Expert / In eigen tempo, Online
AI-agents in productie
Tools, geheugen, evaluatie, guardrails, kosten en beheer, met het model van je keuze
- Niveau
- Expert
- Totale tijd
- ongeveer 6 uur
- Lessen
- 8
- Labs
- 8
- Laatst gecontroleerd
- 2026-11-11
Wat je leert
- Een begrensde agentlus ontwerpen met afgebakende tools en menselijke goedkeuring
- Sessiestate en langetermijngeheugen scheiden en beide op verzoek verwijderen
- Een evaluatieset bouwen, LLM-judges toetsen aan mensen en releases erop bewaken
- In lagen verdedigen tegen promptinjectie en de aanvallen testen
- Kosten per taak meten en gebruiken als releasepoort
- Modellen veilig wisselen en agents beheren met een gateway, alerts en runbooks
Voor wie
Teams die een agent van demo naar productie brengen en de engineering rond het model nodig hebben: tools, state, evaluatie, veiligheid, kosten en beheer.
Engineers en architecten die AI-agents bouwen of beheren voor echte gebruikers
Wat je vooraf nodig hebt
Je kunt overweg met Python en JSON en hebt minstens één keer een LLM-API aangeroepen. Basiskennis van SQL helpt in les 3 en 8.
Programma
De lessen bouwen op elkaar voort, dus volg ze de eerste keer op volgorde. Onder elke titel zie je wat je aan het einde van de les kunt.
Wat een agent in productie is
- De zes stappen van een agentlus beschrijven en waarom hij grenzen nodig heeft
- De acht bouwstenen noemen en wat je in elk beheert
- Een begrensde lus schetsen met een toegestane toollijst en twee overdrachtsuitgangen
Tools en MCP
- Uitleggen hoe MCP tools toont en aanroept en waar de beveiligingsregels gelden
- Tools verdelen in lezen en schrijven en goedkeuring toevoegen aan de schrijfklasse
- Elke tool een afgebakende identiteit geven en het minimum geven in Unity Catalog
- Een strikt toolschema schrijven met een bruikbaar foutpad
Geheugen en state
- Sessiestate van langetermijngeheugen scheiden en bepalen wat waar komt
- Geheugentabellen ontwerpen met subject, bron en vervaldatum
- Geheugen via een poort schrijven om vergiftiging tegen te gaan
- Verwijderen bouwen bij verval, op verzoek en bij correctie
Evaluatie die releases bewaakt
- Een evaluatieset bouwen uit echte cases met verwachtingen en een apart gehouden deel
- Kiezen tussen codescorers en LLM-judges
- De overeenstemming tussen een judge en menselijke labels meten
- Resultaten omzetten in een regressiepoort
Guardrails en veiligheid
- Directe van indirecte promptinjectie onderscheiden en het realistische aanvalspad noemen
- Vijf verdedigingslagen toepassen, van least privilege tot aanvalstests
- Deterministische uitvoercontroles schrijven en onbetrouwbare inhoud omhullen
- Een escalatiepad ontwerpen voor geblokkeerde of verdachte gevallen
Kosten en tokens
- Benoemen waar de tokens in een agentverzoek naartoe gaan
- Kosten per taak meten en de zwaarste stap vinden
- Kostenhefbomen trekken in een volgorde die kwaliteit beschermt
- Kosten per taak onderdeel maken van de releasepoort
Je eigen model meebrengen
- Per taak een modelbron kiezen: aanbieders-API, gelicentieerd model, open-weight of gefinetuned
- Elk model via één interface bereiken zodat een wissel een configuratiewijziging is
- Een veilige wissel uitvoeren met een baseline, een schaduwrun en een verkeerssplitsing
- Benoemen wat er bij een wissel meestal breekt en hoe je het vangt
Agents in productie beheren
- Een agent als service draaien met herstel na crashes, versiebeheer en gescheiden omgevingen
- Een gateway gebruiken voor budgetten, limieten, beleid en logging
- Observability-signalen en alerts kiezen die tot een actie leiden
- Runbooks en een noodstop schrijven en oefenen
Eindopdracht
Eindopdracht: een beheerde agent voor supporttriage
Ontwerp en bouw een agent die binnenkomende supportverzoeken leest, de orderstatus opzoekt met één leestool en een antwoord schrijft dat een mens goedkeurt. Lever de agentlus, de tooldefinitie, het geheugenontwerp, een evaluatieset van minstens 30 cases met een regressiepoort, een set injectietests, een meting van kosten per taak en een beheerpakket met alerts en runbooks. Gebruik Databricks Free Edition of een lokale Python-omgeving, met een stubmodel als je geen modeltoegang hebt.
De eindopdracht past de hele cursus toe. Markeer hem als af zodra je elk punt kunt afvinken.
Wat goed eruitziet
- De lus heeft een staplimiet, een tijdslimiet en een tokenbudget en beide uitgangen dragen over aan een mens
- De toollijst is een toegestane lijst, elke tool heeft een strikt schema en de schrijfactie vraagt goedkeuring
- Sessiestate en langetermijngeheugen zijn aparte stores met subject, bron en vervaldatum en één aanroep verwijdert een subject uit beide
- De evaluatieset heeft resultaten per groep, een apart gehouden deel en een releasepoort die faalt als kwaliteit of veiligheid daalt
- Minstens vijf injectiecases zitten in de set en de agent haalt ze allemaal
- Kosten per taak en de zwaarste stap worden gerapporteerd en een budgetpoort is onderdeel van de releaseregel
- Runbooks dekken minstens vier situaties en noemen een eigenaar en een noodstop
Ga verder
Leerpaden met deze cursus
Zo doen we dit voor klanten
Leer dit met je team
We geven deze cursus als live workshop voor teams, op locatie of online, en passen de labs aan op jullie platform.
Bekijk de workshopsVolgende stap
Wil je dat je team dit samen leert?
We geven workshops aan bedrijfsteams en studenten, op locatie of online. Vertel wie de deelnemers zijn en wat ze daarna moeten kunnen.
Open voor projecten in Q4 2026