Lang context-window
Tot 200K tokens. Hele documenten of meerdere kennis-bronnen passen in één call zonder retrieval-tuning. Geschikt voor research-agents of contract-analyse.
Een Claude-agent bouwen in één dag
Claude's tool-use en computer-use maken het mogelijk om agents te bouwen die plannen, tools aanroepen en zelfstandig handelen. Bij OneDayBuild bouw je zo'n werkende agent in één dag op jouw eigen data, met de mens-in-de-lus waar dat nodig is.
01
/
04
Wat een Claude-agent uniek maakt
Claude is meer dan een chat-model. De tool-use en lange-context-mogelijkheden maken specifieke agent-flows mogelijk die met andere modellen lastig zijn.
Tool-use met planning
Claude plant meerdere tool-aanroepen voor één gebruikersdoel. Niet één-stap-in, één-stap-uit, maar een zelfstandige flow met meerdere stappen.
Computer-use (beta)
Claude kan een scherm bedienen: klikken, typen, formulieren invullen. Voor agent-flows die door legacy-UI's heen moeten waar geen API voor is.
02
/
04
Wat past wel en niet in één dag
Eén werkdag is genoeg voor een werkende agent op één duidelijke taak. Niet voor een platform van meerdere agents met onderlinge orchestratie.
Binnen scope
- Eén Claude-agent met een duidelijk doel.
- Twee tot vier tools die de agent mag aanroepen (via MCP of function-calls).
- Eval-set van 10 tot 20 testcases om succes meetbaar te maken.
- Approval-gates voor risico-acties (mailen, betalen, contract).
- Trace-systeem dat per run laat zien wat de agent deed en waarom.
Buiten scope
- Multi-agent orchestratie (meerdere agents die samenwerken).
- Productie-paklare deployment met auto-scaling en monitoring.
- Custom fine-tuning van Claude (Anthropic biedt dat niet aan).
- Integratie met legacy-systemen zonder test-toegang.
- Computer-use voor productie zonder veiligheidsfilter (alleen prototype).
03
/
04
Hoe een Claude-agent-dag verloopt
Zes blokken met twee tussentijdse check-ins. Jij domein-kennis, wij bouwwerk.
-
09:00
Use-case en doel
Welke taak gaat de agent uitvoeren, voor wie, met welke data?
-
10:00
Tool-design
Welke tools krijgt de agent? We schrijven MCP-server of function-specs en testen vanuit Claude.
-
11:30
Eerste run
Een ruwe versie van de agent loopt. Vaak nog niet goed, maar een vertrekpunt om op te scherpen.
-
13:30
Eval-loop
Tien testcases erop loslaten. Waar breekt het: prompt, tool of plan-strategie?
-
15:30
Approval-gates en polish
Mens-in-de-lus aanscherpen, edge-cases afhandelen, output netjes maken.
-
17:00
Walkthrough
Live demo van een paar runs, trace-systeem doorlopen, gesprek over productie-pad.
04
/
04
Eerlijk over wat een Claude-agent wel en niet doet
We bouwen wat werkt en zeggen het als iets niet werkt.
- Hallucinaties blijven mogelijk. Schone tool-aanroepen en scherpe prompts halen het percentage omlaag, maar nul wordt het nooit. Mens-bij-risico is geen luxe.
- Kosten lopen op bij volume. Claude is duurder dan GPT-4o-mini. Voor batch-werk overwegen we hybride setups waar Claude alleen het zware reasoning doet.
- Tool-use is goed maar niet perfect. Soms kiest de agent de verkeerde tool of geeft verkeerde parameters. Eval-loop is essentieel.
- Computer-use is beta. Werkt verrassend goed voor demo's, maar niet productie-rijp voor hoge volumes of gevoelige acties.
05
/
05
Veelgestelde vragen
Waarom Claude en niet GPT-4 of een open-source model?
Per taak verschilt de beste keuze. We kiezen Claude wanneer lange context essentieel is (documenten van honderden pagina's), wanneer tool-use complex is (meerdere stappen met afhankelijkheden), of wanneer constitutional-AI-eigenschappen (terughoudendheid bij risico) waardevol zijn. Voor andere taken raden we soms gewoon GPT-4 of self-hosted Llama aan.
Mag onze data de Anthropic-servers raken?
Anthropic's API-versie wordt standaard niet voor training gebruikt. Voor extra zekerheid kun je AWS Bedrock kiezen waar Claude binnen je eigen AWS-account draait. Bespreken we in de intake op basis van jouw compliance-eisen.
Wat is MCP en waarom gebruiken jullie het?
MCP (Model Context Protocol) is Anthropic's open standaard voor tool-laag. Het maakt tools herbruikbaar tussen Claude en andere modellen, en tussen prototype en productie. We bouwen tools bij voorkeur als MCP-servers zodat je niet vastzit aan één model of stack.
Kunnen we de agent na de dag zelf uitbreiden?
Ja. Je krijgt de code, prompts, MCP-tools en eval-set mee. Je eigen developer kan tools toevoegen, prompts aanpassen of de agent op een ander model laten draaien. We documenteren de architectuur zodat de overdracht direct werkt.
Wat na de bouwdag?
Drie routes komen het vaakst voor. Een: jullie team neemt het over voor verdere ontwikkeling. Twee: we rollen door naar een Appfront-traject voor productie-versie met monitoring en SLA. Drie: de agent was een prototype en je besluit op basis van de eval-resultaten dat AI hier niet de juiste route is.
