[Boekrecensie] 30 Agents Every AI Engineer Must Build (Imran Ahmad) Boeksamenvatting.

30 Agents Every AI Engineer Must Build (Imran Ahmad)

- Amazon Netherlands Store: https://www.amazon.nl/dp/1806109018?tag=9natreedutch-21
- Amazon Belgium Store: https://www.amazon.com.be/dp/1806109018?tag=9natreebelgium-21
- Amazon Worldwide Store: https://global.buys.trade/30-Agents-Every-AI-Engineer-Must-Build-Imran-Ahmad.html

- Apple Books: https://books.apple.com/us/audiobook/artificial-intelligence-for-beginners-4-books-in-1/id6790568768?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=30+Agents+Every+AI+Engineer+Must+Build+Imran+Ahmad+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Lees meer: https://dutch.9natree.com/read/1806109018/

#Cognitieveagentcyclus #Toestandsgestuurdeagentarchitecturen #Vectordatabasegeheugen #ModelContextProtocol #Multiagentsystemen #30AgentsEveryAIEngineerMustBuild

30 Agents Every AI Engineer Must Build van Imran Ahmad is een technisch praktijkboek over het ontwerpen, bouwen en beheren van AI-agenten die meer doen dan tekst genereren. Het richt zich op systemen die informatie waarnemen, relevante kennis ophalen, redeneren, plannen, tools gebruiken en acties uitvoeren binnen afgebakende workflows. De centrale inzet is productiegericht werken, dus niet alleen een overtuigende demo maken, maar ook aandacht geven aan betrouwbaarheid, veiligheid, schaalbaarheid en beheer. Ahmad ordent het onderwerp rond dertig terugkerende agentarchitecturen en gebruikt die als bouwstenen voor uiteenlopende toepassingen. Daarbij komen onder meer LangChain, LangGraph, LlamaIndex, CrewAI, AutoGPT en AutoGen aan bod, naast geheugen via vector databases en koppelingen met externe tools en API's. Ook protocollen voor samenwerking tussen systemen, zoals Model Context Protocol en Agent-to-Agent-communicatie, krijgen een plaats. Het boek is geschreven voor programmeurs, AI-engineers, ML-specialisten en technische leiders met basiskennis van Python en machine learning. Het wil vooral de stap verduidelijken van losse LLM-experimenten naar controleerbare, bruikbare agentsystemen.