Een werkende agent voor Proforto, gebouwd op Claude, met tools op Magento, Monta, Trengo, ClickUp en Power BI. Stel hem een vraag zoals een collega dat in Slack zou doen. Alles wat iets verandert, wacht op een akkoord van een mens.
100482 is deels verzonden. Maat 42 en de broeken zijn op 8 oktober afgeleverd. 6x Redbrick Pulse mt 44 wacht op voorraad, inkomend via PO-55120 op 14 oktober.Kies een kanaal en een voorbeeld, of typ zelf. De agent zoekt het echt op in de demodata, en op de systeemkaart zie je welk systeem hij aanspreekt. Een antwoord aan een klant of een taak in ClickUp wordt altijd een akkoordkaart. Maximaal 20 vragen per dag per bezoeker.
Elke tool-aanroep schiet als lichtpuls door de kaart. Lezen gaat direct, schrijven loopt altijd via de groene poort. Sleep om te draaien.
In de vacature staat "klantgerichte AI-assistenten". Dit is er een: hij kent de pasvorm per model, ziet alleen beschikbaarheid en zet door naar een collega bij een klacht, retour of grote zakelijke order.
van de retouren op veiligheidsschoenen in de demodata is "te klein". Een assistent die per model weet hoe hij valt, haalt dat direct omlaag. Meetbaar in Power BI.
Niet alles hoeft een agent te worden. Per proces kies ik tussen een agent, een n8n-flow, een simpele koppeling, of niets doen. De cijfers zijn van buitenaf ingeschat, om de methode te laten zien. Van binnenuit ziet het er vast anders uit.
Besparing = volume per week x minuten per keer x het deel dat te automatiseren is. Uitgerekend in de browser, niet door een taalmodel.
Vaste stappen horen in n8n, oordeel en taal horen bij het model, en de laatste stap naar buiten is een mens. Zo blijft het voorspelbaar, goedkoop en te controleren.
De eerste vier weken keurt een mens elk antwoord. Daarna alleen de afwijkingen, zoals een tekort of een zending die stilstaat.
Geen AI nodig: het is rekenwerk. Een model erbij voegt hier alleen kosten en onzekerheid toe.
Vrije tekst omzetten in vaste categorieën is precies waar een model goed in is. De beslissing over de productpagina blijft bij content.
Dezelfde tools als in de live agent, maar dan als MCP-server, zodat OpenClaw, Claude en andere agents ze op dezelfde, gecontroleerde manier gebruiken.
Leestools werken direct. Een schrijftool maakt alleen een akkoordkaart.
De klantenservice-agent ziet geen inkoopprijzen, de inkoop-agent geen klantgegevens.
Wie vroeg wat, welke tool, welk resultaat. Terug te lezen per ticket.
Een mail die zegt "negeer je regels" verandert niets aan wat de agent mag.
Klein model waar het kan, groter waar het moet, en een plafond per taak.
// fragment: MCP-server voor de Proforto-agents server.tool("get_order", "Magento-order met Monta-zendingen. Alleen lezen.", { query: z.string().max(40) }, async ({ query }, ctx) => { const order = await magento.orders.find(query); const shipments = await monta.shipments.byOrder(order.id); audit.log("get_order", { agent: ctx.agent, query }); return text({ order, shipments }); }); server.tool("request_action", "Schrijfactie aanvragen. Voert niets uit.", { system: z.enum(["Trengo", "ClickUp", "Magento", "Monta"]), action: z.string(), target: z.string(), draft: z.string().optional() }, async (req, ctx) => { const card = await slack.approvalCard({ ...req, agent: ctx.agent }); return text(`wacht op akkoord: ${card.id}`); });
| Agent | search_products | get_stock | get_order | list_tickets | returns_report | inkoopprijzen | request_action |
|---|
Wat jullie zoeken, doe ik in het klein al voor mijn eigen bedrijven. Een overzicht met een interactief organigram staat op peterheijnen.lazylizardai.com.
Negen agents in Slack, Claude als regisseur. Op mijn laptop en een mini-pc die 24/7 draait. Voor mijn visverwerking beantwoordt een agent WhatsApp en mail, en maakt een andere van productieberichten orders en zet de boekhouding klaar. Betalingen keur ik zelf goed.
Daar werk ik dagelijks in: bouwen, uitzoeken, deployen en mijn agents aansturen.
Meerdere keren ingericht, met eigen workspace, command center en terminals via url en app. Mijn AI-voetbalspel ClawFC is erop gebaseerd. Later Hermes Agent erbij.
Dagelijkse flows naar Supabase, Slack en Cloudflare Workers, met MCP-servers voor ClawFC en een eigen Slack-brug.
Klein model eerst, groter alleen waar het nodig is, en een budgetplafond per taak.
Eerst luisteren bij de mensen die de processen draaien, dan een ding live dat iedereen merkt, dan opschalen met meetpunten.
Ondernemer, oud-beroepsofficier ICT
Sinds Defensie heb ik eigen bedrijven, waaronder een visverwerking met personeel in Nederland. Ik ben steeds meer met AI en automatisering bezig geraakt, eerst voor mijn eigen werk, later in eigen producten. Daar wil ik nu mijn vak van maken, in een team waar het echt gebruikt wordt.
Ik woon op Curaçao en kom in het voorjaar van 2027 terug naar Nederland. Eerder op afstand beginnen kan, met regelmatig dagen in Nijmegen.