Claude API en agents bouwen

Je bouwt zelf agents op de Anthropic API en leert hoe je Claude koppelt aan echte tools, databases en documenten. Van eerste API-call tot productie-agent met evaluatie, logging en veiligheid tegen prompt-injection.

Omschrijving

De training start bij de basis van de Anthropic API. Je leert de Messages-API van binnen en buiten: authenticatie, modelkeuze tussen Opus, Sonnet en Haiku, streaming, vision, multi-turn conversaties en system prompts. Je begrijpt hoe pricing werkt en hoe je met prompt-caching serieus op kosten bespaart.

Daarna ga je verder met tool-use en document grounding. Je definieert functies die Claude echt kan aanroepen, koppelt hem aan bestaande API's en databases, en bouwt een Q&A-bot over je eigen documenten met citations. Alles in je eigen IDE, in Python of TypeScript.

In het tweede deel duik je in agent-patterns. Je implementeert ReAct-loops en plan-and-execute, verdeelt taken over sub-agents en schrijft een eigen MCP-server (Model Context Protocol) die jouw business-tools blootstelt aan Claude. Je leert hoe je agents evalueert met eval-sets en scoring, en hoe je regressietests inricht.

Tot slot behandel je alles wat je nodig hebt voor productie: rate-limits, fallbacks, error-handling, logging, kostenbewaking en veiligheid tegen prompt-injection. Je sluit af met een meertraps-agent die echte taken uitvoert in jouw context.

Onderwerpen

• De Anthropic API: authenticatie, modelkeuze (Opus, Sonnet, Haiku) en pricing
• De Messages-API: system prompts, roles en multi-turn conversaties
• Streaming responses en vision (afbeeldingen door Claude laten interpreteren)
• Tool-use: functies definiëren en Claude echte API's laten aanroepen
• Document grounding met citations over je eigen documenten
• Prompt-caching om kosten te verlagen bij herhaalde context
• Agent-patterns: ReAct-loop, plan-and-execute en multi-step reasoning
• Model Context Protocol (MCP): wanneer inzetten en zelf een MCP-server schrijven
• Sub-agents en delegatie tussen gespecialiseerde Claude-instanties
• Evaluation: eval-sets, scoring en regressietests voor je agent
• Productie: rate-limits, fallbacks, error-handling, logging en kostenbewaking
• Veiligheid: mitigatie van prompt-injection en output-validatie

Resultaat

Na afloop van de training werk je zelfstandig met de Anthropic API en bouw je AI-applicaties die je direct in productie kunt brengen. Je kent de Messages-API van binnen en buiten en weet welk model wanneer past. Je hebt agents geschreven volgens beproefde patterns en weet hoe je hun kwaliteit meet.

Concreet kun je na afloop:

• Werkende integraties bouwen op de Anthropic API in Python of TypeScript
• Tool-use inzetten om Claude te koppelen aan API's, databases en interne systemen
• Document grounding en prompt-caching toepassen voor accurate en kostenefficiënte oplossingen
• Een eigen MCP-server schrijven die jouw business-tools blootstelt
• Agents ontwerpen volgens ReAct, plan-and-execute en sub-agent-patterns
• De kwaliteit van agents meten met eval-sets, scoring en regressietests
• Productie-zorgen aanpakken: rate-limits, fallbacks, logging en kostenbewaking
• Prompt-injection herkennen en mitigeren

Doelgroep

Deze training is bedoeld voor developers en engineers die zelf AI-functionaliteit willen inbouwen in hun eigen applicaties. Je werkt dagelijks met code, bent thuis in REST-API's en async-patterns, en wilt met werkende agents naar huis in plaats van met een deck aan concepten.

De cursus is bedoeld voor:

• Backend-developers die AI-features willen toevoegen aan bestaande services
• AI- en ML-engineers die van modeltraining naar productie-integratie schuiven
• Tech leads die architectuurkeuzes rond LLM's en agents moeten maken
• Full-stack developers met een backend-focus die met Claude aan de slag willen
• Solution architects die MCP en agent-patterns willen doorgronden

Lesmethodiek

De training is volledig hands-on en code-zwaar. Je werkt in je eigen IDE met Python of TypeScript en bouwt tijdens de cursus minstens drie werkende agents tegen de Anthropic API. Elk onderdeel volgt hetzelfde ritme: een korte uitleg van het concept, een live demo door de docent, en daarna ga je zelf aan de slag in de oefenrepository.

Twee grote labs vormen de kern. In het eerste lab bouw je een Q&A-bot met document grounding en citations. In het tweede lab zet je een meertraps-agent op met tool-use, sub-agents en evaluatie. Je krijgt code-templates die je direct aanpast naar je eigen use-case, zodat je aan het einde code hebt die je in je organisatie kunt inzetten.

Door het kleine groepje van maximaal acht deelnemers krijg je ruim de tijd voor code-review en sparren met de docent over jouw specifieke stack, use-case en architectuur.

Voorkennis

Je hebt minimaal twee jaar ervaring met backend-ontwikkeling in Python, TypeScript of een vergelijkbare taal. Je bent comfortabel met REST-API's, JSON en async-patterns. Voorkennis van AI of LLM's is niet nodig. De concepten rond Claude, tool-use en agents leer je tijdens de training.

Incompany

Wil je deze training organiseren voor een hele groep of meerdere groepen? Dit kan voordelig zijn. We kunnen bijvoorbeeld de inhoud geheel op jouw organisatie afstemmen en een hele groep trainen is bovendien voordeliger.

Gaat het om grote aantallen of een complete academy? Daar komt veel bij kijken. Denk bijvoorbeeld aan planning en communicatie, het inventariseren en afstemmen van de doelen en inhoud van de training. Of aan niveauverschillen, feedback mechanismen en borging. Gelukkig heeft Learnit een rijke ervaring op dit gebied (meer dan 25 jaar) en we helpen je graag bij dit proces.

Vraag hier een offerte aan

Taal

De training wordt standaard verzorgd in het Nederlands. De trainer beheerst de Engelse taal. Er kan gebruik gemaakt worden van Engelstalig cursusmateriaal. Bij inschrijving van minimaal 3 deelnemers kan de training ook geheel in het Engels verzorgd worden.