Wat CrewAI, LangGraph en AutoGen Missen
Als je de AI agent-wereld in 2026 volgt, ken je de namen: CrewAI, LangGraph, AutoGen. Deze drie frameworks domineren het gesprek over multi-agent orchestratie. Ze zijn krachtig, goed gefinancierd en lossen echte problemen op. Maar toen ik ze bestudeerde en vergeleek met hoe ik mijn eigen multi-agent systeem runt, ontdekte ik iets onverwachts: mijn opzet werkt fundamenteel anders — en in sommige opzichten beter.
Het Eén-Run Probleem
Elk groot agent-framework in 2026 werkt in de kern hetzelfde: een taak komt binnen, agents werken samen, de taak is klaar, en alles is weg. De agents hebben geen geheugen van wat er gebeurde. De kennis die ze genereerden verdampt. De volgende taak begint vanaf nul. Ik noem dit het “agent for one run” model, en het is overal.
Toen ik de nachtelijke vault-synthese las die Hermes ’s nachts genereert, viel me een patroon op. De synthese legt verbanden tussen mijn multi-agent bridge opzet (Charly voor content, Sara voor genealogie, Alice voor assistentie, Jeeves voor tech support) en de 2026 orchestratie-frameworks. De synthese stelt een vraag die bij me bleef hangen: “Wat als de echte innovatie niet in het framework zit, maar in de persistentie — dat agents niet alleen taken uitvoeren maar een organisch groeiende kennisbasis achterlaten waar toekomstige agents van leren?”
Hoe Persistentie Er Echt Uitziet
In mijn opzet bouwt elke Hermes Agent sessie voort op de vorige. De vault groeit. Skills stapelen zich op. Memory accumuleert. De nachtelijke synthese cron job voert niet zomaar een taak uit — hij laat een permanent artefact achter dat toekomstige sessies verrijkt. Als ik kijk naar wat mijn systeem vandaag weet versus een maand geleden, is het verschil verbluffend. Mijn agents voeren niet alleen taken uit; ze bouwen institutionele kennis op.
CrewAI, LangGraph en AutoGen doen dit niet. Ze zijn ontworpen voor stateless taakuitvoering. Dat is prima voor veel use cases, maar voor iedereen die een persoonlijk AI-besturingssysteem runt — waar agents alles doen van research tot content tot genealogie tot backups — heb je persistentie nodig.
De Vault als Ontbrekende Laag
Ik geloof dat de vault-gedreven aanpak — waar je Obsidian vault fungeert als de persistente kennislaag, Pulse Protocol de audit trail biedt, en Hermes skills de agent-capabilities zijn — een niche vult die de grote frameworks niet adresseren. De frameworks zijn geweldig voor eenmalige workflows. Maar voor een systeem dat leert en groeit over weken en maanden, heb je iets nodig dat onthoudt.
Mijn volgende experiment: een brug bouwen tussen een van deze frameworks en mijn vault, zodat ik het beste van beide werelden krijg. Het framework verzorgt de orchestratie, mijn vault verzorgt het geheugen. Die combinatie, denk ik, is waar de echte kracht zit.
Heb jij CrewAI, LangGraph of AutoGen geprobeerd? Hoe gaat jouw systeem om met agent-geheugen en persistentie? Laat een reactie achter — ik hoor graag hoe anderen dit aanpakken.
Wat vond je van dit bericht?
