Bouw intelligente agentic systemen! Ontdek de belangrijkste onderdelen van LangChain-agents, inclusief hoe prompts, LLM’s en tools samenwerken voor redeneren en actie. Je zet een agent op met de API van OpenAI, definieert eigen tools en pakt praktische taken aan zoals rekenkundige berekeningen. Ook verken je hoe LangChain gegevens organiseert met grafen, knooppunten en randen.

Agents in LangChain

Een ReAct-agent maken

Onderdelen van LangChain-agents

Eigen tools bouwen

Maak een tool voor wiskundige berekeningen

Aangepaste tools en queries integreren

Gesprek met een ReAct-agent

Gespreksinstelling

Stel vragen over de gespreksgeschiedenis

De basis van LangChain-agents

Bouw dynamische, tool-verrijkte chatbots met LangChain en LangGraph! Je onderzoekt hoe je een chatbot maakt die zich aanpast op basis van gebruikersinvoer door toestanden te definiëren en externe API’s te integreren voor realtime informatie-opvraging. Je verbindt deze componenten in een responsieve graafstructuur, zodat het soepel schakelt tussen gesprek en tool-ondersteunde antwoorden. Aan het einde heb je een visueel weergegeven chatbotraamwerk met verbeterd redeneren en meerstapsworkflows.

Grafen bouwen voor chatbots

Graph- en agentstatussen

Nodes en edges toevoegen

Chatbotantwoorden genereren

Vragen en antwoorden

Genereer een grafiekdiagram

Externe tools toevoegen aan een chatbot

Bouw een Wikipedia-tool

Voeg een tool toe aan een graaf

Geheugen en gesprek toevoegen

Visualiseer de graaf en geef tool-uitvoer terug

Geheugen aan de graph toevoegen

Gespreksgeheugen met een graph gebruiken

Chatbots bouwen met LangGraph

Breid je chatbot uit met dynamische tools en geheugen! Definieer en integreer meerdere tools in flexibele workflows, bouw functies voor dynamische toolaanroepen en configureer je chatbot voor het afhandelen van meerdere tools. Organiseer geheugen en outputs om verweven gesprekken met meerdere beurten mogelijk te maken. Aan het einde heb je een geavanceerde chatbot gebouwd die complexe interacties aankan.

Meerdere tools definiëren

Bouw een tool die de LLM aanroept

Bouw een tool met Python-code

Meerdere tools koppelen

Nodes en edges definiëren voor flexibel functieaanroepen

Definieer een functie die de chatbot stopt

Schrijf een functie die een LLM-respons teruggeeft

Maak de grafen-workflow voor meerdere tools

Chatbotresultaten ordenen met geheugen

Configureer outputs voor meerdere tools

Meergesprek met geheugen inschakelen

Gefeliciteerd!

Dynamische chat-agents bouwen

Elke dag veranderen intelligente systemen complete sectoren—van geautomatiseerde klantenservice tot gepersonaliseerde aanbevelingen en dynamische gegevensverwerking. Agentic workflows, die taalmodellen en tools combineren om complexe taken uit te voeren, staan centraal in deze transformatie. Deze cursus ontrafelt de kernonderdelen van agentic workflows en legt uit hoe je ze bouwt, aanpast en optimaliseert. Je leert de belangrijkste principes achter LangChain-agents, waaronder het configureren van prompts, het integreren van tools en het beheren van complexe workflows met LangGraph. Aan het einde van deze cursus kun je intelligente systemen bouwen die complexe taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die aansluiten op specifieke bedrijfsbehoeften.

Agentische workflows die LLMs en tools integreren om gedetailleerde taken uit te voeren, staan voorop in de AI-transformatie. In deze cursus leer je de belangrijkste principes achter LangChain-agents, zoals het instellen van prompts, het integreren van tools en het beheren van ingewikkelde workflows. Aan het einde van deze cursus kun je slimme systemen bouwen die ingewikkelde taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die precies aansluiten bij specifieke zakelijke behoeften.
<h2>Leer de basis van LangChain-agenten</h2>
Je leert hoe je prompts, taalmodellen en tools kunt integreren in workflows met behulp van het Reasoning and Action (ReAct)-framework. Daarna kun je agentische workflows opzetten, tools configureren en de kernprincipes van LangChain-agents begrijpen, terwijl je deze workflows visualiseert met LangGraph. Je gaat aangepaste agents bouwen, tools opzetten om toegang te krijgen tot externe gegevensbronnen zoals de Wikipedia API, en de statussen van agents beheren. Je wordt geholpen bij het definiëren van knooppunten en randen, het maken van voorwaardelijke paden en het samenstellen van complexe workflows die zich aanpassen aan verschillende omstandigheden.
<h2>Dynamische chatbots bouwen</h2>
Tot slot leer je berichten te monitoren, knooppunten te definiëren voor flexibele functieaanroepen en je chatbot te configureren voor het gebruik van meerdere tools. Aan het einde van deze cursus kun je slimme systemen bouwen die ingewikkelde taken automatiseren, de productiviteit verhogen en dynamische oplossingen bieden die precies aansluiten bij specifieke zakelijke behoeften.

Developing LLM Applications with LangChain

Begrijp de basiscomponenten van LangChain-agenten en bouw aangepaste chatagenten.

Agentic Systems ontwerpen met LangChain

Leer de basis van LangChain-agents kennen en maak je eigen chatagents.

Apps maken met LangChain

Onderdelen van LangChain-agents

Agentic Systems ontwerpen met LangChain

Interactieve oefening met praktijkervaring