Toen het startup-fondsenwervingsplatform VentureCrowd AI-codeeragenten begon in te zetten, zagen ze dezelfde winst als andere ondernemingen: ze verkortten de front-end ontwikkelingscyclus bij sommige projecten met 90%.
Het ging echter niet gemakkelijk en zonder veel vallen en opstaan.
De eerste uitdaging van VentureCrowd draaide om data en contextkwaliteit, aangezien Diego Mogollon, chief product officer bij VentureCrowd, tegen VentureBeat zei dat “agenten redeneren tegen de data waartoe ze tijdens runtime toegang hebben” en dan vol vertrouwen “fout” zouden zijn omdat ze hun kennis alleen baseren op de context die hen wordt gegeven.
Hun andere obstakel was, net als vele anderen, rommelige data en onduidelijke processen. Net als bij de context zei Mogollon dat codeermiddelen slechte gegevens zouden versterken, dus moest het bedrijf eerst een goed gestructureerde codebasis bouwen.
“De uitdagingen gaan zelden over de codeeragenten zelf; ze gaan over alles om hen heen”, zegt Mogollon. “Het is een contextprobleem, vermomd als een AI-probleem, en het is de voornaamste faalwijze die ik tegenkom bij agentische implementaties.”
Mogollon zei dat VentureCrowd verschillende obstakels tegenkwam bij het herzien van zijn softwareontwikkeling.
De ervaring van VentureCrowd illustreert een breder probleem bij de ontwikkeling van AI-agenten. De modellen laten de agenten niet in de steek; ze worden eerder overweldigd door te veel context en te veel tools tegelijk.
Te veel context
Dit komt voort uit een fenomeen genaamd Context-bloatWanneer AI-systemen steeds meer gegevens, hulpmiddelen of instructies verzamelen, worden de workflows complexer.
Het probleem ontstaat omdat agenten context nodig hebben om beter te kunnen werken, maar te veel ervan veroorzaakt ruis. En hoe meer context een agent moet doorzoeken, hoe meer tokens hij gebruikt, het werk vertraagt en de kosten stijgen.
Eén manier om de opgeblazenheid van de context te beteugelen is door middel van context-engineering. Context-engineering helpt agenten codewijzigingen of pull-aanvragen te begrijpen en deze op hun taken af te stemmen.
Context-engineering wordt echter vaak een externe taak en wordt niet ingebouwd in de codeerplatforms die bedrijven gebruiken om hun agenten te bouwen.
Hoe aanbieders van codeeragenten reageren
VentureCrowd vertrouwde op één oplossing in het bijzonder om de problemen te overwinnen met een opgeblazen gevoel in de context waar de inzet van AI-agenten in ondernemingen mee te kampen had: Agentforce Vibes van Salesforce, een codeerplatform dat binnen Salesforce leeft en beschikbaar voor alle abonnementen, beginnend met het gratis abonnement.
Salesforce is onlangs bijgewerkt Agentforce Vibes naar versie 2.0, waarmee de ondersteuning voor frameworks van derden, zoals ReAct, wordt uitgebreid. Het belangrijkste voor bedrijven als VentureCrowd is dat Agentforce Vibes vaardigheden en vaardigheden heeft toegevoegd, die ze kunnen gebruiken om het gedrag van agenten te sturen.
“Voor de context: ons hele platform, frontend en backend, draait op het Salesforce-ecosysteem. Dus toen Agentforce Vibes werd gelanceerd, paste het op natuurlijke wijze in een omgeving die we al goed kenden”, aldus Mogollon.
De aanpak van Salesforce minimaliseert de context die agenten gebruiken niet; het helpt bedrijven er eerder voor te zorgen dat de context binnen hun datamodellen of codebases blijft. Agentforce Vibes voegt extra uitvoering toe via de nieuwe functie Vaardigheden en vaardigheden. Vaardigheden bepalen wat agenten willen bereiken, en vaardigheden zijn de hulpmiddelen die ze zullen gebruiken om dat doel te bereiken.
Andere codeerplatforms beheren de context anders. Claude Code en OpenAI’s Codex richten zich bijvoorbeeld op autonome uitvoering, het continu lezen van bestanden, het uitvoeren van opdrachten en naarmate taken evolueren, het uitbreiden van de context. Claude Code heeft een contextindicator dat wat de context comprimeert wanneer deze te groot wordt.
Met deze verschillende benaderingen is het consistente patroon dat de meeste systemen groeiende contexten voor agenten beheren, en niet noodzakelijkerwijs om deze te beperken. De context blijft groeien, vooral omdat workflows complexer worden, waardoor het voor ondernemingen moeilijker wordt om de kosten, latentie en betrouwbaarheid onder controle te houden.
Mogollon zei dat zijn bedrijf voor Agentforce Vibes heeft gekozen, niet alleen omdat een groot deel van hun gegevens al op Salesforce staat, waardoor het gemakkelijker te integreren is, maar ook omdat het hen in staat zou stellen meer controle te krijgen over de context die zij aan hun agenten geven.
Wat bouwers moeten weten
Er bestaat niet één enkele manier om de opgeblazenheid van de context aan te pakken, maar het patroon is nu duidelijk: meer context betekent niet altijd betere resultaten.
Naast het investeren in context-engineering moeten bedrijven experimenteren met de contextbeperkingsbenadering waarmee zij zich het prettigst voelen. Voor ondernemingen betekent dit dat de uitdaging niet alleen bestaat uit het geven van meer informatie aan agenten, maar ook uit het beslissen wat ze moeten weglaten.
