Hoe AI agents een nieuwe manier van communicatie met systemen nodig hebben
donderdag 19 maart 2026 - 550 woorden, 3 min read
Het ziet er naar uit dat AI Agents met LLMs het landschap gaan veranderen hoe wij met systemen gaan communiceren.
Neem bijvoorbeeld een kijkje naar WebMCP. WebMCP is hier een tool die nu ontwikkeld wordt. Het is een tool waarmee deze AI agents veel eenvoudiger en in een uniforme manier met websites kunnen communiceren. Nu gaat dit omslachtig met bv een tool als Playwright door agents. Het immens populaire en community-driven project OpenClaw geeft ons een inkijkje hoe een AI agent kan werken en voor ieder individu kan werken.
Organisisch bezoek op websites loopt als langere tijd terug, want mensen zijn AI gaan gebruiken om informatie te zoeken in plaats van zoekmachines. Moreel gezien heb ik er een sterke mening over. Google is allang niet meer de beste zoekmachine en de LLMs van de AI bedrijven geven je ook zeker niet de juiste antwoorden (waarheidscrisis). https://nostrver.se/e/nevent1qvzqqqqqqypzqpnrnguxe8qszsshvgkvhn6qjzxy7xsvx03rlrtddr62haj4lrm3qythwumn8ghj7un9d3shjtnswf5k6ctv9ehx2ap0qy2hwumn8ghj7un9d3shjtnyv9kh2uewd9hj7qpqqn466m2wf97xmlgxw4y9g9jjy9yy269jq8k44ftm0vc3zg4mskgq097pys
Waar het op neerkomt is dat je misschien jouw website of applicatie ook moet gaan optimaliseren voor deze agents. Dit wordt ookwel GEO (Generative Engine Optimization) genoemd. Dus niet alleen voor echte bezoekers van vlees en bloed, maar voor machines die zich proberen voor te doen als een mens met de hulp van een LLM. Hier een eenvoudig, concreet voorbeeld als experiment: https://dri.es/the-third-audience. Agents kunnen daar alle blog artikelen in Markdown formaat ophalen. Dat is een formaat die vele malen makkelijker wordt verwerkt door een LLM dan een webpagina formaat waar alle content omringt is met HTML elementen. Het experiment heeft wisselende resultaten, zie https://dri.es/markdown-llms-txt-and-ai-crawlers.
Een volgende stap is dat AI straks niet alleen tekstuele antwoorden teruggeven, maar complete interfaces met zogenaamde components. Deze components bevatten dezelfde informatie als je kunt vinden in de tekstuele antwoorden, maar dan in gebruiksvriendelijker ontwerp. Hoe kunnen we straks zelf de componenten met informatie als antwoord geven aan AI? Je kunt je voorstellen dat je in zo’n AI agent ook jouw eigen branded component wilt tonen. Google heeft recent hun Agent-to-User interface openbaar gemaakt waarmee je deze componenten kunt bouwen in een agent: https://github.com/google/A2UI. De vraag is hier hoe we dus vanuit jouw website een antwoord kunnen geven aan de agent om zo’n component te tonen.
Straks kan iedereen tegen zijn eigen agent vertellen dat hij een lijst van vijf campings in de Franse Alpen zoekt voor een zomervakantie van 18 dagen. Plus al deze campings moeten kindvriendelijk zijn, een overdekt zwembad hebben, de dichtsbijzijnde supermarkt op 10 minuten fietsen en niet meer dan 200 kampeerplekken hebben. We weten dat die informatie te vinden is, maar dat een zoekmachine al die context niet in 1 keer kan verwerken. Een agent kan dat wel en zal je pas een definitief antwoord geven als deze na een aantal iteraties alle checks heeft doorlopen.
Tot mijn verbazing kreeg ik een tijdje geleden ook het volgende inzicht dat iemand mijn profiel als Drupal specialist had gevonden via ChatGPT omdat die LLM mij als suggestie gaf. Dit terwijl mijn website totaal niet is niet geoptimaliseerd voor AI agents en LLMs.
Tot slot, als je benieuwd bent hoe zo’n AI agent werkt dan kan ik je dit laten zien aangezien ik er zelf mee experimenteer. We kunnen dan brainstormen over hoe jouw website, systeem of service mogelijk geoptimaliseerd kan gaan worden voor zulke agents en AI.
Resources