Wat is een multi-agent systeem? Handleiding voor ops

Wat is een multi-agent systeem? Een handleiding voor ops-teams

Wat is een multi-agent systeem? Het is een stel AI-agenten die samen één taak verdelen: elk agent krijgt zijn eigen rol, tools en context-venster, en coördinatie verloopt via een leidinggevend agent of een vaste overdrachtvolgorde. Als je met één agent al tegen grenzen aanloopt, is dit de volgende architectuur die je moet begrijpen. Hieronder: hoe het werkt in een operationele stack en wanneer het meer kost dan het oplevert.

30 seconden briefing: één agent doet alles in één lange context. Een multi-agent systeem geeft elke stap aan een specialist en voegt een coördinator toe. Je wint parallel werk en schonere outputs. Je betaalt in tokens, latentie en debugtijd.

Wat is een multi-agent systeem in praktische termen?

Stel je voor hoe je team een deal review uitvoert. Eén persoon haalt accountgegevens op. Een ander checkt de fit tegen je ideale klantprofiel (ICP). Een derde schrijft de vervolgmail. Een leidinggevende leest alle drie outputs en beslist wat wordt verstuurd.

Een multi-agent systeem kopieert die structuur in software. Elk agent is een modeloproep met een strikte instructie, eigen tools en eigen werkgeheugen. Een coördinator splitst de taak, stuurt de onderdelen uit en voegt de resultaten samen.

Bekijk een concreet voorbeeld. Een customer success (CS) lead wil wekelijks een statusrapport voor 40 accounts. Eén agent die 40 supporthistorieën, 40 gebruiksrapporten en 40 verlengingsnota's leest, verliest het overzicht rond account 15. Veertig kleine werkers, elk lezend één account, en één lead die de resultaten rangschikt,die benadering werkt wel. Dat is de kerngedachte: verdeel een breed karwei in smalle klusjes, en zet ze dan weer in elkaar.

Twee kenmerken tellen. Ten eerste: elk agent houdt alleen wat hij nodig heeft, dus zijn context blijft klein en gefocust. Ten tweede: agenten wisselen gestructureerde outputs uit, geen vrij chatten. Sla een van beide over en je krijgt een rumoerig groepskanaal, geen systeem.

Hoe verschilt het van één agent of een chatbot?

Een chatbot beantwoordt één vraag. Een agent werkt naar een doel toe via meerdere stappen en roept tools aan onderweg. Dat gat hebben we eerder behandeld in onze gids agent versus chatbot.

Een multi-agent systeem voegt een derde laag toe: meerdere agenten, elk eigenaar van een deel van het doel. Het verschil openbaart zich op drie plekken.

• Context. Eén agent sleept elk toolresultaat door één venster. Specialisten zien elk alleen hun stuk.

• Parallellisme. Eén agent werkt stap voor stap. Een lead kan vijf werkers tegelijk starten.

• Foutlijn. Eén agent faalt als geheel. In een systeem faalt één werker en kan de lead juist dat stukje opnieuw proberen.

Er zit ook een governancewinst in die operatieteams meestal onderschatten. Omdat elk werker een smalle rol heeft, kun je hem smalle rechten geven. De researchwerker leest de CRM. Alleen de laatste stap schrijft ernaar. Als iets misgaat, is de schadecirkel één rol, niet je hele pijplijn.

De kost van die flexibiliteit is coördinatie. Elke overdracht is een plek waar informatie verloren gaat of verkeerd wordt begrepen.

Hoe werkt een multi-agent systeem eigenlijk?

De meeste productieopstellingen gebruiken één van drie patronen. Kies op basis van je taakstructuur, niet op wat indrukwekkend klinkt.

Orchestrator en werkers. Een lead agent leest het verzoek, bedenkt een plan, start werkers en voegt hun outputs samen. De lead beslist de subtaken tijdens het draaien, op basis van wat hij vindt. Dit past op onderzoek en open voorbereiding.

Pijplijn. Agenten draaien in vaste volgorde: output van agent A wordt input van agent B. Geen coördinator nodig. Dit past op werk dat je al als standaardoperationeleprocedure (SOP) zou kunnen schrijven, zoals verrijken, scoren, concept.

Controleschleife. Eén agent produceert, een ander kritiseert tegen een checklist, en de eerste herziet. Dit past op alles waar kwaliteitsgates meer tellen dan snelheid, zoals uitgaande copy of contractoverzichten.

Anthropic publiceerde de meest gedetailleerde openbare beschrijving van het eerste patroon. In de multi-agent research system post presteerden Claude Opus 4 met Claude Sonnet 4 subagenten 90,2% beter dan één solo Claude Opus 4 op Anthropic's interne researchevaluatie. Lees dat getal als resultaat voor open onderzoek, niet als belofte voor je CRM-opschoning.

Stap 1: Schrijf de delegatiebrief voordat je iets anders doet

De meest voorkomende mislukking is een vage overdracht. "Onderzoek dit account" naar drie werkers brengt drie overlappende antwoorden en één verspilde run.

Geef elke werker vier dingen. Een doel, een outputformaat, de tools en bronnen die hij mag gebruiken, en een stoppregel. Dat is het hele contract.

Hier is een brief voor een prospectonderzoekswerker:

• Doel: de drie meest recente financierings- of wervingssignalen voor één account vermelden.

• Formaat: een tabel met signaal, datum, bron-URL.

• Tools: zoeken op het web en alleen de CRM-record.

• Stop: na vijf bronnen of tien minuten, wat het eerst is.

Schrijf de brief eenmaal, sla hem op als commando, en hergebruik. In CommanderGPT betekent dat een /research-commando met de brief ingebakken, dus niemand hoeft het opnieuw in te typen. HQ regels: één commando per werkerrol, geen ad hoc prompts.

Wat ziet een multi-agent workflow eruit voor een GTM-team?

Neem voorgesprekvoorbereiding voor een account executive. Eén agent doet het in één lange doorgang en krijgt meestal het laatste derde fout, omdat de vroege tooloutput de context verstopt.

De gesplitste variant werkt zo:

1. /research haalt financierings-, wervings- en nieuwssignalen op.

2. /score-icp vergelijkt het account met je ICP-criteria en geeft een fitscore met redenen terug.

3. /draft-email schrijft het first-touch bericht van de twee gestructureerde outputs.

4. Een reviewagent checkt het concept tegen je verbode-woordenlijst en toonregels.

Let op wat de splitsing je oplevert. Als de mail vreemd klinkt, open je input van stap 3 en ziet je precies welk signaal het kreeg. Met één lange agent lees je het hele transcript opnieuw en gok je.

Stap 1 en 2 kunnen parallel draaien wanneer de score niet van het onderzoek afhangt. Stap 3 wacht op beide. Dat is een klein multi-agent systeem: drie werkers, één reviewer, één overdrachtregel.

Als je dit in een geketende workflow draait, verwacht je dat het langer duurt dan één enkele prompt. Meet het in je eigen stack voordat je iemand een getal beloofd. De winst is niet pure snelheid. Het is dat elke stap's output controleerbaar is.

Waar wint het van één agent en waar verliest het?

Multi-agent verdient zijn bestaan op werk dat schoon splitst. Onderzoek over vele bronnen, voorbereiding over veel accounts, en controles over veel documenten kwalificeren allemaal. Werkers draaien naast elkaar en de lead voegt de resultaten samen.

Het verliest op strak gekoppeld werk. Wanneer stap 4 elk detail van stap 1 tot 3 nodig heeft, dwing je al die detail door een samenvatting. Anthropic maakt hetzelfde punt over zijn eigen systeem: de meeste codeertaken hebben minder echt parallelliseerbare stukken dan onderzoek, en agenten zijn nog niet goed in real-time coördineren en delegeren.

Sla multi-agent over als een van deze punten waar is:

• De taak past comfortabel in één context-venster.

• Elke stap heeft elk detail van de vorige nodig.

• Je kunt de werkerrollen niet elk in één zin omschrijven.

• De klus loopt een paar keer per maand. De instelkosten betalen zich nooit terug.

Het bouwen is waard als de taak parallel is, de rollen duidelijk zijn en je het dagelijks draait.

Wat kost een multi-agent systeem?

Grotendeels tokens. Anthropic meldt dat agenten ongeveer 4 keer meer tokens gebruiken dan chatten, en multi-agent systemen ongeveer 15 keer meer. Die getallen komen van hun onderzoeksbelasting, dus behandel ze als een ordegrootte, niet als een notering voor je rekening.

De praktische regel: reken één echte taak door voordat je het schaalt. Tel tokens per run, vermenigvuldig per week runs, vergelijk met minuten bespaard. Als een voorbereiding 20 minuten bespaart en wat dollars modelgebruik kost, is dat meestal een fijne ruil. Als het 2 minuten bespaart en hetzelfde kost, niet.

Latentie is de tweede kost. Elk coördinatorbesluit voegt een roundtrip toe. Beperk het aantal werkers, beperk de herhalingen en stel een hard timeout.

Welke tools laten je er eentje bouwen zonder code?

Je hebt drie realistische routes in 2026.

Agentbouwers. No-code tools laten je agenten en overdrachten visueel definiëren. Ze passen bij terugkerende bedrijfsklusjes en kleine teams.

Opdrachtgebaseerde ketening. Schuifcommando's en workflowketens passen bij teams die herbruikbare, controleerbare stappen in Slack of een opdrachtpalet willen. Raycast dekt de launcherkant, en CommanderGPT voegt ketening en gedeelde Team Playbooks erbovenop toe.

Codeframeworks. Als je team engineers heeft, geven frameworks volledig controle over orkestratie, ten koste van onderhoud. Operatieteams zonder dat vermogen moeten met de eerste twee routes beginnen.

Welke route je ook kiest, log elke overdracht. Wanneer de eindoutput fout is, moet je zien welke werker de slechte input produceerde.

Wat breekt eerst in een multi-agent systeem?

Drie dingen, in deze volgorde.

Stille gedeeltelijke outputs. Een werker loopt uit en geeft niets, en de lead schrijft het eindantwoord toch. Fix door elke werker een expliciet status te laten retourneren: klaar, gedeeltelijk of mislukt.

Dubbel werk. Twee werkers krijgen overlappende brieven en branden tokens op dezelfde bronnen. Fix met scherper gedefinieerde taakgrenzen in de brief.

Drift op lange ketens. Elke overdracht verliest wat detail. Bij stap vijf is het originele doel wazig. Fix door het originele verzoek naar elke werker te sturen, niet alleen de vorige output.

Test opzettelijk de foutgevallen tijdens setup. Kill een tool, geef een leeg resultaat terug en zien wat de lead doet. Beter op dinsdagmiddag ontdekken dan voor een klant.

Jouw volgende commando: begin met twee agenten, niet zeven

Kies één werkstroom die je al wekelijks handmatig draait. Verdeel hem in twee rollen maximaal: een producent en een controleur. Schrijf een vierlijnige brief voor elk. Draai het tien keer en log wat breekt.

Voeg pas een derde agent toe als de tweetagige versie een duidelijke bottleneck toont. De meeste operatiewerkstromen houden ergens tussen twee en vier agenten op te renderen.

Missie volbracht wanneer de tweeagentrun je handmatige versie op minuten bespaard en foutpercentage verslagen. Tot dan telt niets anders in deze gids.