Stop Met AI-Agents Bouwen — Begin Met Skills Bouwen
Ik besteedde drie maanden vorig jaar aan het bouwen van een aangepaste AI-agent vanaf nul. Honderden regels systeemprompts. Zorgvuldig afgestemde tooldefinities. Herprobeerlogica, foutafhandeling, uitvoerformatregels — de hele productie. Het werkte prachtig voor één specifieke workflow. Toen vroeg de klant me een tweede workflow toe te voegen, en ik besefte dat ik een meesterwerk had gebouwd dat niet kon groeien.
De agent wist hoe hij precies één ding echt goed moest doen. Een tweede ding toevoegen betekende de helft van de architectuur herschrijven. Een derde toevoegen zou betekenen opnieuw beginnen.
Barry en Mahes presenteerden iets dat alles herwierp wat ik dacht te weten over agentontwerp.
Ze bouwden geen betere agent. Ze bouwden een betere manier om agents te leren. En het verschil tussen die twee ideeën is de kloof tussen waar de meeste developers vastzitten en waar dit hele veld naartoe gaat.
Waarom Je Briljante Agent Eigenlijk Nogal Dom Is
Neem de slimste persoon die je kent. Geef ze een taak die ze nog nooit hebben ontmoet — zeg, een vennootschapsbelastingaangifte indienen in Duitsland, of een wortelkanaalbehandeling uitvoeren. Hun ruwe intelligentie is er nog steeds. Maar ze zullen spectaculair falen omdat intelligentie zonder procedurele kennis gewoon potentiële energie is zonder nergens naartoe te gaan.
Dat is precies wat er nu met AI-agents gebeurt. Claude, GPT-4, Gemini — deze modellen zijn buitengewoon capabele redeneerders. Maar wanneer je ze inzet als agents, laat je in wezen een genie in een onbekende baan vallen en zeg je "zoek het maar uit."
Traditionele agentontwikkeling probeert dit op te lossen door alles in de systeemprompt te proppen. Je schrijft paragraaf na paragraaf instructies. Maar geen van die kennis wordt overgedragen. Bouw een tweede agent voor een andere taak en je begint van nul.
Wat Agent Skills Werkelijk Zijn (En Waarom Ze Niet Gewoon Mooie Prompts Zijn)
Een skill is een map. Dat is het op het meest basale niveau — een map met bestanden die procedurele kennis coderen:
Scripts (tools): Uitvoerbare code die de agent nieuwe mogelijkheden geeft.
Markdown-instructies: Procedurele kennis geschreven in natuurlijke taal.
Assets: Configuratiebestanden, sjablonen, referentiegegevens.
Het ontwerpkeuze die deze architectuur laat werken: progressieve openbaring. Wanneer Claude Code je skills laadt, dumpt het ze niet allemaal tegelijk in het contextvenster. Het ziet alleen de metadata — de skillnaam, een korte beschrijving en triggercondities. De volledige inhoud van de skill laadt alleen wanneer de agent het daadwerkelijk nodig heeft.
De Echte Krachtzet: Skills Zijn Software, Niet Prompts
Omdat skills gewoon mappen met bestanden zijn, erven ze alle eigenschappen van software die we al weten te beheren.
Versiebeheer. Drop je skillsmap in een Git-repository en je hebt volledige geschiedenis.
Delen en samenwerking. Zip een skillsmap, stuur het naar een collega, en ze hebben je exacte capaciteit.
Composability. Meerdere skills kunnen naast elkaar bestaan en elkaar aanvullen.
Ik behandel skills als microservices voor agent-kennis. Elke skill heeft een enkele verantwoordelijkheid, een schone interface en geen verborgen afhankelijkheden.
De Drie Lagen van het Skill-Ecosysteem
Laag 1: Fundamentele skills. Algemene capaciteiten die agents beter maken bij veelvoorkomende taken: documentbewerking, wetenschappelijke onderzoekssynthese, data-analyse.
Laag 2: Derde-partij skills. Dit is waar het interessant wordt. Bedrijven bouwen skills voor hun eigen producten. Browserbase maakte een webautomatiserings-skill. Notion bouwde een werkruimte-integratiesskill.
Laag 3: Enterprise-skills. Grote bedrijven bouwen interne skills die hun specifieke workflows, best practices, compliancevereisten en institutionele kennis coderen.
Je Eerste Skill Bouwen: De Praktische Walkthrough
Laat me je meenemen door het maken van een skill die ik vorige maand bouwde — een implementatieverificatieskill die controleert of een implementatie geslaagd is.
Stap 1: Maak de mapstructuur aan.
deployment-check/
├── skill.md
├── tools/
│ └── verify-deployment.sh
└── examples/
└── sample-output.md
Het skill.md-bestand is de hersenen:
# Deployment Verification Skill
## Trigger
Activeer wanneer de gebruiker vraagt om een implementatie te verifiëren,
controleren of valideren, of nadat een deploy-commando is voltooid.
## Instructions
1. Voer het verify-deployment.sh-script uit met de doelURL
2. Controleer HTTP-statuscodes voor alle kritieke endpoints
3. Verifieer de geldigheid van het SSL-certificaat
4. Vergelijk responstijden met de basislijn
5. Controleer op foutpatronen in responsbodies
6. Genereer een samenvattingsrapport met doorgeslaagd/mislukt-status
Stap 2: Schrijf het toolscript.
#!/bin/bash
TARGET_URL=$1
echo "## Deployment Verification Report"
STATUS=$(curl -s -o /dev/null -w "%{http_code}" "$TARGET_URL")
echo "### HTTP Status: $STATUS"
SSL_EXPIRY=$(echo | openssl s_client -connect \
"${TARGET_URL#https://}:443" 2>/dev/null | \
openssl x509 -noout -enddate 2>/dev/null)
echo "### SSL: $SSL_EXPIRY"
RESPONSE_TIME=$(curl -s -o /dev/null \
-w "%{time_total}" "$TARGET_URL")
echo "### Response Time: ${RESPONSE_TIME}s"
Stap 3: Test het.
Installeer de skill in je Claude Code-omgeving en voer uit:
Verifieer de implementatie op https://mijnsite.com
De Architectuur Achter de Schermen: Skills + MCP
MCP-servers behandelen connectiviteit. Het is de loodgieterij die Claude laat praten met externe systemen. Skills behandelen expertise.
Denk eraan als een keuken. MCP-servers zijn de apparaten — het fornuis, de oven, de mixer. Skills zijn de recepten.
Wat De Meeste Mensen Verkeerd Begrijpen Over Deze Verschuiving
"Skills zijn gewoon prompt-engineering met extra stappen." Nee. Prompt-engineering is instructies schrijven. Skills verpakken expertise in een herbruikbare, versioneerbare, deelbare, composeerbare eenheid.
"Ik heb geen skills nodig omdat mijn agent prima werkt." Je agent werkt prima voor wat het momenteel doet. Skills gaan over wat daarna komt.
"Niet-technische mensen kunnen geen skills bouwen." Dit wordt weerlegd in real-time. Het op markdown gebaseerde instructieformaat betekent dat iedereen die duidelijke procedures kan schrijven een skill kan maken.
Wat Er Gebeurt Wanneer Agents Hun Eigen Skills Bouwen
Claude Code kan autonoom skills maken. Wanneer je met Claude werkt en het een nuttige procedure ontdekt, kan het die procedure opschrijven als een skill voor toekomstig gebruik.
Dit is overdraagbaar leren tastbaar gemaakt.
Jouw Volgende Twaalf Uur
Hier is wat ik je vraag te doen voor morgen. Kies één workflow die je herhaaldelijk doet — implementatiecontroles, code reviews, dataformattering, klant-onboarding-procedures, wat dan ook dat je meer dan tweemaal per maand doet.
Schrijf het op als een skill. Maak een map met een skill.md-bestand. Beschrijf de triggerconditie. Maak een lijst van de stappen. Noteer de randgevallen.
Installeer het en probeer het.
Ik garandeer dat twee dingen zullen gebeuren. Ten eerste zul je verbaasd zijn hoe goed Claude de procedure volgt. Ten tweede zul je onmiddellijk vijf meer workflows bedenken die je wilt omzetten in skills.
De agent die ik drie maanden bouwde vorig jaar? Ik heb hem herbouwd als zeven skills. Elk kostte minder dan een dag. Samen doen ze alles wat de originele agent deed, plus drie dingen die hij niet kon.
Laten We Samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help je graag.
- Fiverr (custom builds & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
