Een taalmodel aanroepen kan inmiddels iedereen. Het interessante begint zodra dat model zelf tools gebruikt: documenten doorzoeken, code draaien, een API bevragen. Precies dat bouwwerk neemt Microsoft Foundry Agent Service je uit handen. Deze gids zet je in vijf stappen van niets naar een werkende eerste agent.
Stap 1: maak een Foundry-project aan
Log in op de Azure-portal en maak een Microsoft Foundry-project aan. De dienst heette tot eind 2025 Azure AI Foundry, dus oudere tutorials gebruiken die naam nog. Een project bundelt je modellen, agents en instellingen op één plek. Kies bij het aanmaken een regio dicht bij je gebruikers en deploy vervolgens een model in het project, want zonder gedeployed model heeft je agent straks geen brein (Bron: Microsoft Learn).
Stap 2: installeer de SDK
Foundry Agent Service heeft officiële SDK’s voor Python, C# en TypeScript (Bron: Microsoft Azure). Voor .NET voeg je de pakketten toe met de dotnet-CLI:
dotnet add package Azure.AI.Projects
dotnet add package Azure.IdentityAuthenticatie loopt via DefaultAzureCredential uit Azure.Identity: lokaal gebruikt die je Azure CLI-login, in productie een managed identity. Zo houd je API-sleutels uit je code.
💡 Beginner-tip: geen .NET-achtergrond? Dezelfde stappen werken één-op-één in Python. Wil je eerst zien waar je aan begint: Microsoft heeft een gratis workshop “Build your code-first agent” en een twaalfdelige lessenreeks AI Agents for Beginners.
Stap 3: definieer je agent
Een agent bestaat uit drie dingen: een model, instructies en tools. In code maak je via de projectclient een agent aan met een naam, het gedeployde model en een systeeminstructie (“Je bent een assistent die vragen over onze productdocumentatie beantwoordt”). Tools voeg je toe als capabilities: kant-en-klare opties zoals file search en code interpreter, of je eigen functions.
Begin klein: één tool, één duidelijke taak. Een agent die één ding goed doet, is meer waard dan een alleskunner die halverwege de mist ingaat. Datzelfde principe zie je terug in Claude Managed Agents instellen.
Stap 4: start een thread en test
Gesprekken met een agent lopen via threads: je maakt een thread aan, voegt een gebruikersbericht toe en start een run. De dienst handelt de hele redeneer-lus af, inclusief tool-aanroepen, en geeft je het eindantwoord terug. Test in de Foundry-portal met de ingebouwde playground voordat je ook maar één regel frontend schrijft. Daar zie je per run precies welke tools de agent aanriep en waarom.
Stap 5: bewaak kosten en gedrag
Er is geen aparte agent-fee: je betaalt het tokenverbruik van het onderliggende model plus je Azure-resources. Zet dus een budgetalert en bekijk de tracing van je runs. Let vooral op agents die in een tool-lus blijven hangen, want daar loopt tokenverbruik stilletjes op. Wil je eerst snappen wat er in zo’n agent-loop gebeurt vóór je hem laat hosten, dan is je eerste AI-agent bouwen in Python de kale variant om mee te beginnen.
⚡ Gevorderden: wil je meerdere agents laten samenwerken of zelf de orkestratie in handen houden, kijk dan naar het Microsoft Agent Framework, de open-source opvolger die Semantic Kernel en AutoGen samenbrengt. Dat zit op moment van schrijven in public preview, dus reken op API-wijzigingen (Bron: Microsoft DevBlogs).
Checklist: ben je klaar?
- Azure-account aangemaakt en budgetalert ingesteld
- Foundry-project aangemaakt en een model gedeployed
- SDK geïnstalleerd (Python, C# of TypeScript)
- Agent gedefinieerd met één duidelijke taak en maximaal één tool
- Getest in de playground en de tracing per run bekeken
- Kosten na de eerste testdag gecontroleerd
Draai je liever met Claude binnen dezelfde Azure-omgeving? Dat kan sinds kort ook: zie Claude in Microsoft Foundry. En wie de bredere vraag heeft wat AI-agents in het Nederlandse bedrijfsleven doen, leest verder bij hetlaatsteainieuws.nl.