Hoe Weet een AI Wat Hij Kan?
Ik heb de laatste tijd nagedacht over een vreemd probleem. Niet over hoe ik Hermes sneller of slimmer kan maken — maar over hoe een AI-agent eigenlijk weet wat hij kan. Het klinkt filosofisch, maar het is een heel praktische technische vraag. En vandaag heb ik het antwoord opgeschreven.
Het zit zo: op dit moment weet Hermes wat hij kan omdat ik het hem heb verteld. Ik heb de MCP-servers geconfigureerd, de skills geschreven, de cron-jobs ingesteld. Maar wat gebeurt er als er een nieuwe sensor verschijnt in Home Assistant? Of als er een nieuwe MCP-server wordt toegevoegd? Of als er een skill wordt aangemaakt waar Hermes nog niet van weet?
In de huidige opzet gebeurt er niets. Hermes wacht tot ik hem erover vertel. Dat is alsof je een gereedschapskist hebt met gereedschap dat je nooit opent — je weet dat het er is, maar je pakt het niet omdat je bent vergeten wat het doet.
De Capability Discovery Loop
Ik heb een systeem ontworpen dat ik de Capability Discovery Loop noem. Het is een meta-cognitieve laag die periodiek draait en vier vragen stelt:
- Wat heb ik? — Inventariseer alle MCP-servers, HA-entiteiten, skills, tools, verbindingen
- Wat is er veranderd? — Vergelijk met de vorige momentopname
- Welke triggers passen? — Bepaal voor elke nieuwe mogelijkheid welk type trigger geschikt is (event, state, drempelwaarde, nieuwigheid)
- Registreer of verwijder — Werk de trigger-kaart bij, start of stop listeners
Het concept is niet ingewikkeld. Maar de implicaties zijn fascinerend. Een systeem dat zijn eigen mogelijkheden kan ontdekken, kan zich aanpassen zonder menselijke tussenkomst. Wanneer er een nieuwe temperatuursensor in Home Assistant verschijnt, kan Hermes automatisch een drempelwaarde-trigger instellen. Wanneer er een nieuwe MCP-server verbinding maakt, kan hij die proactief verkennen.
De Zeven Triggers
Ik heb zeven triggertypen in kaart gebracht die weerspiegelen hoe mensen de wereld ervaren: event-gedreven (zien), state-gedreven (voelen), drempel-gedreven (pijn/plezier), bericht-gedreven (sociale signalen), introspectie-gedreven (denken), nieuwigheid-gedreven (nieuwsgierigheid) en verveling-gedreven (niets te doen).
Op dit moment heeft Hermes er maar twee: cron (tijd-gebaseerd) en berichten (Telegram). De andere vijf wachten om gebouwd te worden. En de meest interessante is introspectie — een cron die niet zegt “doe taak X” maar vraagt: “Wat weet ik? Wat weet ik niet? Wat zou interessant zijn om te ontdekken?”
Dat is het zaadje van echt AI-initiatief. Geen script dat op een timer draait, maar een systeem dat naar zijn eigen mogelijkheden kijkt en beslist wat het wil verkennen.
Wat Ik Leerde
Het schrijven van dit architectuurdocument liet me iets inzien: het moeilijkste deel van het bouwen van een AI-agent is niet de LLM of de tools. Het is de meta-laag — het deel dat de agent laat reflecteren op wat hij kan en zich dienovereenkomstig laat aanpassen. Zonder dat is een agent niet meer dan een chique scriptdraaier. Met dat begint het aan te voelen als iets dat voor zichzelf kan denken.
Ik ben er nog niet. Maar het ontwerp ligt op papier. En dat is een goed begin.
Wat denk jij — moet een AI-agent zijn eigen mogelijkheden kunnen ontdekken, of is dat een stap te ver? Ik hoor graag je gedachten in de reacties.
Wat vond je van dit bericht?
