33 AI-agents bouwen op één engine: een blik op vijf ervan

In het afgelopen jaar bouwde de auteur 33 AI-agents op één engine: een enkele Docker-image en codebase, zonder kernwijzigingen. De agents variëren van een schaakcoach voor een kind tot assistenten voor zijn vrouw, docenten en bedrijfsbots voor metallurgische en energiebedrijven. De belangrijkste variabele is waar elke agent de grens trekt tussen wat code berekent en wat het model zegt. Voor persoonlijke agents mag het model direct berekenen, maar in bedrijfsagents levert het nooit definitieve cijfers op; het stelt alleen invoerparameters in, wat een risico met zich meebrengt. Toolschema's gaan het prompt domineren na het derde dozijn tools; voor een CRM-beheerder met 331 tools bedragen de JSON-schema's 302 KB of ongeveer 75.000 tokens in het voorvoegsel van elk verzoek. Drie configuratiewijzigingen verminderden prompttokens van 15.266 naar 1.424 en de mediane responstijd van 17 naar 7,7 seconden. De engine is Hermes Agent van NousResearch, met een jonge codebase uit juli 2025. De agents verschillen voornamelijk in hun persona en de set tools; het artikel bevat tabellen die promptgroottes en modelkeuzes vergelijken. Er worden ook enkele mislukkingen besproken, zoals een saldoafwijking en 5.863 regels Python die nooit in productie zijn aangeroepen.