🛠 Subagents vs agent teams: wanneer zet je welke in

Hoofdonderwerpen

• Gewoon beginnen met bouwen — de hosts schoppen luisteraars wakker die Claude Code nog niet geopend hebben. Verwijzing naar Nilay Modi (YC-oprichter) die op LinkedIn stelde dat je gewoon moet shippen, ook als het niet perfect is. 80/20-mentaliteit: die laatste 20% perfectie kost 80% van je tijd.
• Context windows en context rot uitgelegd — een LLM (Large Language Model, het taalmodel achter AI) kan niet oneindig veel informatie vasthouden in één gesprek. Het 'context window' (het werkgeheugen van de AI per sessie) raakt vol, waarna context rot optreedt: de AI vergeet waar hij mee bezig was of gaat hallucineren.
• Subagents — een main agent die een grote taak opbreekt in deeltaken en die delegeert aan sub-AI's met elk hun eigen schone context window. Die rapporteren terug met een compact antwoord. Voorkomt context obesitas.
• Agent teams — anders dan subagents: een team werkt parallel, kan onderling communiceren, deelt een takenlijst. Heeft geen duidelijk start/eind-moment. Nuttig als voortschrijdend inzicht van de één relevant is voor de ander.
• Plan mode in Claude Code — forceer je met shift+tab (twee keer). De AI denkt eerst na en maakt een plan voordat hij gaat uitvoeren, in plaats van meteen de 'dopamine-kick' van code schrijven te pakken.

Key insights

• Subagent = afgebakende taak, terugkomen met antwoord. Agent team = doorlopende samenwerking met onderling bericht-verkeer. Niet hetzelfde ding.
• Waarom AI-bedrijven zo gefocust zijn op coding-AI: omdat ze daarmee zelf sneller AI's bouwen. Claude Code zou voor 90% door Claude zelf gebouwd zijn, Vercode volledig door Claude Code in 2 weken.
• Claude introduceert de standaarden: MCP (Model Context Protocol, de standaard om AI veilig aan externe tools te koppelen), skills, nu subagents. De rest volgt.
• Plan mode forceren voorkomt gokken. Zonder plan mode weet je niet of Claude zelf zal besluiten subagents in te zetten voor een complexe taak. Beter expliciet opdragen: 'spin up 5 subagents voor taak X, Y, Z.'
• Kosten-waarschuwing: een zwerm agents vreet je credits. Parallelle subagents zijn krachtig maar duur.

What to Build

Project 1: Marktonderzoek-squad met manager + subagents

Wat het is: Je geeft één main agent een groot onderzoek (bijv. 'analyseer de specialty coffee markt in 5 landen'), en die delegeert elk land aan een eigen subagent. Elke subagent doet zijn eigen research met een schone context, rapporteert terug in 2 pagina's, en de manager maakt de synthese.

Hoe zij het bouwen (volgens de aflevering):

• In Claude Code of Claude desktop
• Gewoon letterlijk tegen de AI zeggen: 'spin up 5 subagents, elk krijgt een eigen opdracht: [specificatie per subagent]'
• Eventueel eerst plan mode aan (shift+tab tweemaal) om Claude zelf te laten bedenken hoe hij opsplitst

Web research (bestaande implementaties):

• TradingAgents (tradingagents-ai.github.io) — multi-agent framework dat een beleggingsfirma simuleert met specialisten (fundamenteel, sentiment, nieuws, risico). Pattern is 1-op-1 overzetbaar naar marktonderzoek.
• Awesome Claude Code Subagents — Market Researcher op GitHub (VoltAgent/awesome-claude-code-subagents): kant-en-klare subagent-definitie voor markt/consumentenanalyse en competitive landscapes. Directe kopieer-template.
• Amazon Bedrock Multi-Agent tutorial — supervisor agent die delegeert naar news-retrieval, quantitative analysis en summarizer subagents.
• Best practice uit research: hiërarchische orkestratie (één supervisor, meerdere specialisten) verlaagt latency 40-60% en voorkomt context rot via memory isolation.

Analyse — wat kan beter:

• Voor specialty coffee is dit goud: laat subagents parallel SCA-rapporten, Perfect Daily Grind-artikelen, concurrent-websites en marktdata per regio scrapen. De hosts noemen het voorbeeld abstract — voor jou is het concreter: één subagent per herkomstland (Ethiopië, Colombia, Brazilië), één voor NL-markt, één voor concurrenten.
• Voeg een 'citations'-regel toe in je main-prompt: elke subagent moet bronnen meegeven, anders krijg je AI-slop terug dat niet verifieerbaar is.

Stappenplan:

1. Clone de Market Researcher subagent-definitie van VoltAgent als startpunt.
2. Maak in je project een .claude/agents/ folder met markdown-files per subagent-rol (coffee-origin-researcher, competitor-researcher, trend-analyst).
3. Schrijf per subagent een strakke role-prompt met: scope, verplichte bronnen, output-format (max 2 pagina's, bullets, links).
4. Start Claude Code in je projectmap, draai plan mode (shift+tab 2x), geef de main-opdracht.
5. Als Stooker-specifiek: koppel een Supabase-tabel market_research waar elke subagent zijn eindrapport in schrijft — dan heb je een doorzoekbaar archief i.p.v. losse chats.

Project 2: Inbox-opschoontool met agent team

Wat het is: Guido's eigen setup — een manager-agent leest mails één voor één, maakt een takenlijst, en delegeert per mail aan specialistische agents (voorstel-schrijver, collega-berichter, agenda-planner). Die agents kunnen onderling praten omdat het een team is, geen losse subagents.

Hoe zij het bouwen (volgens de aflevering):

• Team van agents in Claude (niet gespecificeerd of in Code of via API)
• Manager leest mails, delegeert, team werkt parallel met gedeelde takenlijst

Web research:

• UseYourAI — interactieve + proactieve email-agents, IMAP/SMTP-koppeling, claimt 12u/week besparing.
• Zembl AI Team — 4 gespecialiseerde agents die 100+ leads/dag triëren volgens menselijke team-rolverdeling.
• VirtualWorkforce AI Email Agent — leest, vat samen, antwoordt, update CRM.
• Geen concrete open-source GitHub-repo's; meestal bouwen mensen dit op LangChain of AutoGen (frameworks om meerdere AI-agents te laten samenwerken).

Analyse — wat kan beter:

• Voor een 10-mans B Corp is een volledig autonome mail-agent overkill en risicovol (verkeerde mail namens Stooker versturen = probleem). Bouw hem als draft-only: agents maken concepten, jij keurt goed.
• Team-agents zijn duurder dan subagents. Voor mail is een simpeler patroon vaak genoeg: één agent die triëert + labelt + concept-antwoorden klaarzet in Gmail.

Stappenplan (Next.js + Supabase alternatief):

1. Begin met Gmail API → Supabase-tabel emails (ruw) en email_tasks (uitgeleide taken).
2. Bouw een Next.js route /api/inbox-triage die elke 15 min nieuwe mails ophaalt en naar Claude API stuurt met een triage-prompt.
3. Claude deelt elke mail in: [reply_needed, delegate, schedule, archive] + maakt per categorie een record in email_tasks.
4. Per categorie één subagent-prompt (reply-drafter, meeting-scheduler, etc.) die de taak afhandelt — output weer naar Supabase als draft.
5. Simpele Next.js dashboard-UI waar jij drafts bekijkt en met één klik goedkeurt → Gmail API stuurt.
6. Pas upgraden naar echt team-agents als je voortschrijdend inzicht tussen mails nodig hebt (bijv. klant A mailt over bestelling, klant B over zelfde partij — agents moeten dan praten).

Takeaways voor MKB

• Begin met subagents, niet met teams. Simpeler, goedkoper, en in 80% van de cases genoeg. Teams zijn voor gevallen waar agents onderling moeten kunnen communiceren (gedeelde context, voortschrijdend inzicht).
• Plan mode is gratis winst. Shift+tab tweemaal in Claude Code voordat je een complexe taak uitvoert. Claude denkt eerst na, jij reviewt het plan, dan pas actie. Scheelt re-work en onverwachte kosten.
• Breek altijd grote taken op in afgebakende stukken — niet omdat AI dom is, maar omdat context windows vollopen. Eén AI voor '5 landen onderzoeken' werkt slechter dan 5 AI's met elk 1 land.
• Voor Stooker concreet: de marktonderzoek-squad is directer bruikbaar dan de mail-tool. Bouw één keer een setup voor 'nieuwe herkomstregio evalueren' of 'concurrent-analyse per kwartaal' en je hebt een herbruikbaar proces dat anders dagen handmatig werk kost.
• 80/20 mindset: shippen > perfect. Een mail niet twee keer nalezen, een AI-output niet eindeloos bijschaven. Die laatste 20% kost 80% van je tijd, en in de praktijk merkt niemand het verschil.
• Pas op voor credit-verbranding: een zwerm van 10 parallelle agents met lange context is snel €5-10 per run. Prima voor maandelijks marktonderzoek, niet voor elke mail.