Ontdek wat een AI-agent succesvol maakt in productie (en hoe veel agents onderweg stranden!). Leer de belangrijkste ontwerpprincipes om je agents klaar te stomen voor opschalen: robuuste infrastructuur en tooling, modulaire ontwerparchitectuur en continue evaluatie- en feedbackloops.

AI-agents in het wild

Opties

Andere automatiseringen

AI-agents

To agent or not to agent

Agentische applicaties

Ontwerpprincipes voor schaalbare agents

Modulariteit

Robuuste infrastructuur en tools

Continue evaluatie

Strategieën voor schaalbaar design

De pijlers van schaalbaar design afdwingen

Hoe AI-agents opschalen (en falen)

Niet falen tijdens het schalen!

Hogere kosten

Lagere kosten

Agentic accounting

Zonder guardrails gaat het mis

Schaalbare agents ontwerpen

Leer de belangrijkste strategieën om te zorgen dat je agent met schaalbaarheid in gedachten wordt ontwikkeld. Krijg inzicht in hoe het Model Context Protocol (MCP) en het Agent-to-Agent-protocol (A2A) schaalbaarheid mogelijk maken via standaardisatie.

Ontwerppatronen voor multi-agenten

De stap maken van single naar multi-agents

Patronen voor multi-agentontwerp

Het Model Context Protocol (MCP)

Kennismaken met MCP

MCP is the MVP

Clients, servers en alles daartussenin

Het Agent-to-Agent (A2A)-protocol

Agentkaarten - Gotta Catch 'Em All

MCP en A2A: vriend of vijand?

Agents ontwikkelen voor schaalbaarheid

Tijd voor productie, maar niet te snel! Bouw een robuust testframework om vertrouwen te krijgen dat de AI-agent in productie blijft presteren. Kies de beste uitrolstrategie voor jouw use-case en leer hoe je realtime gegevensbronnen integreert met je agentic-systeem.

Van proof-of-concept naar productie

Een agent robuust testen

Wat moet je nog controleren?

Snelle en efficiënte gegevensinname

De waarde van realtime data

Beheerst falen: risico’s beperken

Opnieuw proberen met exponentiële backoff

De regels vastleggen!

Gefeliciteerd!

Agents grootschalig in productie brengen

Cheat Sheet

Course Glossary

Waarom lukt het zoveel agentic-systemen niet om de stap van ontwikkeling naar productie te maken? In deze cursus ontdek je het! Leer AI-agents ontwerpen en ontwikkelen met schaalbaarheid in gedachten, aan de hand van de drie pijlers van agentic-schaalbaarheid: robuuste infrastructuur en tooling, modulaire ontwerparchitectuur en continue evaluatie- en feedbackloops. Je leert hoe agentic-raamwerken zoals het Model Context Protocol (MCP) en het Agent-to-Agent-protocol (A2A) schonere en snellere integraties tussen gegevensbronnen en agents mogelijk maken. Tot slot leer je welke tests en uitrolstrategieën nodig zijn om je agent daadwerkelijk waarde te laten leveren.

De video's bevatten live-transcripten die je kunt tonen door linksonder in de video op "Show transcript" te klikken.

De woordenlijst van de cursus vind je rechts in de sectie met bronnen.

Om CPE-credits te behalen, moet je de cursus afronden en een score van 70% halen op de gekwalificeerde toets. Je gaat naar de toets via de CPE-credits-callout aan de rechterkant.

<h2>Ontwerp en ontwikkel agents voor schaalbaarheid</h2>
Leer hoe je AI-agenten kunt ontwerpen en ontwikkelen met het oog op schaalbaarheid, volgens de drie pijlers van agentische schaalbaarheid: modulariteit, robuustheid en aanpassingsvermogen. Ontdek wat een goede agent in de productie maakt en waarom zo veel mensen moeite hebben om dat te bereiken.<br><br><h2>Ontdek de kracht van MCP en A2A</h2>
Het Model Context Protocol (MCP), ontwikkeld door Anthropic, heeft een revolutie teweeggebracht in de interoperabiliteit van agents, door een uniforme aanpak te creëren voor het verbinden van agents met gegevensbronnen. Het Agent-to-Agent-protocol (A2A) dat door Google is ontwikkeld, is een aanvulling op MCP. Ontdek hoe je deze twee frameworks kunt combineren om ervoor te zorgen dat de integraties van je agent schaalbaar zijn.<br><br><h2>Voer de beste praktijken voor het testen en implementeren van agents uit</h2>Voordat je op de grote rode knop drukt en je agent in productie neemt, moet je de risico's die gepaard gaan met schaalvergroting beperken. Leer hoe je een sterk testraamwerk kunt maken om problemen met onderdelen, integraties, prestaties en beveiliging te ontdekken. Kies welk type implementatie het beste bij je agent past door te kijken naar wat je nodig hebt.

Introduction to AI Agents

Ontdek hoe je AI-agenten kunt opschalen met hulp van frameworks zoals MCP en A2A.

Schaalbare Agentic-systemen bouwen

Ontdek wat er nodig is om AI-agenten op te schalen, met een beetje hulp van frameworks zoals MCP en A2A.

Basisprincipes van AI-agenten

Agentische applicaties

Schaalbare Agentic-systemen bouwen

Interactieve oefening met praktijkervaring