Leer AI Agents & Oefening
Leer AI Agents & Oefening — Leer hoe AI-agents werken en bouw er zelf een op je telefoon
Leer AI Agents & Oefening is een gratis cursusapp voor iPhone en Android die ontwikkelaars, studenten en mensen die van carrière willen switchen leert hoe AI-agents werken en hoe je ze bouwt. De app bevat 60 cursussen en 239 korte lessen, van een eerste LLM-loop via tool calling, RAG, LangChain en LangGraph tot multi-agentorchestratie. Daarnaast is er een Agent Lab, waar je een agent een taak laat uitvoeren en elke tool call, elk resultaat en elk antwoord stap voor stap ziet verschijnen, en een AI Mentor voor momenten waarop er iets misgaat.
- Prijs
- Gratis, upgrade naar Pro
- Platformen
- iOS en Android
- Talen
- 22
- Leeftijdsclassificatie
- 4+
- Vereist
- iOS 15.1 of nieuwer
Een agent is maar zo goed als de tool call die je daadwerkelijk kunt traceren.
De meeste tutorials over agents laten een diagram van de loop zien — denk na, handel, observeer — en gaan dan verder. Deze cursus stopt bij elke pijl: schrijf de functie aan die het model mag aanroepen, lees precies terug wat het heeft geretourneerd en zie waar een slecht toolresultaat de loop de verkeerde kant op stuurt.
Wat het is
Leer AI Agents & Oefening is een gratis iOS- en Android-app om te leren hoe AI-agents worden gebouwd, met 60 cursussen en 239 lessen van elk vijf tot tien minuten. De cursus loopt van een introductie tot LLM-gebaseerde agents en prompt engineering via tool calling, retrieval-augmented generation (RAG) en vector databases, en vervolgens LangChain, LangGraph en LlamaIndex, tot multi-agentorchestratie, computer-use agents en deployment in productie. De lessen bevatten Python-voorbeelden die je direct kunt uitvoeren, een Agent Lab dat elke stap van een agent-run laat zien, quizzen na elk onderwerp en een AI Mentor voor vragen onderweg.
In de app
Hoe het eruitziet
De cursus
Wat de cursus AI Agents behandelt
60 cursussen en 239 lessen uit het eigen lesprogramma van de app — van een eerste LLM-agentlus tot multi-agentorkestratie en implementatie in productie.
Basisprincipes van agents
Introductie tot LLM-agents, Prompt Engineering voor agents, LLM-API's in de praktijk (OpenAI- en Anthropic-SDK's), Bestandsysteemhandelingen voor agents, de basis van conversationeel geheugen en een eerste reeks praktische projecten.
Toolgebruik en retrieval
Het patroon voor toolgebruik en function calling, API-integratie voor agents, Email- en Calendar-agents, werken met embeddings, de basis van Retrieval-Augmented Generation, Vector Databases voor agents en de basis van agentobservability.
Agents voor echte platforms
Slack- en Chat Platform-agents, GitHub- en repository-agents, agents voor webscraping en data ophalen, Agent CLI en interactieve tools, beheer van secrets en configuratie, de basis van LangChain, gestructureerde output en parsing, en Database-agents die natuurlijke taal omzetten in SQL.
Testen, debuggen en betrouwbaarheid
De basis van agenttesten, agentlussen debuggen, LangGraph voor agents met state, een diepgaande blik op LlamaIndex, Multi-Tool Agents (het ReAct-patroon), betrouwbare agents bouwen en geheugenarchitecturen voor agents.
Gespecialiseerde agents
Voice- en audio-agents, integratie van Knowledge Graphs, architectuur van persoonlijke AI-assistenten, evaluatie en benchmarking van agents, veiligheid en guardrails voor agents, optimalisatie van kosten en latency, en systemen voor klantenservice- en Deep Research-agents.
Productie en de nieuwste ontwikkelingen
Multi-Agent Orchestration, implementatie van agents in productie, Computer-Use- en browseragents, agents die code genereren, agents voor planning op lange termijn, sandboxing en veilige uitvoering van code, en zelfverbeterende agentsystemen.
Hoe het werkt
Zo verloopt een les over AI Agents
De cursus volgt een opbouw als bij het bouwen zelf — eerst de loop, daarna tools, geheugen, frameworks en productie-aspecten — en met het Agent Lab kun je het resultaat bekijken in plaats van er alleen over te lezen.
Lees één onderdeel van de agent-loop
Een les behandelt één concrete stap — hoe een tool call er op de wire uitziet, hoe een vector database een match teruggeeft en waarom een prompt rolscheiding nodig heeft — in duidelijke taal en geschikt voor een kort momentje tussendoor.
Voer een agent uit en lees de trace
Geef een agent in het Agent Lab een taak en zie elke tool call, elk resultaat en elk antwoord één voor één verschijnen. De traceviewer werkt als een debugger, zodat je precies kunt zien waar een run misging. De lessen bevatten ook Python-voorbeelden die je direct daarin kunt uitvoeren.
Bouw je eigen agent en los problemen op
Kies in de Agent Builder een systeemprompt, tools, een stappentegoed en een taak en sla je eigen agent op. In Lab-missies moet je een eerste tool call maken, een defecte call repareren, een trace lezen, een guardrail toevoegen, een taak routeren en werk verdelen over parallelle agents. De AI Mentor legt uit wat een model deed wanneer een trace niet logisch is.
Wat erin zit
Wat de app daadwerkelijk behandelt
Live
Agent Lab met live-runs
Geef een agent een taak en zie elke tool call, elk resultaat en elk antwoord stap voor stap verschijnen. Lees daarna de run in een traceviewer die precies laat zien waar het misging. Dagelijks kun je gratis een beperkt aantal live-runs uitvoeren.
60
Cursussen, van beginner tot gevorderd
60 cursussen en 239 lessen, van een eerste LLM-agentloop en prompt engineering via tool calling, RAG, vector databases, LangChain en LangGraph tot multi-agentorchestratie, computer-use agents en deployment in productie.
5
Orchestration Lab
Vergelijk vijf patronen naast elkaar — één agent, een sequentiële pipeline, een router, parallelle fan-out en een generator met criticus — en zie hoe elk patroon snelheid, kosten en betrouwbaarheid tegen elkaar afweegt. Eén patroon is gratis; Pro ontgrendelt de rest.
Bouwen
Agent Builder
Kies een systeemprompt, tools, een stappentegoed en een taak, sla vervolgens je eigen agents op en voer ze uit in het Lab.
6
Lab-missies en Python-voorbeelden
Zes agent-missies — eerste tool call, een defecte call repareren, een trace lezen, een guardrail toevoegen, een taak routeren en werk verdelen over parallelle agents — plus Python-voorbeelden die je direct in de lessen kunt uitvoeren.
AI
AI Mentor
Vraag waarom een tool call de verkeerde datastructuur heeft teruggegeven of waarom de agent twee keer dezelfde stap uitvoerde, en krijg binnen enkele seconden een antwoord in duidelijke taal.
Achtergrond
Wat is een AI-agent en wat houdt het bouwen ervan eigenlijk in?
Een AI-agent is een programma dat een taalmodel gebruikt om te bepalen wat het vervolgens moet doen, niet alleen wat het moet zeggen. In plaats van één antwoord te geven, doorloopt het een loop: de situatie lezen, een actie kiezen, een tool aanroepen — een zoekindex, database, API of stukje code — het resultaat teruglezen en dit herhalen totdat het doel is bereikt. Een agent bouwen bestaat vooral uit engineering rond die loop: bepalen welke tools het model mag aanroepen, de ontvangen data structureren, opvangen wanneer een tool faalt of een antwoord een verkeerde structuur heeft en genoeg informatie over eerdere stappen bewaren zodat de agent zichzelf niet blijft herhalen.
Tool callingfunction calling
Het mechanisme waarmee een model een echte actie kan aanvragen — een query uitvoeren, een pagina ophalen, een e-mail versturen — door een gestructureerde call uit te sturen die je code uitvoert en waarvan je het resultaat teruggeeft aan het model. Het vormt de schakel tussen een model dat alleen tekst voorspelt en een programma dat daadwerkelijk iets doet.
RAGretrieval-augmented generation
Relevante documenten ophalen op het moment dat een vraag wordt gesteld — meestal uit een vector database met embeddings — en die als context aan het model meegeven, zodat een antwoord op je eigen data is gebaseerd in plaats van op wat het model tijdens de training heeft onthouden.
AgentframeworksLangChain, LangGraph, LlamaIndex
Bibliotheken die de terugkerende onderdelen van een agent afhandelen — de loop zelf, geheugen, het koppelen van tools en stateful graphs met meerdere stappen — zodat jij je kunt richten op de logica die specifiek is voor je agent, in plaats van op de onderliggende infrastructuur.
Multi-agentorchestratieagents die andere agents gebruiken
Een patroon waarbij één agent subtaken delegeert aan andere agents — een onderzoeksagent, een codeeragent en een reviewagent — elk met hun eigen tools en context, gecoördineerd door een laag die bepaalt wie de volgende stap zet en de ontvangen resultaten samenbrengt.
Past bij jou
Voor wie het is — en voor wie niet
Past goed bij je als je
- Wil je een agent bouwen die daadwerkelijk een tool of database aanroept, in plaats van alleen een chatbot te prompten?
- Begin je vanaf nul met LLM's en wil je de agentlus uitgelegd krijgen voordat je met frameworks aan de slag gaat?
- Wil je praktische cursussen over specifieke platforms — Slack-bots, GitHub-agents en Database-agents — in plaats van één generiek sjabloon?
- Ben je een developer die LangChain en LangGraph in werkende code wil zien, niet alleen in een diagram?
- Wil je uiteindelijk doorgaan naar multi-agentorkestratie en implementatie in productie, in plaats van te stoppen bij een eenvoudige demo?
Niet het juiste hulpmiddel als je
- Wil je de volledige bibliotheek van 60 cursussen gratis — de eerste cursus is gratis, met Pro krijg je toegang tot de rest?
- Wil je geen advertenties in de gratis versie? Pro verwijdert ze.
- Heb je onbeperkte AI Mentor nodig in de gratis versie, die een dagelijkse limiet heeft?
- Draai je al agents in productie en wil je liever onderzoeksartikelen dan een cursus die de bouwvolgorde uitlegt?
Vragen
Veelgestelde vragen
Wat is de beste app om AI-agents op je telefoon te leren?
De app die je van lezen over de agentlus naar het daadwerkelijk zien van een uitvoering brengt. Leer AI Agents & Oefening bevat 60 cursussen: van een eerste LLM-lus via tool calling, RAG en LangChain tot multi-agentorkestratie. In het Agent Lab zie je elke toolaanroep en elk resultaat in een trace, en met de AI Mentor krijg je hulp wanneer een toolaanroep iets onverwachts oplevert. Je kunt gratis beginnen op iOS en Android.
Wat is een AI-agent in eenvoudige woorden?
Een AI-agent is een programma dat een taalmodel gebruikt om te beslissen wat het vervolgens moet doen, in plaats van alleen wat het moet zeggen. Het doorloopt een lus: de situatie lezen, een actie kiezen, een tool aanroepen zoals een zoekindex, database of API, het resultaat teruglezen en dit herhalen. Het model bepaalt wat de volgende stap moet zijn; de omliggende code — het deel dat deze app je leert schrijven — levert de tools en voert de actie uit.
Waarin verschilt een AI-agent van een chatbot?
Een chatbot neemt één bericht aan en geeft één antwoord — tekst erin, tekst eruit, zonder dat er iets in de wereld gebeurt. Een agent krijgt een doel en gaat door tot het dat doel bereikt, waarbij het onderweg echte acties uitvoert: een database raadplegen, een API aanroepen, een bestand lezen, de eigen output controleren en opnieuw proberen wanneer een stap mislukt. De cursussen van Learn AI Agents over tool calling en agentlussen gaan specifiek over dat verschil — welke code nodig is om de beslissing van een model in een actie om te zetten.
Moet ik kunnen programmeren voordat ik AI-agents leer?
Enige ervaring met code helpt, maar de eerste cursus gaat ervan uit dat je niets weet en begint met de vraag wat een LLM-agentlus eigenlijk is. Elke les combineert een kort stukje theorie met Python-voorbeelden die je binnen de les kunt uitvoeren. Zo leer je programmeren tegelijk met de concepten rond agents, in plaats van als een aparte voorwaarde vooraf. Leer AI Agents & Oefening is bedoeld voor zowel beginners als developers.
Wat is RAG en waarom behandelt een cursus over agents Vector Databases?
Retrieval-Augmented Generation houdt in dat je op het moment van de vraag relevante documenten ophaalt en als context aan het model meegeeft. Zo is het antwoord gebaseerd op je eigen gegevens en niet alleen op wat het model tijdens de training heeft onthouden. Vector Databases maken deze retrieval in de praktijk mogelijk: ze slaan embeddings op en geven snel de meest vergelijkbare resultaten voor een zoekopdracht terug. Agents die vragen beantwoorden over een specifieke codebase, een product of een verzameling documenten maken bijna altijd gebruik van dit patroon. Daarom zijn er aparte cursussen aan gewijd in plaats van één enkele alinea.
Wat is het verschil tussen LangChain, LangGraph en LlamaIndex?
LangChain verbindt de gebruikelijke onderdelen van een agent — prompts, tools en geheugen — zodat je die infrastructuur niet vanaf nul hoeft op te bouwen. LangGraph voegt daar expliciete state en vertakkingen aan toe, wat geschikt is voor agents waarvan de stappen afhangen van wat er eerder is gebeurd, in plaats van een eenvoudige lineaire keten. LlamaIndex is gespecialiseerd in het retrievalgedeelte: je eigen documenten efficiënt laden, indexeren en doorzoeken. Learn AI Agents heeft voor elk daarvan een aparte cursus, en de cursus Multi-Tool Agents behandelt het ReAct-patroon waarop ze vaak zijn gebaseerd.
Zijn AI-agents het leren waard in 2026?
Agents zijn een van de duidelijkste toepassingen waarbij een taalmodel verandert in iets dat werk uitvoert in plaats van het alleen te beschrijven. De onderliggende vaardigheden zijn bovendien overdraagbaar tussen frameworks: tools ontwerpen, prompts structureren, retrieval toepassen en weten wanneer een geautomatiseerde lus moet stoppen en een mens om hulp moet vragen. Leer AI Agents & Oefening bevat cursussen over agentveiligheid, guardrails, evaluatie en optimalisatie van kosten en latency — precies de onderwerpen waar teams mee te maken krijgen zodra een agent in gebruik wordt genomen.
Is Leer AI Agents & Oefening gratis?
De app is gratis te downloaden en je kunt gratis beginnen. De eerste cursus, de introductie tot op LLM gebaseerde agents, is gratis, net als een dagelijkse hoeveelheid AI Mentor, één Orchestration Lab-patroon, je eerste Agent Builder-ontwerp en een dagelijkse hoeveelheid live uitvoeringen. Met Pro krijg je toegang tot elke cursus en elk orkestratiepatroon, vervalt de dagelijkse uitvoeringslimiet en worden advertenties verwijderd.
Is er aan het einde een certificaat?
Ja. Als je slaagt voor het eindexamen, verdien je een certificaat van voltooiing dat je kunt tonen naast de agents die je hebt gebouwd. Het is een bewijs van het werk dat je hebt gedaan, geen erkende academische kwalificatie.
Welke platforms en talen worden ondersteund, en waarom zijn er twee namen?
Leer AI Agents & Oefening werkt op iPhone (iOS 15.1 of later) en Android, heeft een interface in 22 talen en heeft een leeftijdsclassificatie van 4+. De vermelding op Google Play heet Leer AI Agents & Oefening, terwijl dezelfde app in de App Store wordt vermeld als Learn AI Agents. De app maakt deel uit van CoddyKit, een familie van 40+ coding-apps. Daarom wordt de lesindeling gedeeld met de andere cursussen in het aanbod.
Aan de slag
Bouw vandaag nog je eerste AI-agent
Gratis te starten op iOS en Android, in 22 talen.
Meer van CoddyKit
Beschikbaar op iOS en Android.