Agentic coding is een manier van softwareontwikkeling waarbij een AI-agent een doel krijgt, dit in stappen opsplitst, code schrijft, die uitvoert, de uitvoer leest en itereert, zonder dat een mens elke afzonderlijke actie aanstuurt. De engineer stelt het doel in en beoordeelt het resultaat; de agent verzorgt de tussenliggende stappen.
Hoe het verschilt van assisted coding
De meeste AI-codeertools reageren op één prompt en geven één completion terug. De engineer bepaalt wat er daarna gebeurt. Agentic coding keert dit om: de agent bepaalt wat er daarna gebeurt, roept tools aan, voert tests uit, leest foutmeldingen en past zijn aanpak in een loop aan. De mens komt weer in beeld wanneer de loop eindigt of wanneer er iets misgaat.
Dit wordt soms een coding agent genoemd, en het vereist dat het model toegang heeft tot een set tools: een code-executor, een bestandssysteem, een terminal, soms een browser of een externe API.
Hoe de loop er in de praktijk uitziet
Een typische agentic coding-cyclus verloopt ruwweg als volgt:
- De engineer geeft een doel op: "Voeg rate limiting toe aan het payments-endpoint, inclusief tests."
- De agent leest de relevante bestanden om de bestaande code te begrijpen.
- Hij schrijft een plan en vervolgens de code.
- Hij voert de tests uit. Als die falen, leest hij de fout en probeert het opnieuw.
- Hij geeft een diff of samenvatting terug voor de engineer om te beoordelen.
Het aantal stappen tussen menselijke invoer kan variëren van drie of vier tot enkele tientallen, afhankelijk van de taak en de tool.
Waar het contextvenster een rol speelt
Agentic loops stapelen snel context op. Elke tool-aanroep, elke foutmelding, elk gelezen bestand voegt tokens toe. Een langlopende agent op een complexe codebase kan het contextvenster van een model uitputten, waarna eerdere informatie wegvalt en de agent het spoor bijster raakt van wat hij al heeft gedaan. Beheren wat er bij elke stap in de context terechtkomt en wat wordt samengevat of weggegooid, is een praktische engineeringkwestie, geen bijzaak.
Wat er mis kan gaan
De grootste risico's zijn niet spectaculair. Ze zijn stiller:
- De agent voltooit met vertrouwen een taak die niet helemaal was wat bedoeld werd, omdat de specificatie vaag was.
- Hij brengt een wijziging aan in één bestand die een aanname in een ander bestand dat hij niet heeft gelezen ongeldig maakt.
- Hij slaagt voor zijn eigen tests, omdat hij zowel de code als de tests heeft geschreven op basis van hetzelfde misverstand.
- Hij loopt vast op een falende test, maakt steeds speculatievere wijzigingen en levert een diff op die moeilijker te beoordelen is dan het oorspronkelijke probleem.
Geen van deze risico's is uniek voor agentic coding, maar de autonome loop betekent dat fouten zich kunnen opstapelen voordat een mens ze ziet. Daarom wordt het beoordelen van AI-gegenereerde code en het handhaven van een human in the loop op betekenisvolle controlepunten belangrijker, niet minder, naarmate agents capabeler worden.
De relatie met vibe coding
Vibe coding wordt soms verward met agentic coding. Het onderscheid gaat over intentie, niet over tooling. Agentic coding is een technisch patroon: een agent met toegang tot tools die over meerdere stappen werkt. Vibe coding beschrijft een werkstijl waarbij de engineer output accepteert met minimale controle. Je kunt een agentic tool zorgvuldig of onzorgvuldig gebruiken. De tool bepaalt niet de kwaliteitsstandaard van het werk.
Waar we op testen
Agentic coding verandert wat een vetproces moet meten. Ons hoe we vetten-proces bestaat uit twee sessies: een fundamentsbeoordeling zonder AI-tools en een AI-native beoordeling met AI-tools. De tweede sessie is waar agentic werk direct zichtbaar wordt. We scoren op AI output verificatie, omdat gegenereerde code die compileert niet hetzelfde is als code die correct is, en op risicogericht oordelen, omdat een agent een payment-migratie en een kopijwijziging met dezelfde snelheid en hetzelfde vertrouwen produceert. Een engineer moet die twee anders behandelen.
Korte antwoorden
Is agentic coding hetzelfde als GitHub Copilot gebruiken?
Nee. Copilot en vergelijkbare tools voltooien losse prompts en geven de controle direct terug. Agentic coding betekent dat de AI meerdere acties achter elkaar uitvoert, code draait en resultaten leest, voordat hij terugkeert naar de engineer.
Heb je een speciale tool nodig voor agentic coding?
In de praktijk wel. De agent heeft toegang tot tools nodig: een code-executor, bestandssysteem, terminal of iets vergelijkbaars. Standaard chatgebaseerde AI-modellen zonder toegang tot tools kunnen geen agentic loops uitvoeren. Verschillende producten ondersteunen dit inmiddels van nature.
Is agentic coding geschikt voor productiewerk?
Dat kan, met de juiste controlemomenten. Het risico is dat fouten zich over meerdere stappen opstapelen voordat een mens ze beoordeelt. Engineers moeten taken zorgvuldig afbakenen, diffs kritisch reviewen en een geslaagde testsuite niet als voldoende validatie beschouwen.
