Dit hoofdstuk introduceert de kernconcepten en de setup die je nodig hebt om agentische workflows te bouwen met LlamaIndex. Je gaat praktisch aan de slag met tools zoals Tavily en OpenAI-modellen, definieert je eerste toolfunctie en maakt een intelligente agent die met het web kan communiceren. Aan het einde heb je een volledig functionerende AI-agent gebouwd met LlamaIndex, klaar om echte taken aan te pakken.

Welkom!

Aan de slag met LlamaIndex

Wat zijn agents?

Een agent maken

Onthouden agents iets?

Status behouden over agent-runs heen

Streamingoutput en -events

Een agent bouwen

Waarom stoppen bij één agent als je ook een team kunt bouwen? In dit hoofdstuk ontdek je de kracht van multi-agentsystemen, waarin gespecialiseerde agents samenwerken als een onderzoeksteam, elk met een eigen rol. Je bouwt je eigen collaboratieve agent-workflow die zoekt, schrijft en reviewt, zodat je ziet hoe teamwork je AI slimmer en schaalbaarder maakt.

Wat zijn multi-agent-systemen?

Multi-agentsysteem met AgentWorkflow

Agentische workflows vanaf nul opbouwen

Meertrapsworkflows ontwerpen met aangepaste events

Concurrenie en het verzamelen van events

Een multi-agentsysteem in elkaar zetten

Zelfreflectie toevoegen aan de workflow

Afronding

Een deep-researchworkflow maken

Klaar om je eigen team van AI-agents te bouwen? In deze cursus begin je met één slimme assistent en groei je door naar volledige agentische workflows die plannen, zoeken, onthouden en samenwerken. Met LlamaIndex maak je krachtige systemen die complexe taken aanpakken, zoals diepgaand onderzoek en rapportages. Onderweg leer je hoe je tools, geheugen en samenwerking tussen meerdere agents orkestreert om je AI-workflows tot leven te brengen.

<h2>Bouw slimme, capabele AI-agenten vanaf nul</h2>

Leer hoe je vanaf nul slimme agentische workflows kunt bouwen met LlamaIndex, een krachtig framework om AI-gedrag te regelen. Je begint met een systeem met één agent en gaat dan over op samenwerking tussen meerdere agenten. Zo bouw je een systeem dat onderzoek kan doen, rapporten kan maken en kan nadenken over wat het zelf heeft gedaan.
<br></br>

<h2>Maak en coördineer agentische workflows</h2>

Je begint met het opzetten van een simpele AI-agent met behulp van de AgentWorkflow-klasse en verbindt deze met functies zoals zoeken op internet. Je leert hoe je je agents 'geheugen' kunt geven met behulp van context en hun reacties dynamischer kunt maken met streaming outputs. Naarmate de cursus vordert, ga je dieper in op geavanceerde functies zoals het afhandelen van gebeurtenissen, gelijktijdige uitvoering en het maken van aangepaste workflows met behulp van stapsgewijze logica. Je gaat ook zelfreflectielussen gebruiken zodat agenten hun eigen resultaten kunnen verbeteren.
<br></br>

<h2>Ontwerp multi-agent systemen met LlamaIndex</h2>

In de laatste stap ga je verder dan systemen met één agent door teams van AI-agenten te ontwerpen die samenwerken. Je maakt workflows waarin elke medewerker een specifieke taak heeft, zoals onderzoek doen, schrijven en controleren, en informatie deelt via een gemeenschappelijke context. Je gaat aan de slag met opeenvolgende, herhalende en vertakkende workflows, en leert hoe je complexe taken met meerdere agenten kunt regelen.

Intermediate Python

Bouw AI-workflows met LlamaIndex voor plannen, zoeken, onthouden en samenwerken.

Agentische workflows bouwen met LlamaIndex

Maak met LlamaIndex AI-agenten die kunnen plannen, zoeken, onthouden en samenwerken.

Multi-agentsysteem met AgentWorkflow

Agentische workflows bouwen met LlamaIndex

Oefeninstructies

Interactieve oefening met praktijkervaring