie bij gevoelige beslissingen, audit van wat er is gebeurd, en de mogelijkheid om de toegang op elk moment af te sluiten.
Veelgestelde vragen
Wat is een AI-agent, in één zin?
Een AI-agent is een systeem dat continu draait, beslissingen neemt en met echte tools kan handelen om een doel te bereiken, in plaats van simpelweg een vraag te beantwoorden in een eenmalig gesprek. De pillar-pagina van de site werkt deze definitie verder uit en laat zien wat een autonome agent onderscheidt van een gewone chatassistent.
Wat is het verschil tussen een AI-agent en klassieke generatieve AI?
Klassieke generatieve AI beantwoordt een eenmalig verzoek, zonder geheugen en zonder vermogen om verder te handelen dan de gegenereerde tekst. Een AI-agent onthoudt informatie tussen gesprekken, kan externe tools aanroepen en blijft werken na het eerste antwoord, tot het doel bereikt is of een mens ingrijpt.
Wordt deze woordenlijst regelmatig bijgewerkt?
Ja, elk begrip toont een datum van laatste update en steunt op referentiebronnen die onderaan de pagina staan vermeld, zoals de officiële documentatie van modelleveranciers of erkende kaders voor AI-governance. Het vocabulaire in dit domein verandert snel, de definities worden dienovereenkomstig herzien.
Wat hierna te lezen
CTO bij Atako
Deze inhoud is geschreven door de AI-agents van Atako en vervolgens nagelezen, gecorrigeerd en goedgekeurd door Romain Laodicina, CTO van Atako.