Techorama – De Agentic Middeleeuwen

In de conferentie vorig jaar had ik het onwerkelijke gevoel dat – terwijl de wereld al uitgebreid met Agentic bezig was – er toch nog veel “oude” presentaties waren, en Microsoft MVPs die auto-complete maar stom en onhandig vonden. Hoe anders is het dit jaar: ALLES gaat over Agentic AI, en helemaal terecht.

De keynote dompelt me meteen onder in wat AI de komende periode, zeg 10 jaar, gaat mogelijk maken. Heel inspirerend. Nu gebruik je misschien al regelmatig ChatGPT en probeer je in je projecten Agentic AI nuttig te maken. Maar de aandacht gaat verschuiven naar AI Agents die namens ons beslissingen nemen, waarbij ze zelfstandig praten met AI agents van andere mensen of bedrijven. De keynote focust op Opschalen versus Bezieling: gebruik je AI vooral om meer en sneller te werken, of zoek je de balans met het menselijke aspect. De praktische tip vanaf het podium: kies binnen jouw team of afdeling één belangrijkste use case voor AI en probeer dat steeds beter te maken.

Mijn grootste take: de FOBO (Fear of Becoming Obsolete) die je als techneut kan voelen, is absoluut onterecht. Want wie gaan die enorme agentic transformatie de komende jaren waarmaken? We leven wat mij betreft in een fantastische tijd waarin we over een paar jaar steeds meer de vervelendste klusjes gaan kunnen uitbesteden aan AI hulpjes. En denk hierbij niet alleen aan software, maar ook aan agentic robots. Zowel bij software als bij robots is natuurlijk nog heel veel verbetering nodig om het veilig en betrouwbaar te kunnen gebruiken, maar dat is nou precies mijn punt.

Vooruit één klaagpuntje: het format van de conferentie begint eentonig te worden. Dezelfde bedrijfstandjes, op dezelfde fysieke plaatsen, vaak zelfs dezelfde goodies en dezelfde mensen. En mijn laptoprugzak van 4 edities geleden begint te slijten: volgend jaar graag weer zo’n kekke rugzak als goodie bag 😜.

Andere goodies die ik heb genoteerd:

• Mitre Attack (https://attack.mitre.org/) is een tegenhanger van OWASP. Deze site staat bomvol met echte aanvalstechnieken, die je langs je app kunt leggen. Daarnaast bestaat Mitre Atlas (https://atlas.mitre.org/) voor gevaren specifiek rond AI.
• Gebruik Syft + Grype om bekende kwetsbaarheden in de dependencies en softwarecomponenten van je project te scannen, als aanvulling op de ingebouwde mogelijkheden van je package manager (zoals `dotnet list package –vulnerable –include-transitive` of `npm audit`). Syft genereert een SBoM; Grype controleert die op bekende kwetsbaarheden. De combinatie ondersteunt meerdere ecosystemen en kan ook componenten buiten je directe package dependencies vinden, bijvoorbeeld in Docker-images.
• Jeff Prosise laat in 60 minuten zien hoe je zelf een volwaardige Agent app (harnas) bouwt in python, met het agno framework. Heel leerzaam en nuttig om dit beter te begrijpen. Zijn demo staat hier: https://github.com/jeffprosise/beat-the-clock.
• Geef je AI Agent toegang tot Playwright MCP, om websites te kunnen lezen die javascript-pagina’s gebruiken.
• Rocky (Rockford Lhotka) legt uit dat een MCP server niet een API is en ook niet een UI. Maar toch wel. Of toch niet. Want een Agent is software, maar praat met mensentaal. Voor een Agent werkt een MCP veel beter dan een API of een CLI tool, omdat Agents niet deterministisch werken. Daarom kunnen normale API’s en CLI’s heel omslachtig werken. Een MCP moet requests behandelen alsof ze van een gebruiker komen: inclusief input-validatie en met output die alleen zaken bevat die de Agent nodig heeft. Geen technische errors of database velden die meer prijs geven dan nodig.
• Tool calls (inclusief MCP) zijn al jaren de grootste valkuil voor Agents, vanwege onzichtbare contextvervuiling. De AI-boeren waarschuwen hier al jaren voor. De oplossing: CodeGen Agents. Inmiddels ondersteunen zowel Anthropic als OpenAI dit native onder naam van Programmatic Tool Calling (hier en hier), zodat ze transparant indirecte tool calls kunnen uitvoeren, ZONDER dat (potentieel gigantische) tussenresultaten via de LLM gaan. Dit kan dramatisch het tokengebruik verminderen. Heel kort uitgelegd: de LLM stuurt tools niet direct aan, maar geeft (python-)code als tussen-antwoord, waarin één of meer tool calls zitten. De server voert de code uit, doet daarbij de tool calls buiten de LLM om, en geeft de LLM alleen het eindantwoord.
• Ik leer over de kracht van het voor AI beschikbaar maken van allerlei persoonlijke data, zoals je email en je agenda. In meerdere praatjes komt dit terug als bouwstenen voor het automatiseren van je persoonlijke workflow. Sommige sprekers vertrouwen hun data volledig toe, ik vind dit zelf nog eng.
• Talk over Microsoft frameworks. WPF en WinForms leven nog steeds, althans als je Windows mag gebruiken. WinUI is afgeraden, dat wordt weinig gebruikt, waardoor ook AI hier minder goed raad mee weet. Voor cross-platform inclusief mobile: gebruik MAUI of Uno. Let op: MAUI doet geen Linux desktop apps, terwijl Uno juist alles doet, inclusief web. Kom je van WPF en wil je cross-platform, gebruik dan Avalonia. Moet het een web app, gebruik dan Blazor of Uno. AI kan heel makkelijk migreren tussen deze frameworks, maar refactor dan eerst de WPF/WinForms/WinUI naar een apart C# project. Componenten van MAUI en Blazor zijn uitwisselbaar.