Begin met het simpelste dat werkt
Anthropic's eigen engineering-richtlijn is helder: kies de simpelste oplossing en verhoog de complexiteit alleen wanneer nodig — soms betekent dat: bouw helemaal geen agentic systeem. (Building Effective Agents)
Er is een kostenreden, niet alleen een smaakreden. Agentic systemen verbruiken ruwweg 4× de tokens van een normale chat, en multi-agent systemen ongeveer 15× — dus ze lonen alleen wanneer de waarde van de taak hoog genoeg is. (How we built our multi-agent research system)
Voor de meeste bedrijfstaken dekt een capabele assistent met een goed opgebouwde bibliotheek aan skills — de aanpak achter ThirdBrain BOB — plus een paar kleine, deterministische workflows het terrein, met veel minder om te bouwen, kapot te laten gaan en te onderhouden.
De ladder — vier treden, op volgorde
Kies de laagste trede die aan de behoefte voldoet, niet de meest geavanceerde
1. Een capabele assistent + skills — één agent, een samengestelde toolkit, kiest wat nodig is tijdens runtime. Dekt het overgrote deel van de bedrijfstaken.
2. Een kleine deterministische workflow — vaste stappen die aansluiten op dezelfde skills, voor wanneer een proces elke keer op dezelfde manier moet verlopen. Anthropic noemt dit een workflow: LLM's en tools georkestreerd via vooraf gedefinieerde codepaden.
3. Een dynamische agent — wanneer de taak open is en het model tijdens runtime moet beslissen hoe het die opdeelt. Anthropic noemt dit een agent: LLM's die hun eigen processen dynamisch aansturen.
4. Een echt multi-agent systeem — meerdere gecoördineerde agenten, en alleen wanneer de structuur je een garantie oplevert die één agent niet kan geven (zie hieronder).
Moderne modellen en harnassen kunnen al dynamisch subagenten aanmaken tijdens runtime — dus je hoeft zelden een orkestratie vast te leggen die het model zelf kan afleiden. De regel waar ik naar werk: leg de rails vast (de voorwaarden die moeten gelden), niet de route (het redeneren).
Wanneer een vooraf gedefinieerd multi-agent systeem WEL de juiste keuze is
Bouw het echte ding wanneer de waarde uit de structuur komt, niet uit pure intelligentie — specifiek wanneer je een garantie nodig hebt die één dynamische agent niet kan geven:
- Determinisme & auditbaarheid — elke keer hetzelfde proces, met een aantoonbaar spoor. Workflows bieden voorspelbaarheid en consistentie voor goed gedefinieerde taken.
- Een begrensde kosten- & latentie-envelop — een vaste topologie heeft een bekende kost; dynamische fan-out varieert van run tot run.
- Het juiste model per stap — routeer bulk- en eenvoudig werk naar een klein, goedkoop model en de moeilijke stap naar een frontier-model. (Dit is Anthropic's eigen routing-voorbeeld: Haiku voor de makkelijke vragen, Sonnet voor de moeilijke.)
- Duurzame, herstartbare processen met mens-in-de-lus — langlopend werk met gedefinieerde goedkeuringspoorten dat herstarts overleeft, in plaats van één vluchtige run.
- Herhaling op grote schaal — als hetzelfde proces duizenden keren draait, compileer het één keer in plaats van het model elke run de opdeling opnieuw te laten beredeneren.
Geen van deze is "de taak is moeilijk." Het zijn allemaal "ik heb een garantie nodig, op een schaal die het bouwen en onderhouden van de structuur rechtvaardigt."
Wanneer je het werk NIET over agenten moet verdelen
Weten wanneer je er géén moet bouwen telt net zo zwaar. Werk over agenten verdelen werkt averechts wanneer:
- Het werk één context deelt. Anthropic: domeinen die vereisen dat alle agenten dezelfde context delen, of die veel onderlinge afhankelijkheden hebben, passen vandaag niet goed bij multi-agent systemen.
- Het schrijf-zwaar is, niet lees-zwaar. Onderzoek en lezen parallelliseren goed; meerdere agenten die naar dezelfde output schrijven, veroorzaken coördinatieconflicten. Cognition's "Don't Build Multi-Agents" maakt dit hard voor codeerwerk — zie Philipp Schmids synthese van het debat.
- Het niet echt parallel is. Multi-agent verdient zijn ~15× kost alleen op breedte-eerst taken met onafhankelijke takken. Als het werk één samenhangende keten is, wint één agent — of een simpele workflow.
Hoe ik met je samenwerk
- Eerst diagnosticeren — ik bepaal welke trede je echt nodig hebt voordat ik iets voorstel. Vaak is het eerlijke antwoord "je hebt geen multi-agent systeem nodig," en dat zeg ik dan.
- Bouwen naar de garantie, niet de hype — als een workflow volstaat, krijg je dat. Als je echt multi-agent nodig hebt (auditspoor, kostenplafond, model-routing per stap, herstartbare mens-poorten, of parallelle breedte), bouw ik het observeerbaar, testbaar en begrensd.
- Framework-agnostisch — ik werk met de huidige tooling (LangGraph, CrewAI, de OpenAI Agents SDK, of maatwerk-orkestratie) en kies op basis van geschiktheid, niet mode.
- Jij bezit het — volledige documentatie en kennisoverdracht zodat je team het zelfstandig kan onderhouden en uitbreiden.
De onderbouwing hierachter
Deze positie is gegrond in actuele gepubliceerde richtlijnen, niet in vendor-hype
- Anthropic — Building Effective Agents (workflows vs. agents; "het simpelste dat werkt")
- Anthropic — How we built our multi-agent research system (de token-kostenrealiteit; wanneer multi-agent wel en niet loont)
- Philipp Schmid — Single vs Multi-Agent Systems? (lees- vs. schrijftaken; het Anthropic/Cognition-debat)
- major.build — Agentic Workflows: When to Use Them ("reason once, then compile" voor herhaalbaar werk)
Niet zeker welke trede je nodig hebt?
Dat is precies de juiste vraag om mee te beginnen. Boek een gesprek en we bepalen het simpelste dat je probleem echt oplost.