This chapter introduces the core concepts and setup needed to build agentic workflows using LlamaIndex. Get hands-on practice with tools like Tavily and OpenAI models, define your first tool function, and create an intelligent agent capable of interacting with the web. By the end, you'll have a fully functional AI agent built with LlamaIndex, ready to tackle real-world tasks.

Welcome!

Getting started with LlamaIndex

What are agents?

Creating an agent

Do agents remember?

Maintaining state across agent runs

Streaming output and events

Building an Agent

Why stop at one agent when you can build a team? In this chapter, you'll unlock the power of multi-agent systems, where specialized agents work together like a research squad, each with a unique role. You'll build your own collaborative agent workflow that searches, writes, and reviews, showing how teamwork makes your AI smarter and more scalable.

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

Creating a Deep Research Workflow

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.

Zelfreflectie toevoegen aan de workflow

Agentische workflows bouwen met LlamaIndex

Oefeninstructies

Praktische interactieve oefening