Automatiseren · 01

AI Integration

Eén workflow waar AI meetbaar tijd bespaart, naar productie gebracht: een Claude-agent met eigen skills, een MCP-server die hem benoemde tools geeft op je systemen, retrieval (RAG) over je eigen documenten, en browserautomatisering waar geen API is. De waarde zit in het veilig verbinden van het model met jouw kennis en jouw tools. Ik draai mijn eigen bedrijf op dit patroon.

Op offerte per use case, EUR 90 per uur excl. btw. Modelkosten zijn voor jou en begrensd. Een evaluatieset bepaalt of het live gaat.

scuttle · ai-integration
  • Eerst één use case
  • Agents met eigen skills
  • MCP-server op je systemen
  • RAG over je documenten
Wat je krijgt

Eén opdracht. Duidelijke opleveringen.

Eerst één use case

Gekozen op meetbaar bespaarde uren, niet op de demo. Facturen inlezen, leads opvolgen, tickets sorteren, rapportage, een vragenbox over je data.

Agents met eigen skills

Een Claude-agent die in stappen met je tools werkt en geschreven skills volgt: jouw werkwijze, jouw controles, jouw toon.

MCP-server op je systemen

Model Context Protocol: benoemde tools met rechten vóór je API of database, zodat elke assistent ze kan gebruiken en elke aanroep gelogd wordt.

RAG over je documenten

Retrieval met bronnen bij elk antwoord; embeddings lokaal gebouwd als de data je servers niet mag verlaten.

Evaluatieset en vangrails

Echte voorbeelden met bekende antwoorden, wat de agent nooit mag doen, wat een mens moet doen, een maandelijks kostenplafond en een gedocumenteerde uitschakelknop.

Kleine modellen waar het past

Gefinetunede of lokale modellen (Ollama, Whisper, een getraind wake word) voor taken die snel, offline of goedkoop moeten zijn.

Hoe het werkt
  1. 01

    Introgesprek: waar gaan de uren nu heen, hoe ziet een goed antwoord eruit, welke data mag het pand verlaten.

  2. 02

    Evaluatieset en een dun prototype daartegen, met het model gekozen per stap.

  3. 03

    Productiebouw met de MCP-tools, retrieval, vangrails, logging en het kostenplafond.

  4. 04

    Overdracht, met het runbook en de evaluatieset zodat je latere wijzigingen en modelwissels zelf kunt beoordelen.

Wat het niet is

Geen gegarandeerde nauwkeurigheid, geen agent met schrijftoegang tot productie zonder menselijke stap, geen vendor lock-in: het model is per ontwerp verwisselbaar.

Voorwaarden in het kort
  • Bedragen excl. btw, offerte 14 dagen geldig.
  • Betaling binnen 14 dagen, acceptatie binnen 7 dagen.
  • De rechten gaan na volledige betaling naar jou over.
  • Algemene voorwaarden en NDA als pdf.
Dezelfde API bedient de Android-app, het beheerpaneel en elke AI-assistent, via één MCP-server met benoemde tools.
Eigen product · huishoudvoorraadLees de casestudy: Een API die AI-assistenten kunnen gebruiken: Laravel, Android en een MCP-server
Hoe een automatisering wordt gebouwd

De workflow, stap voor stap

Elke automatisering die ik bouw heeft dezelfde vorm, of hij nu draait als Claude-agent, als n8n-flows of als queue-job in je applicatie. De waarde zit in het midden: jouw kennis en jouw tools, veilig verbonden.

  1. TriggerEr komt een mail binnen, een ticket gaat open, een webhook vuurt, een klok tikt. n8n, een Laravel-job of een cron.
  2. ClassificerenEen klein, snel model bepaalt wat dit is en of het binnen de scope valt. Goedkoop, gemeten op de evaluatieset.
  3. OphalenRAG: de relevante pagina's, tickets of rijen uit je eigen data, met bronnen. Embeddings lokaal gebouwd als de data niet weg mag.
  4. Handelen met toolsDe agent roept benoemde tools aan via MCP: je API, je CRM, je boekhouding. Standaard lezen, alleen schrijven waar afgesproken.
  5. ControlerenRegels die het moet halen, en een mens waar de regels dat zeggen. Zonder die stap verlaat niets het pand.
  6. Loggen en rapporterenElke aanroep geaudit, kosten geteld tegen het plafond, een samenvatting voor wie het aangaat.
Welk model waarvoor

Per stap gekozen, per taak. Het goedkoopste model dat de evaluatieset haalt wint; de dure zijn voor beoordeling, niet voor het sorteren van mail.

TaakWaar ik naar grijpWaarom
Sorteren, routeren, extraheren op volumeClaude Haiku 5.5, of een lokaal klein modelSnel en goedkoop; de evaluatieset laat zien wanneer het goed genoeg is.
Opstellen, samenvatten, antwoorden uit je documentenClaude Sonnet 5.5De balans tussen kwaliteit en kosten voor het meeste dagelijkse werk.
Lang agentwerk in meerdere stappen, code, zware beoordelingClaude Opus 5.5 of Fable 5.1Als een verkeerde stap meer kost dan de tokens.
Altijd luisteren, offline, op een apparaatEen klein model getraind voor die ene taakPrivacy en kosten: niets verlaat het apparaat, niets wordt per uur gefactureerd.
Spraak naar tekstWhisper, lokaal of gehostGoed genoeg voor de meeste audio; lokaal als de opnames gevoelig zijn.
Data die je servers niet mag verlatenLokale modellen via Ollama, lokale embeddingsLangzamer en minder krachtig, en de enige eerlijke keuze voor die data.
Diensten aan elkaar plakken zonder coden8n-flowsPrima voor simpele triggers en overdrachten; code als logica, tests en retries ertoe doen.
De woorden, in gewone taal

Wat de termen betekenen, en waar de waarde zit

De waarde zit niet in het model. Ze zit in het veilig verbinden van het model met je eigen kennis en je eigen tools. Dit zijn de onderdelen waarmee ik bouw.

Agent
Een model dat in stappen met tools werkt: leest de inbox, roept je API aan, schrijft het resultaat, vraagt een mens als het twijfelt.
Skill
Een geschreven procedure die de agent volgt voor één taak, met de controles die hij moet uitvoeren. Jouw werkwijze, herhaalbaar gemaakt.
MCP
Model Context Protocol, de open standaard waarmee elke assistent benoemde tools op je systemen kan aanroepen. Eén poort, elke assistent.
RAG
Retrieval over je eigen documenten, tickets of database, zodat antwoorden met hun bron komen in plaats van uit het geheugen.
Embeddings
Getallen die tekst doorzoekbaar maken op betekenis. De index achter retrieval; lokaal gebouwd als de data niet weg mag.
Evaluatieset
Echte voorbeelden met bekende antwoorden. Het systeem gaat live als het ze haalt, en elke wijziging wordt ertegen gemeten.
Finetunen en kleine modellen
Een klein model trainen voor één smalle taak die snel, offline of goedkoop moet draaien. Zo heb ik een wake-wordmodel getraind voor mijn eigen spraakassistent.
Vangrails
Wat de agent nooit mag doen, wat een mens nodig heeft, wat gelogd wordt en hoeveel hij per maand mag uitgeven.
Modellen en tools in gebruik

Per taak gekozen: het beste model voor de stap, het goedkoopste dat de evaluatieset haalt, lokaal als de data niet weg mag.

Claude Fable 5.1Claude Opus 5.5Claude Sonnet 5.5Claude Haiku 5.5GPTGeminiLlamaMistralQwenWhisperLocal models via OllamaYOLO (vision) Claude Fable 5.1Claude Opus 5.5Claude Sonnet 5.5Claude Haiku 5.5GPTGeminiLlamaMistralQwenWhisperLocal models via OllamaYOLO (vision)
Claude CodeClaude APIMCP serversCustom skillsAgent SDKn8nPlaywright (browser as hands)LanceDBSQLite as memoryPythonLaravel queuesDockerOllama Claude CodeClaude APIMCP serversCustom skillsAgent SDKn8nPlaywright (browser as hands)LanceDBSQLite as memoryPythonLaravel queuesDockerOllama
Hoe snel dit gaat

Claude-modellen sinds 2024. Elke stap veranderde waaraan je een agent kunt toevertrouwen; de bouw moet het model kunnen wisselen zonder rewrite.

202420252026
Claude 3mrt 2024
3.5 Sonnetjun 2024
3.5 Haikuokt 2024
3.7 Sonnetfeb 2025
Claude 4mei 2025
Sonnet 4.5 · Haiku 4.5 · Opus 4.5sep tot nov 2025
Claude 5-familie, Fable 5.12026
Opus 5.5 · Sonnet 5.5 · Haiku 5.5sep tot okt 2026
Data uit de modellijst en release notes van Anthropic. Het gaat om het tempo, niet om het detail.

Welke taak geef je als eerste aan een agent?

Vertel me waar de uren nu heen gaan en hoe een goed antwoord eruitziet. Binnen één werkdag antwoord ik met de use case waarmee ik zou beginnen, gratis.