Een gewone chatbot geeft alleen tekstantwoorden — je stelt een vraag, het geeft antwoord, en het gesprek eindigt daar. Een agent voert een lus uit: het kan tools aanroepen om acties uit te voeren, resultaten waarnemen en itereren naar een doel totdat een stoppingvoorwaarde is bereikt. Het verschil is doen, niet alleen praten.
Goal → [think → call a tool → observe result → think again] → repeat → stop when done
Bij elke stap bepaalt de agent wat het volgende gaat doen op basis van wat het heeft geleerd, in plaats van één antwoord te geven en te stoppen.
De "tools" van een agent laten het op de wereld inwerken:
Goal: "Fix the failing test."
1. Run the test suite → observe: test_login fails
2. Read the failing test → observe: it expects a 200, got 500
3. Search for the handler → observe: missing null check
4. Edit the handler file → write the fix
5. Run the test suite again → observe: all pass
→ stopping condition met: tests green, done
Een chatbot kon alleen een mogelijke oplossing beschrijven; de agent past het daadwerkelijk toe en verifieert het resultaat door zelf de tests uit te voeren.
Begrip van de agent-lus verklaart waarom agents echt multi-stap werk kunnen voltooien — debugging, refactoring, research — in plaats van het alleen te beschrijven. De tool-call-observe-iterate-cyclus, met een duidelijke stoppingvoorwaarde, is wat een taalmodel verandert van een conversationele tekstgenerator in iets dat werkelijk taken voltooit.