MCP Academy · Les

Toolaanroepen via een LLM routeren

Laat een model bepalen welke tool moet worden aangeroepen.

Les 4 van 413 stappen

Toolaanroepen via een LLM routeren is een gratis MCP Academy-les op CoddyKit. Dit is les 4 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject MCP Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus MCP Academy bevat in totaal 4 lessen.

Laat het model beslissen

Tot nu toe koos je zelf welke tool je aanriep. De echte kracht ontstaat wanneer je die beslissing aan een LLM overlaat, zodat het model de juiste tool voor een verzoek kiest.

Het brugpatroon

Je client wordt een brug: die ontdekt MCP-tools, beschrijft ze aan het model en voert elke tool uit waar het model om vraagt.

Vertaal de schema's

Je zet de naam, beschrijving en het inputSchema van elke MCP-tool om naar de toolindeling die de model-API verwacht, zodat het model zijn opties kan zien.

tools = [
  {"name": t.name, "description": t.description,
   "input_schema": t.inputSchema}
  for t in listed.tools
]

Stuur tools mee met de prompt

Je geeft die toollijst mee met het gebruikersbericht wanneer je het model aanroept. Het model weet nu precies welke acties mogelijk zijn.

msg = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    tools=tools,
    messages=messages,
)

Het model vraagt om een tool

Wanneer het model een actie wil uitvoeren, bevat het antwoord een tool_use-blok met de toolnaam en de argumenten die het heeft gekozen.

for block in msg.content:
    if block.type == "tool_use":
        ...

Voer het uit via MCP

Je neemt de gevraagde naam en invoer en stuurt die met call_tool door naar de server, via dezelfde aanroep die je al kent.

result = await session.call_tool(
    block.name, block.input)

Geef het resultaat terug

Stuur de uitvoer van de tool als een tool_result terug naar het model, zodat het kan lezen wat er is gebeurd en verder kan redeneren.

tool_result = {"type": "tool_result",
  "tool_use_id": block.id,
  "content": result.content[0].text}

Herhaal tot het klaar is

Het model kan meerdere tools achter elkaar aanroepen. Laat de lus draaien totdat het geen tools meer vraagt en een eindantwoord geeft.

Twee protocollen komen samen

Je brug spreekt twee talen: de model-API voor redeneren en MCP voor tools. De client vertaalt stilletjes tussen beide.

Waarom je niets hardcodeert

De keuze van tools hardcoderen schaalt niet. Als je het model laat routeren, voegen nieuwe MCP-servers nieuwe mogelijkheden toe zonder dat je logica hoeft te wijzigen.

Houd een mens in de lus

Bij risicovolle acties pauzeer je voordat je de door het model gekozen tool uitvoert en vraag je de gebruiker eerst om goedkeuring. Routering mag geen blind vertrouwen betekenen.

Korte controle

Wat stuurt het model wanneer het wil dat je client een tool uitvoert?

Beantwoord dit in de interactieve les

Samenvatting: het model heeft de leiding

Je hebt de volledige lus aangesloten: beschrijf MCP-tools aan een LLM, voer de gekozen tool uit via call_tool, stuur het resultaat terug en herhaal dit totdat het antwoord klaar is.

Gratis beginnen

Leer Python met een AI-tutor — gratis

Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.

Cursussen: 30
Lessen: 120

Gratis beginnen met leren Bekijk de volledige cursus

Veelgestelde vragen

Is de les “Toolaanroepen via een LLM routeren” gratis?

Ja — je kunt hier op het web alle 3 lessen van het leerpad MCP Academy, waaronder “Toolaanroepen via een LLM routeren”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus MCP Academy bevat in totaal 4 lessen.

Wat leer ik in “Toolaanroepen via een LLM routeren”?

Laat een model bepalen welke tool moet worden aangeroepen. Je oefent met MCP Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.

Heb ik ervaring nodig om met MCP Academy te beginnen?

Ervaring vooraf is niet nodig. MCP Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.

Hoe lang duurt de les “Toolaanroepen via een LLM routeren”?

De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.

Kan ik code schrijven en uitvoeren in deze les over MCP Academy?

Ja. Elke les over MCP Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.

Alle lessen in deze cursus

← Terug naar MCP Academy