Waarom topologiebeheer cruciaal is bij multi-agent AI-teams

Heb je ooit meerdere AI-assistenten tegelijk ingezet voor een project? Dan ken je het probleem vast: elke herstart wist het geheugen. Je moet telkens opnieuw uitleggen wat er speelt, workflows herstellen en beslissingen opnieuw afstemmen. Het voelt als dezelfde consultants elke ochtend opnieuw inwerken.

OpenRig pakt dit aan door je agenten als infrastructuur te behandelen.

Het probleem met losse AI-sessies

De meeste developers starten AI-agents als geïsoleerde sessies. Claude rondt een taak af, je wisselt van context en GPT-4 begint zonder enige kennis van wat er zojuist gebeurde. Er is geen gedeeld geheugen, geen vaste identiteit en geen echte samenwerking.

Voor kleine taken werkt dat prima. Maar zodra je met complexe projecten werkt, heb je structuur nodig:

• Vaste identiteit — dezelfde agent die context vasthoudt over dagen of weken
• Gedeelde kennis — agents die van elkaars bevindingen leren
• Duurzame beslissingen — architectuurkeuzes die een herstart overleven
• Schaalbare coördinatie — tien agents die samenwerken zonder chaos

Zonder orkestratie is dat net zo onrealistisch als productieomgevingen draaien zonder enige vorm van beheer.

De rig als infrastructuurdefinitie

OpenRig introduceert het concept van een rig: een YAML-bestand dat een complete topologie van samenwerkende agents beschrijft.

Vergelijk het met Terraform, maar dan voor je ontwikkelteam.

Een rig is meer dan een lijst. Het is een grafiek. Agents zitten in pods die context delen. Tussen pods liggen verbindingen die communicatie regelen. De hele structuur kun je opslaan, herstellen en als één geheel beheren.

pods:
  orchestration:
    agents:
      - lead (Claude Opus)
      - coordinator (Claude Sonnet)
  
  development:
    agents:
      - implementation (Claude Code)
      - review (Codex)
  
  research:
    agents:
      - explorer-1, explorer-2, explorer-3

Eén bestand. Eén commando. Je hele team start op.

Wat persistentie écht verandert

Vaste identiteit

Agents verliezen hun rol niet meer na een herstart. Dezelfde agent behoudt kennis, relaties en context. Bij een volle contextwindow verplaatst de agent zijn volledige staat naar een nieuwe sessie. Het voelt als hervatten, niet als opnieuw beginnen.

Gedeeld geheugen

Binnen een pod kunnen agents hun staat extern opslaan en delen. Als een agent zijn context compacter maakt, kunnen anderen die kennis herstellen. Architectuurkeuzes en patronen stapelen zich op in plaats van te verdwijnen bij elke reboot.

Eén centraal punt

Je beheert alles via één interface. Via Claude’s Remote Control check je je hele vloot, ook vanaf je telefoon. Geen geswitch tussen verschillende tools of dashboards.

Praktijkvoorbeelden die al in gebruik zijn

• Adversarial review: Twee agents beoordelen elke pull request vanuit verschillende invalshoeken. Verschillende modellen vangen verschillende bugs.
• Research cluster: Vier agents onderzoeken hetzelfde probleem peer-to-peer, zonder hiërarchie. Kennis wordt direct gedeeld.
• Security hardening: Aanvalsagents testen, verdedigingsagents patchen, observatieagents documenteren. Alles als eenheid.
• Continue refactoring: Refactoring draait ’s nachts door. Een reviewpod vangt regressies op. Geen bottleneck.
• Agent-managed software: Een agent draait bijvoorbeeld HashiCorp Vault voor het hele team. Mensen hoeven niet meer in te grijpen.

Waarom dit relevant is voor je architectuur

Traditionele workflows zien agents als wegwerpitems. Die aanpak werkt niet meer als je echte software bouwt. Met persistente teams:

• Kennis bouwt sneller op
• Je hoeft geen vereisten vijf keer opnieuw uit te leggen
• Specialisatie wordt mogelijk: één agent voor testen, een ander voor refactoring
• Asynchroon werk blijft coherent, ook als jij slaapt

Hoe begin je?

OpenRig heeft een discovery-modus. Met rig discover scant het bestaande sessies in tmux of andere omgevingen en stelt een eerste RigSpec voor. Je formaliseert wat al werkt.

Daarna beheer je alles via de CLI: opstarten, snapshotten, herstellen, visualiseren.

Voor developers die al met hosted infrastructure werken, voelt dit vertrouwd. Je definieert je omgeving in YAML, versioneert het en weet precies wat er draait. OpenRig past diezelfde discipline toe op je AI-workflows.

Tot slot

OpenRig is open source en vraagt geen extra API-sleutels. Het is infrastructuur die je zelf beheert.

Wat begon als een poging om agents hun geheugen te laten behouden, groeide uit tot een fundamentele bouwsteen voor teams die écht werk kunnen doen. Want dat is waar het uiteindelijk om draait: agents die niet alleen slim zijn, maar ook betrouwbaar blijven werken.

Je agent-topologie ís infrastructuur. Behandel het ook zo.