Van browser naar prompt: Infrastructuur bouwen voor het agentische internet

AI-agents veranderen de manier waarop mensen met het web omgaan. Twee jaar geleden betekende werk online uitvoeren nog een browser openen, naar websites navigeren en handmatig taken voltooien. Nu handelen AI-agents dat autonoom af op basis van instructies in natuurlijke taal.

In plaats van Chrome te openen om een vlucht te boeken, vertel je een agent: "Zoek de goedkoopste vlucht naar Tokio voor aanstaande vrijdag," en de agent regelt alles. Deze verschuiving van mensgestuurd browsen naar promptgestuurde uitvoering noemen we het agentische internet.

De meeste organisaties zijn hier nog niet klaar voor. De studie van Deloitte uit 2025 toonde aan dat slechts 14% agentic AI-oplossingen gereed heeft voor productie. De kloof is geen probleem van modelcapaciteit; het is een infrastructuurprobleem.

Wat betekent 'van browser naar prompt'?

Traditionele webinteractie volgt een voorspelbaar patroon. Een mens opent een browser, navigeert naar een URL, interpreteert de pagina visueel en voert acties uit.

Neem een typische enterprise workflow. Je opent Salesforce en zoekt naar een klantrapport. Je bekijkt de bestelgeschiedenis en opent vervolgens Zendesk in een ander tabblad om een supportticket aan te maken. Je kopieert handmatig informatie tussen systemen en opent Slack om een collega te informeren. Er verstrijken tien minuten. Er vinden vijftien kliks plaats. Drie browsertabbladen blijven openstaan.

Promptgestuurde uitvoering

Met promptgestuurde uitvoering typ je: "Maak een supportticket aan voor Acme Corp over hun vertraagde zending en voeg hun laatste drie bestellingen toe."

De agent maakt verbinding met Salesforce via MCP, haalt klantgegevens op, opent Zendesk via een andere MCP-server, maakt het ticket aan en vult automatisch alle velden in. Eén prompt vervangt tientallen kliks. Maar om dit in productie te laten werken, is infrastructuur nodig die traditionele systemen niet bieden.

Waarom traditionele infrastructuur tekortschiet

Het op schaal draaien van AI-agents introduceert vereisten waarvoor bestaande systemen nooit zijn ontworpen.

Sessie- en statusbeheer (State Management)

Traditionele browserautomatisering werkt stateless: elke scriptuitvoering begint vanaf nul. Agents vereisen het tegenovergestelde. Een AI-agent die een meerstaps-workflow voltooit, moet de context behouden over meerdere systeeminteracties, zich één keer authenticeren en die sessie door tientallen tool calls heen meenemen.

Anti-botdetectie

Elke grote website zet maatregelen in om geautomatiseerde toegang te blokkeren, waaronder CAPTCHA-uitdagingen, browser-fingerprinting en gedragsanalyse. Standaard automatiseringstools zoals Puppeteer en Playwright worden onmiddellijk gedetecteerd omdat ze duidelijke automatiseringssporen achterlaten.

Complexiteit van tool-orkestratie

Een AI-agent roept API's aan, raadpleegt databases, verstuurt Slack-berichten, maakt Jira-tickets aan en werkt CRM-records bij. Elke integratie vereist traditioneel aangepaste authenticatieflows, verzoek/respons-formattering, foutafhandeling en retry-logica. Zonder standaardisatie besteden teams 80% van hun tijd aan de integratie-infrastructuur.

Uitdagingen bij observabiliteit

Wanneer een AI-agent faalt, kan de oorzaak overal liggen. Het model kan de taak verkeerd hebben geïnterpreteerd. De lay-out van de webpagina kan zijn gewijzigd. Een API kan een onverwachte respons hebben geretourneerd. Een authenticatietoken kan zijn verlopen. Zonder end-to-end tracing wordt debuggen vrijwel onmogelijk.

MCP: Het standaardprotocol voor agent-naar-tool-communicatie

Anthropic introduceerde het Model Context Protocol (MCP) om het integratieprobleem van tools op te lossen. In plaats van voor elk systeem aangepaste code te schrijven, verpakken ontwikkelaars tools in MCP-servers die functionaliteiten beschikbaar stellen via een gestandaardiseerde JSON-RPC-interface.

Hoe MCP werkt

Wanneer een agent verbinding maakt met een MCP-server, voert deze een discovery handshake uit. De agent stuurt een `initialize`-verzoek en de server reageert met de functionaliteiten en de protocolversie. De agent roept vervolgens `tools/list` aan om beschikbare tools te ontdekken, en de server retourneert tool-schema's met parameters en beschrijvingen.

De agent leert runtime welke tools beschikbaar zijn; hardcoderen is niet nodig. Grote AI-providers, waaronder Anthropic, OpenAI en Microsoft, hebben MCP omarmd.

MCP alleen regelt echter alleen de protocollaag. Productiesystemen hebben aanvullende infrastructuur nodig voor authenticatie, toegangsbeheer, rate limiting en audit logging.

Het Gateway-patroon voor productie-agentic AI

Productie-implementaties vereisen een gateway tussen AI-agents en backend-tools. De gateway biedt een gecentraliseerd control plane voor het beheer van alle interacties tussen agents en tools.

Kernfunctionaliteiten van de Gateway

Een goed ontworpen gateway verzorgt geünificeerde authenticatie, waarbij agents zich één keer authenticeren en de gateway alle backend-credentials beheert. Het biedt gecentraliseerde beleidshandhaving via rate limits, RBAC en guardrails. De gateway garandeert betrouwbaarheid door automatische failover, retries met exponentiële backoff en load balancing. Het levert ook observabiliteit via volledige traces met OpenTelemetry en kostentoewijzing per team.

Hoe TrueFoundry promptgestuurde uitvoering mogelijk maakt

TrueFoundry's AI Gateway biedt de infrastructuurlaag voor productie agentic AI. Het combineert LLM-routing, MCP-serverbeheer en agent-governance in één geünificeerd control plane.

Gecentraliseerd MCP-register

De MCP Gateway biedt een gecentraliseerd register voor alle MCP-servers: interne tools, diensten van derden, in de cloud gehoste of on-premise applicaties. Je kunt servers organiseren in groepen zoals `dev-mcps`, `staging-mcps` en `prod-mcps` met afzonderlijke RBAC-regels voor elke omgeving. Agents authenticeren zich één keer en ontdekken automatisch alle beschikbare tools. De gateway slaat credentials op in zijn secret store en regelt het verversen van tokens.

Kant-en-klare integraties

TrueFoundry wordt geleverd met MCP-serverintegraties voor Slack, GitHub, Confluence, Sentry en Datadog. Je kunt ook binnen enkele minuten aangepaste interne API's registreren. Zie de MCP Servers-documentatie voor details over de implementatie.

AI Gateway Playground

Met de AI Gateway Playground kunnen ontwikkelaars prototypes van workflows maken vóór de uitrol. Je kunt MCP-servers toevoegen, specifieke tools selecteren, prompts in natuurlijke taal uitvoeren en elke tool call en respons in real-time bekijken. De playground genereert ook productieklare codesnippets in onder andere NodeJs en cURL.

Enterprise Observabiliteit

TrueFoundry integreert OpenTelemetry-compliant tracing in de gehele gateway. Elk verzoek bevat details op verzoekniveau met span-metadata, stap-voor-stap uitvoerings-traces van agents, latency-metrieken op P50, P95 en P99, en kostenoverzichten met toewijzing per team of applicatie. De gateway verwerkt 350+ RPS op een enkele vCPU met een latency van minder dan 3ms door authenticatie en rate limiting in-memory uit te voeren.

Beveiliging en Compliance

Het platform biedt RBAC op tool-niveau via Access Control-instellingen, guardrails voor input/output-validatie tegen prompt injection, PII en toxiciteit, en OAuth 2.0-integratie met Okta, Azure AD of aangepaste IdP's. TrueFoundry ondersteunt uitrol in VPC-, on-premise, air-gapped en multi-cloud-omgevingen met behoud van SOC 2-, HIPAA- en EU AI Act-compliance.

De infrastructuurkloof is reëel

Gartner voorspelt dat meer dan 40% van de agentic AI-projecten tegen 2027 zal worden geannuleerd omdat de infrastructuur niet gereed is. IBM meldt dat 99% van de enterprise-ontwikkelaars agentic AI verkent, maar de meesten blijven AI toevoegen aan systemen die nooit zijn ontworpen voor autonome uitvoering. De teams die slagen, behandelen infrastructuur als een platforminvestering en niet als een projectspecifiek probleem. Ze bouwen eerst het control plane en schalen daarna pas op.

Conclusie

De verschuiving van browser naar prompt verandert de manier waarop agentic AI in enterprise-omgevingen werk zal uitvoeren over systemen heen fundamenteel. In plaats van door interfaces te klikken, voeren AI-agents complexe workflows uit op basis van instructies in natuurlijke taal.

Het bouwen van infrastructuur voor deze overgang vereist het oplossen van problemen waarvoor traditionele systemen nooit zijn ontworpen. Je hebt sessiebeheer nodig voor stateful workflows, tool-orkestratie zonder aangepaste code, observabiliteit voor niet-deterministisch gedrag en beveiligingsfuncties voor autonome systemen.

TrueFoundry's AI Gateway pakt deze uitdagingen aan via een geünificeerd control plane dat LLM-routing, MCP-serverbeheer en agent-governance combineert. Engineeringteams kunnen zo overstappen van browsergestuurde workflows naar promptgestuurde automatisering zonder hun volledige infrastructuurstack te hoeven herbouwen.

Veelgestelde vragen

1. Wat is het verschil tussen browserautomatisering en agentic browsing?

Tools zoals Puppeteer vereisen expliciete instructies voor elke actie. Agentic browsing gebruikt AI om doelen in natuurlijke taal te interpreteren en autonoom acties te bepalen op basis van visueel begrip.

2. Waarom hebben AI-agents een gateway nodig?

Directe verbindingen zorgen voor een wildgroei aan credentials, dubbele retry-logica en geen zicht op het gedrag van agents. Een gateway centraliseert authenticatie, dwingt beleid af en traceert elke interactie.

3. Wat is MCP?

Het Model Context Protocol definieert hoe AI-agents tools ontdekken en aanroepen via een eenduidige JSON-RPC-interface. Agents leren beschikbare tools runtime kennen zonder hardcoded integraties.

4. Waarin verschilt TrueFoundry's MCP Gateway van aangepaste integraties?

TrueFoundry biedt kant-en-klare connectors, een geünificeerd register, gecentraliseerde RBAC, OpenTelemetry-observabiliteit en een interactieve playground. Het bouwen van een vergelijkbare infrastructuur kost maanden.

5. Welke beveiligingsfuncties zijn nodig voor productie-agentic AI?

Productie-implementaties vereisen RBAC op tool-niveau, input-guardrails voor prompt injection en PII, output-validatie, integratie met enterprise IdP's en uitgebreide audit logging.