Cursus
AI-agents bouwen met Google ADK
1 Hr
5.3K
AI-agents zijn geavanceerde, doelgerichte systemen die context begrijpen en meerstapsworkflows uitvoeren met minimale supervisie, in tegenstelling tot eenvoudige chatbots. Ze kunnen API’s aanroepen, software bedienen, data bevragen en gebruikmaken van geheugen- en feedbacklussen.
Deze agents zijn een kernonderdeel van het AI-ecosysteem geworden. Als je erover leert, kun je je AI-carrière starten of je huidige vaardigheden verbeteren. De beste manier om een nieuw concept te begrijpen, is door praktische applicaties te bouwen.
In dit artikel bespreken we 10 AI-agentprojecten die nuttig zijn voor elk vaardigheidsniveau:
- Beginners: Bouw snel met low-codetools zoals Langflow, Flowise en Make AI.
- Gevorderd niveau: Gebruik frameworks zoals LangGraph, Mistral Agents en Qwen-Agent om maatwerkagents te maken.
- Expert: Ontwerp multi-agentsystemen met Haystack, ADK en CrewAI.
AI-agentprojecten voor beginners
Eenvoudige projecten gebruiken GUI- of low‑codeagenttools. Je kunt componenten visueel slepen, neerzetten en verbinden, je LLM-API-sleutel toevoegen en de pipeline draaien. Met deze builders kun je stateful agents prototypen, databronnen en API’s integreren en prompts en toolcalls aan elkaar ketenen zonder boilerplatecode.
1. Taalcoach met Langflow
Language Tutor with Langflow is een klein agentisch systeem dat korte leespassages genereert die aansluiten op de huidige woordenschat van de leerling. Het draait op Langflow met een Postgres-database (via Docker) en gebruikt psycopg2 om woorden te lezen/schrijven.
Je uploadt je woordenschat uit een CSV, voegt nieuwe woorden toe via een tool in de chat, en een verhaaltool haalt je opgeslagen woorden op om een LLM te laten schrijven in de door jou gekozen taal. De hoofdagent routeert je verzoek, “woord toevoegen” of “maak een verhaal”, en geeft het resultaat terug.
Gids: Langflow: een gids met demoproject
2. Data-analist-AI-agent met Flowise
Data Analyst AI Agent with Flowise is een workflow waarmee je vragen kunt stellen over een database en antwoorden krijgt met de exacte gebruikte SQL.
Je koppelt Flowise aan een SingleStore-database, voegt een aangepast codeblok toe om de tabelschema’s te lezen en voert dat in een prompt die een LLM (via een LLM Chain met OpenAI) vraagt om een SQL-query te genereren.
De query wordt opgeslagen, opgeschoond, uitgevoerd via een ander aangepast codeblok, en de resultaten plus de query worden geformatteerd door een laatste prompt en LLM Chain.
Gids: Flowise: een gids met demoproject
3. Klantenservice automatiseren met Make AI
Customer Service AI Agent with Make reageert automatisch op huuraanvragen die via een Tally-formulier worden ingediend.
Wanneer iemand een Tally-formulier invult, haalt Make AI de huurinformatie op uit een Google Doc. Vervolgens schrijft een OpenAI-module een antwoord met die details en de vraag van de persoon. Tot slot stuurt de e-mailmodule het antwoord rechtstreeks naar het e-mailadres uit het formulier.
Gids: Make AI: een gids met praktische voorbeelden
AI-agentprojecten voor gevorderden
Projecten voor gevorderden richten zich op het bouwen van complete workflows met moderne agentische frameworks en API’s. In deze fase koppel je niet alleen API’s, je ontwerpt ook eenvoudige UI’s zodat gebruikers direct met de agents kunnen communiceren.
4. Voedingscoach met Mistral Agents
Nutrition Coach with Mistral Agents is een AI-agentproject dat je maaltijden logt, calorieën schat en een gezonde volgende maaltijd voorstelt, met een afbeelding.
De app bevat Mistrals Agents API, met een webzoekagent voor het verkrijgen van calorieramingen. Er is ook een fallbackschatter, een logger om maaltijden, calorieaantallen en tijdstempels vast te leggen, en een afbeeldingsgenerator om het voorgestelde gerecht te visualiseren.
Gebruikers voeren hun maaltijd en voorkeuren in, en de app zoekt of schat het caloriegehalte, logt de invoer, stelt een vervolgmaaltijd voor en toont een automatisch gegenereerde afbeelding van het gerecht, samen met een duidelijke samenvatting van de gebruikte tools.
Gids: Mistral Agents API: een gids met demoproject
5. Diepgaande onderzoeksassistent met Jan‑v1
Het AI-agentproject Deep Research Assistant with Jan‑v1 is een app die een onderwerp omzet in een gepolijst onderzoeksrapport met lokale Jan‑v1-inferentie, asynchrone webzoekopdrachten en strikte rapportopmaak. Hij genereert slimme zoekopdrachten, haalt bronnen op en synthesizeert een strak, professioneel stuk.
De app gebruikt Streamlit voor de UI, llama‑cpp om lokaal een Jan‑v1 GGUF-model te draaien, Serper voor webzoekopdrachten en een set helperfuncties voor secties en opschoning.
Gebruikers voeren een onderwerp in, kiezen diepte, focus, tijdsbestek en formaat; de app genereert queries, draait asynchrone zoekopdrachten, compileert notities en laat Jan‑v1 een gestructureerd rapport produceren, toont vervolgens bronnen en laat je exporteren naar TXT/JSON. Voortgangsbalken volgen de stappen en sessiestatus voorkomt dat het model tussen runs opnieuw wordt geladen.
Gids: Jan‑V1: een gids met demoproject
6. Real-time websummarizer-extensie met Qwen-Agent
Real-Time Web Summarizer-extensie is een Chrome-add-on die de zichtbare tekst van elke pagina vastlegt en in real time een schone, bondige samenvatting streamt, lokaal aangedreven door Qwen3 via Ollama en een FastAPI-backend.
Gebruikers kunnen op “Summarize” klikken in de pop-up, zoals hieronder te zien is. De extensie haalt de paginattekst op, stuurt die naar http://127.0.0.1:7864/summarize_stream_status en toont het streamende antwoord.
Voor de setup haal je het Qwen-model binnen met Ollama, start je de FastAPI-server, laad je de uitgepakte extensie, en daarna krijg je direct samenvattingen op elke pagina, gepresenteerd in een duidelijke, editorachtige opmaak.
Gids: Qwen-Agent: een gids met demoproject
7. Real-time analytics met LangGraph
Real-time Analytics is een door LangGraph aangestuurde assistent die vragen beantwoordt, het web doorzoekt en Python-code uitvoert. Hij combineert Mistral Medium 3 voor redeneren, Tavily voor webzoekopdrachten en een Python REPL voor het draaien van code op basis van gebruikersprompts.
Wanneer gebruikers een vraag stellen, bepaalt de agent of hij een zoekopdracht moet uitvoeren, code moet draaien of beide. Daarna geeft hij het eindantwoord samen met informatie over de gebruikte tools. De setup omvat het toevoegen van de Tavily-API-sleutel, het installeren van de benodigde packages, het initialiseren van de LLM en tools, het maken van de LangGraph-agent en het aanroepen met gebruikersberichten.
Gids: Mistral Medium 3-tutorial: agentische applicaties bouwen
AI-agentprojecten voor experts
Geavanceerde AI-agentprojecten brengen meerdere agents en meerdere tools samen in één workflow. Deze projecten maken gebruik van krachtige agentische frameworks zoals Haystack, ADK en CrewAI, waarmee je complexe, collaboratieve systemen kunt ontwerpen waarin agents kunnen coördineren, specialiseren en geavanceerdere taken aankunnen.
8. RAG en web-AI-agents met Haystack AI
Haystack Agentic RAG and Web Access is een assistent die vragen beantwoordt met behulp van een privékennisbank en, indien nodig, live webresultaten. Hij routeert vragen eerst naar retrieval-augmented generation en schakelt over naar webzoekopdrachten voor verse, realtime info.
Hij gebruikt Haystack-pipelines en agents, een in-memory document store met OpenAI-embeddings, een aangepaste RAG-tool en een aangepaste Tavily-webzoektool verpakt als ComponentTool. De agent wordt aangestuurd door GPT 4.1 Mini met een systeemprompt die de toolselectie stuurt.
Gebruikers kunnen vragen stellen en de agent haalt informatie op uit de kennisbank of voert een Tavily-zoekopdracht uit voor actuele onderwerpen. Vervolgens geeft hij een antwoord met daarbij de gebruikte tools.
Gids: Haystack AI-tutorial: agentische workflows bouwen
9. Reisplanner met ADK en A2A
Travel Planner with ADK and A2A is een uitgebreide multi-agentapplicatie die reizen van begin tot eind plant. Gebruikers voeren simpelweg hun bestemming, reisdata en budget in. Gespecialiseerde agents bevelen vervolgens vluchten, accommodaties en activiteiten aan. Een coördinerende hostagent organiseert alle onderdelen, terwijl een Streamlit-gebruikersinterface de volledige reisplanning toont.
Gebruikers vullen het formulier in Streamlit in, de hostagent stuurt de payload naar alle drie de agents, voegt hun JSON-antwoorden samen en retourneert een gestructureerd plan met vluchten, hotels en activiteiten.
Gids: Agent Development Kit (ADK): een gids met demoproject
10. Agentische RAG met CrewAI
Agentic RAG pipeline is een query-routeringssysteem dat antwoordt met onderbouwde context uit lokale PDF’s of, indien nodig, het live web.
Het gebruikt FAISS over PDF-chunks, Groq voor snelle LLM-antwoorden en een crewAI-webworkflow voor externe context. Een routerprompt bepaalt “Ja/Nee” of lokale data volstaat, en utilities verzorgen retrieval, webscraping en synthese.
Gebruikers stellen een vraag en de router controleert de PDF-context. Als het antwoord "Ja" is, haalt het systeem de beste overeenkomsten op uit de vectordatabase. Als het antwoord "Nee" is, zoekt het op het web, combineert de verzamelde informatie en formuleert het taalmodel het uiteindelijke antwoord.
Gids: Agentische RAG: stapsgewijze tutorial met demoproject
Tot slot
Je eigen AI-projecten vanaf nul bouwen is een van de beste manieren om je carrière een boost te geven. Het helpt je verder te gaan dan de theorie en praktische vaardigheden op te doen. Je leert hoe je een probleem definieert, tools en agents koppelt, resultaten valideert, een eenvoudige gebruikersinterface maakt en verbetert op basis van echte gebruikersfeedback.
Elk project dat je afrondt, voeg je toe aan je portfolio, dat je kunt delen op platforms zoals GitHub of Hugging Face, of als live demo. Dit laat potentiële werkgevers zien dat je betrouwbare systemen kunt ontwerpen en uitrollen, en niet alleen bestaande modellen kunt gebruiken. Het toont je begrip van productontwikkeling en engineering, waardoor je aantrekkelijker wordt voor hiring managers in gebieden zoals toegepaste machine learning en AI-engineering.
Ik raad aan om te beginnen met kleine projecten en ze regelmatig te releasen. Laat je werk voor zich spreken; elk project vertelt het verhaal van je groei en expertise in AI. Als je nieuw bent met agentische AI, raad ik ook aan om de Introduction to AI Agents-cursus te volgen en onze AI Agents-cheatsheet te bekijken.
Onderwerpen
