Naarmate het inzetten van meerdere AI-agents tegelijk populairder wordt, lopen softwareontwikkelaars tegen een harde werkelijkheid aan: hoe zorg je ervoor dat een verzameling autonome agents voorspelbaar en betrouwbaar blijft samenwerken? Het antwoord van experts heet Graph Engineering.
In een heldere kennissessie duiken Tilde Thurium en Annie Wang in deze architectuurmethode en laten ze zien hoe Google’s Agent Development Kit (ADK) orde schept in de AI-chaos.
Termen ontrafeld: Harness, loop en graph
Om de waarde van Graph Engineering te begrijpen, is het belangrijk om het onderscheid te maken tussen de verschillende manieren waarop AI-systemen worden aangestuurd:
- Agent Harness: De omhulling of interface die één enkele AI-agent verbindt met externe tools en data.
- Agent Loop: Een herhalend proces waarin een agent acties uitvoert, feedback verwerkt en de volgende stap bepaalt totdat het doel is bereikt.
- Agent Graph: Een gestructureerde netwerkarchitectuur waarin meerdere stappen en agents via een vastgelegde grafische structuur met elkaar verbonden zijn.
Waar losse loops of agent swarms (zwermen van agents) snel onvoorspelbaar worden, biedt een graaf harde garanties over de stroom van informatie en de volgorde van uitvoering.
Praktijkvoorbeeld: Een geautomatiseerde PR-review pipeline
Hoe zo'n graaf er in de praktijk uitziet, verduidelijken de sprekers aan de hand van een geautomatiseerd proces voor het beoordelen van pull requests (PR's) in softwarecode. Hierbij worden specifieke ontwerppatronen gecombineerd:
- Fan-Out: Een binnenkomende PR wordt tegelijkertijd doorgestuurd naar verschillende gespecialiseerde agents (bijvoorbeeld voor beveiligingscontroles, codestijl en prestatietests).
- Join: De resultaten van al deze afzonderlijke analyses worden weer samengebracht op één centraal punt.
- Router: Een beslislaag bepaalt op basis van de samengevoegde uitkomsten of de code automatisch wordt goedgekeurd of dat er menselijk ingrijpen nodig is.
Misverstanden uit de wereld geholpen
Graph Engineering moet niet worden verward met een knowledge graph (kennisgraaf). Waar een kennisgraaf draait om het in kaart brengen van relaties tussen data, gaat Graph Engineering puur om de besturing en orchestratie van processtappen en staat (shared state).
Door gebruik te maken van Google's Agent Development Kit (ADK) behouden ontwikkelaars de regie over de toestand van het systeem. Het resultaat is een AI-pijplijn die de flexibiliteit van kunstmatige intelligentie combineert met de betrouwbaarheid van traditionele software-architectuur.
