Gevorderd • Les 8

AI-workflows automatiseren met tools en MCP

Een taalmodel dat alleen tekst kan genereren is krachtig, maar beperkt. Moderne AI-assistenten kunnen ook tools aanroepen: ze zoeken op het web, lezen bestanden, sturen e-mails en roepen API’s aan. Dit opent de deur naar volledige automatisering van workflows.

Function calling

Function calling is de techniek waarbij een taalmodel bepaalt wanneer het een externe functie moet aanroepen. Je definieert beschikbare functies met hun parameters in JSON-formaat. Het model beslist zelf wanneer een functie nuttig is, genereert de juiste parameters, en verwerkt het resultaat in zijn antwoord. Dit maakt AI toepasbaar als orkestrator van complexe taken.

Het Model Context Protocol (MCP)

MCP is een open standaard van Anthropic die beschrijft hoe AI-modellen verbinding kunnen maken met externe tools en databronnen. In plaats van voor elke integratie aangepaste code te schrijven, implementeer je een MCP-server die de AI toegang geeft tot jouw systeem. Claude, en inmiddels ook andere AI-assistenten, kunnen zo direct werken met Slack, GitHub, databases en bestanden.

Agents en multi-step workflows

Met tools kan een AI-agent meerdere stappen achter elkaar uitvoeren: een vraag opzoeken, de resultaten analyseren, een document aanmaken en dat mailen naar een collega, alles zonder menselijke tussenkomst. Dit noemen we agentic workflows. De uitdaging ligt in betrouwbaarheid: fouten in stap drie kunnen in stap vijf grote gevolgen hebben.

Wanneer gebruik je tools?

Gebruik function calling als de AI toegang nodig heeft tot actuele informatie, externe systemen of berekeningen die buiten zijn trainingsdata vallen. Goede tool-definities zijn bondig, hebben duidelijke parameternames en beschrijvingen, en behandelen fouten netjes. Test altijd of het model de juiste tool kiest in edge cases.