Multi-agentsystemen zijn technologisch boeiend. Bij implementatie voor een klant blijkt echter vaak dat een eenvoudigere aanpak 90% van de eisen dekt voor 20% van de kosten. Hier is een beslismatrix voor wanneer u in multi-agentorchestratie investeert en wanneer niet.
Single agent vs. multi-agent — waar ligt de grens
**Single agent** = één LLM (Claude, GPT, Llama) met enkele tools. Voorbeeld: een chatbot die in documenten zoekt, een antwoord genereert en eventueel een API aanroept.
**Multi-agent** = orchestratie van meerdere agents, waarbij elk een eigen specialisatie heeft en een meta-agent beslist welke agent de taak voortzet. Voorbeeld: één agent plant, een tweede codeert, een derde test, een vierde reviewt.
Een single agent is altijd goedkoper — één model, één flow, één auditlog. Multi-agent is altijd complexer — 3–8× meer modelaanroepen, 5× meer latency, 10× meer potentiële faalpunten.
Maar multi-agent levert dingen die een single agent niet kan: lange taken met meerdere stappen, parallel werk, toezicht op beslissingen.
Wanneer een single agent volstaat
1. De use-case heeft een duidelijke, voorspelbare structuur.
Voorbeeld: "beantwoord een klant-e-mail op basis van context in het CRM". Weinig stappen, simpele beslissingen, kwaliteit van het antwoord wordt door een menselijke reviewer geverifieerd.
Een single agent met prompt-templates en 2–3 tools (CRM-zoekopdracht, contextueel geheugen, opmaak) verwerkt 90% van het volume.
2. Het team heeft geen capaciteit voor een orchestratielaag.
Multi-agent vereist: een workflow engine (LangGraph, Temporal, Inngest), agent state management, error handling, retry logic, observability. Zonder een dedicated AI-engineer stopt het systeem bij de eerste gedegenereerde stap.
Als uw team uit minder dan 3 engineers bestaat, is single agent het realistische niveau.
3. De use-case kent een acceptabele faalkans van 5–10%.
Een single agent faalt graceful — het antwoord is slechter, maar de UI breekt er niet door. Multi-agent faalt compounded — één gefaalde agent in de keten breekt alle volgende. Zonder geavanceerde error handling levert multi-agent slechter dan single.
Wanneer multi-agent zinvol is
1. De use-case bestaat uit lange taken (10+ stappen) met uiteenlopende vaardigheden.
Voorbeeld: een agentfirma die een feature implementeert: de planner analyseert het verzoek, de developer schrijft code, de tester schrijft tests, de reviewer controleert de PR. Een single agent kan dit niet met redelijke kwaliteit aan — de context verwatert, het model raakt het spoor kwijt.
2. De acceptabele faalkans is < 1%, of de taak is business-critical.
Multi-agent maakt human-in-the-loop gates tussen agents mogelijk. De planner stelt een plan op → mens keurt goed → developer implementeert → reviewer controleert → mens keurt merge goed. Een single agent modelleert dit niet.
3. Parallel werk levert meetbare voordelen op.
Multi-agent kan een vertakte taak aan (één agent onderzoekt 5 bronnen parallel, een andere genereert 3 versies van een tekst). Een single agent moet sequentieel werken — trager, maar makkelijker te debuggen.
4. Audit trail is een regulatoire eis.
In gereguleerde sectoren (recht, gezondheidszorg) is een per-stap auditlog noodzakelijk. Multi-agent genereert van nature een auditlog per stap — agent A deed X, agent B controleerde X, agent C keurde goed. Het log van een single agent is "het antwoord is…" zonder details daartussen.
De kosten die niemand noemt
Een multi-agentsysteem is niet alleen duurder in inference (5× meer LLM-aanroepen). Kosten die in de 2e–6e maand opduiken:
- **Prompt drift**: bij wijziging van één agent moeten alle volgende opnieuw getest worden. Zonder systematische evals betekent dit handmatig uren testen bij elke wijziging.
- **State explosion**: agent state in complexe workflows kent 50+ variabelen. Zonder goed state management wordt het systeem onhandelbaar.
- **Observability**: zonder gedetailleerde logging kunt u niet debuggen waarom het systeem slechter antwoordt. Een observability-stack (LangSmith, Helicone, Trackio, custom) kost € 200–1500 per maand.
- **Human-in-the-loop UI**: als u human gates wilt, hebt u een UI nodig die deze mogelijk maakt. Een custom dashboard voor approval flow kost € 5.000–15.000.
Praktische aanpak
**Stap 1**: Begin met een single agent. Dekt 60–80% van de use-case. Maakt duidelijk welke stappen slecht verlopen.
**Stap 2**: Voeg voor die specifieke stappen gespecialiseerde agents toe. Het "minimum" multi-agent — 2 agents + één orchestrator.
**Stap 3**: Voeg pas verdere agents toe als het meetbare voordeel > de kosten van extra complexiteit is.
De meeste multi-agentsystemen in productie in 2026 bestaan uit 2–4 agents, niet 10+. Teamgrootte is geen maat voor complexiteit — het is een maat voor wat u niet heeft geoptimaliseerd.
Conclusie
Multi-agent is niet "beter" dan single agent. Het is een duurdere investering voor capaciteiten die sommige use-cases nodig hebben en andere niet.
- Als uw use-case voorspelbaar, kort en risico-arm is → single agent.
- Als hij lang, meerstappig en business-critical is → multi-agent loont de investering.
- Als u ertussenin zit — begin met single agent en voeg gespecialiseerde agents geleidelijk toe.
---
*We implementeren zowel single-agent- als multi-agentsystemen. We maken de keuze via een business-case-audit, niet op basis van een technologische voorkeur. Een concreet use-case nemen we door tijdens een gesprek van 30 minuten.*