Opinie: software bouwen met AI als collega
AI-agents nemen steeds meer werk over dat ooit handmatig werd gedaan. Maar wat als je als developer niet alleen met een tool werkt, maar met een digitale collega die zelfstandig taken uitvoert, fouten opspoort en leert van het resultaat? Het verandert wie mee kan doen aan het bouwproces. Dat is een revolutie. Eigenlijk leef ik permanent in agent-modus. Tegenwoordig zet ik het nauwelijks nog uit. Als Microsoft MVP en GitHub Star heb ik een unieke positie: ik help klanten wereldwijd bij het toepassen van de nieuwste ontwikkelingen in softwareontwikkeling. De komst van AI-agents is een kantelpunt.
Door: Rob Bos, DevOps-consultant en GitHub-trainer bij het Nederlandse Xebia
Van slimme chatbot naar zelflerende collega
Eerst hadden we simpele chats – je kopieerde wat prompts, kreeg een antwoord en ging verder. Toen kwam bewerkingsmodus, die direct wijzigingen in je bestanden kon aanbrengen. Maar bij agent-modus draait echt om snelheid.
Waar eerder de bewerkingsmodus vooral reageerde op input, nemen agents nu zelfstandig taken over. Die voert de aanpassing uit, controleert zelf of het resultaat klopt, en kan scripts testen, fouten valideren en op basis daarvan zelfstandig doorwerken tot het resultaat goed is.
Met de komst van de nieuwe Model Context Protocol (MCP)-servers kunnen deze agents zelfs acties uitvoeren ‘over meerdere applicaties heen’, voegt hij toe. Dat opent de deur naar complexere werkstromen die voorheen alleen handmatig mogelijk waren.
Ik gebruik deze mogelijkheden volop in mijn eigen DevOps-workflows. Zo laat ik een agent data verzamelen uit zijn GitHub-repository’s, automatisch scripts of rapportages genereren en vervolgacties uitvoeren op basis van eerdere patronen.
Naar mijn mening werkt het het best als je veel context geeft van bestaande code in je repository, of van vergelijkbare opzetten die je elders hebt gebruikt. Een voorbeeld is hoe je een agent inzet om alle mislukte beschikbaarheidstests van Azure Web Application te bekijken, zoveel mogelijk fouten uit de logs te halen en dat te vertalen naar een overzichtelijke en concrete set ‘issues’.
Ontwikkelaars zijn niet langer alleen
De inzet van AI-agents verandert niet alleen de snelheid van ontwikkelen, maar ook wie er überhaupt kan bijdragen aan het proces. Als iemand van operations een foutmelding ziet, kan die dankzij een agent direct input leveren aan het ontwikkelproces. Daarmee schuiven rollen op, en kunnen ook product owners of andere teamleden inhoudelijk betrokken zijn bij het bouwen.
Dat is een revolutie die veel meer mensen in staat stelt om waarde toe te voegen aan het softwareontwikkelproces en ook de manier verandert waarop wij als engineers dagelijks werken.Klein beginnen, snel leren
Begin dan ook klein met AI-agenten, omdat te brede instructies ertoe kunnen leiden dat de agent aannames doet die een andere richting op gaan dan gewenst.
Ik adviseer dan ook vaak om het gesprek aan te gaan met de agent. Je krijgt een antwoord terug. Je kijkt of dat eigenlijk werkt, en daarmee begin je een heel verhaal op te bouwen totdat het logisch is en je op bepaalde dingen wilt acteren. Daardoor kun je onderweg bijsturen.
Met zoveel nieuwe agent-functies die nu verschijnen, binnen tools als GitHub Copilot en Azure AI Foundry, moedigt Bos zijn klanten aan om nieuwsgierig te blijven, te blijven experimenteren en zich niet vast te houden aan oude routines. Er komt elke dag wel iets nieuws bij. Het is op dit moment gewoon een constant feest aan extra dingen die mogelijk zijn.
Lees meer
