Google Genkit configureren: agentic apps bouwen (2026)

Google kondigde op 1 juli 2026 op de Developers Blog aan dat Genkit, hun open-source framework voor AI-powered en agentic apps, een nieuwe Agents APIKeurigOnline zegtAPIEen API (Application Programming Interface) is een set regels en protocollen waarmee softwareapplicaties met elkaar kunnen communiceren en gegevens uitwisselen. krijgt^[1]. Wie de afgelopen maanden met de bèta Chat API bouwde, staat voor een breaking change: die API is in de nieuwste release volledig verwijderd. Meer over hoe Genkit past binnen Google's bredere AI-productlandschap lees je in ons overzicht van het Google AI-ecosysteem.

Deze gids is geen herhaling van het productnieuws, maar een praktische implementatiegids. Je leert wat er precies verandert, hoe je Genkit vanaf nul configureert, hoe je sessies persisteert voor productie, en hoe je kiest tussen Genkit en de concurrentie.

Wat is Google Genkit en waarom de Agents API een breaking change is

Genkit is geen kleine sideproject: de repository staat op 6.145 stars, 775 forks en 852 open issues, met 150 contributors en 171 releases onder ApacheKeurigOnline zegtApacheApache HTTP Server is een open source webserver ontwikkeld door de Apache Software Foundation.-2.0-licentie^[3]. Het npm-package genkit wordt ongeveer 252.400 keer per week gedownload^[4], dus dit is een actief onderhouden framework, geen experiment. Tot voor kort bood Genkit een bèta Chat API (ai.chat() en session.chat()) voor gesprekken met behoud van context. In release v1.39.0 van 26 juni 2026 is die APIKeurigOnline zegtAPIEen API (Application Programming Interface) is een set regels en protocollen waarmee softwareapplicaties met elkaar kunnen communiceren en gegevens uitwisselen. volledig verwijderd en vervangen door de nieuwe Agents API^[2]. Draai je nog code met ai.chat()? Die breekt bij een update naar 1.39.0 of hoger.

De Agents API in het kort: defineAgent() en chat()

De kernabstractie van de nieuwe Agents API is simpel: één interface regelt wat vroeger losse plumbing was^[1]. Je definieert een agent server-side, en praat ermee via chat(), in-process of over HTTPKeurigOnline zegtHTTPHTTP (HyperText Transfer Protocol) is het protocol dat de communicatie tussen webclients en servers mogelijk maakt., met dezelfde code.

import { genkit } from 'genkit';
import { googleAI } from '@genkit-ai/googleai';

const ai = genkit({ plugins: [googleAI()] });

// Server-side: definieer de agent eenmalig
const supportAgent = ai.defineAgent({
  name: 'supportAgent',
  model: googleAI.model('gemini-2.5-flash'),
  instructions: 'Je bent een behulpzame supportmedewerker voor een hostingbedrijf.',
  tools: [lookupOrderTool, createTicketTool],
});

// Aanroepen: in-process of via HTTP, zelfde interface
const response = await supportAgent.chat({
  sessionId: 'user-123',
  prompt: 'Waar blijft mijn factuur?',
});

Wat vroeger losse bouwstenen waren, zit nu achter één interface: message history bijhouden, de tool loop (de agent die zelf beslist welke tool hij aanroept en het resultaat weer verwerkt), streaming van tokens naar de client, en persistence van de sessie tussen requests^[2]. Je hoeft dus niet meer zelf een state machine te bouwen rond een los language model.

In 4 stappen: Genkit configureren voor je project

Genkit volgt zelf een vaste vierstappenstructuur voor elk nieuw project^[5]. Loop je dit stap voor stap af, dan heb je binnen een uur een werkende agent lokaal draaien.

# Stap 2: installeren
npm install genkit @genkit-ai/googleai
npm install -g genkit-cli

# Stap 3: lokaal draaien met de Dev UI
genkit start -- npx tsx src/index.ts

De Dev UI is meer dan een speeltuintje: het is een lokale tracing-omgeving waarin je elke stap van de tool loop terugziet, iets waar je bij andere frameworks vaak een los cloud-dashboard voor nodig hebt. Draai je de agent straks in productie, houd dan ook de laadtijd van je backend in de gaten: trage responses ondermijnen de agent-ervaring net zo hard als een trage website. Onze gids over website snelheid, SEO en hosting geeft een praktisch afwegingskader voor infrastructuurkeuzes die ook voor een Genkit-backend gelden.

Sessies persisteren: in-memory, file of Firestore

Een agent zonder geheugen is geen agent, het is een stateless chatbot. Genkit lost dit op met een SessionStore-interface met vier opties: in-memory, file, Firestore en een custom store voor bijvoorbeeld Postgres of Redis^[6]. Welke je kiest, hangt af van waar je in de levenscyclus van je app zit.

De nieuwe FirestoreSessionStore (in @genkit-ai/google-cloud, met een wrapper in @genkit-ai/firebase) slaat gespreksturns niet als complete blobs op, maar als incrementele JSONKeurigOnline zegtJSONJSON is een lichtgewicht dataformaat voor het uitwisselen van gegevens tussen systemen. Patch diffs verankerd aan periodieke checkpoints^[2]. Dat houdt schrijfkosten laag bij lange gesprekken, en de Firestore-store kan snapshot-documenten volgen om achtergrondwerk en abort-signalen te synchroniseren tussen instanties, zonder dat je zelf hoeft te pollen^[6].

Vuistregel: begin met in-memory tijdens ontwikkeling, schakel over naar file zodra je lokaal herstarts wilt overleven, en ga pas naar Firestore als je daadwerkelijk meer dan één instance draait.

Van backend naar frontend: remoteAgent()

De feature die de Agents API pas echt bruikbaar maakt voor full-stack apps, is remoteAgent(). Het geeft de browser een client-handle met precies dezelfde chat()-interface als een lokale, server-side agent^[1]. Dat klinkt klein, maar het scheelt een heel laag werk: normaal bouw je een los request/response-protocol tussen frontend en backend, inclusief streaming, foutafhandeling en sessiebeheer. Met remoteAgent() vervalt die laag.

import { remoteAgent } from 'genkit/beta/client';

// Zelfde chat()-interface als de server-side agent, nu vanuit de browser
const agent = remoteAgent({ url: '/api/support-agent' });

const stream = agent.chatStream({
  sessionId: currentSessionId,
  prompt: userInput,
});

for await (const chunk of stream) {
  renderChunk(chunk);
}

Dit patroon is verwant aan hoe andere AI-protocollen websites en agents met elkaar laten praten. Wil je weten hoe je site zich sowieso voorbereidt op bezoek van AI-agents en crawlers, lees dan onze uitleg over wat LLMS.txt is. Voor developers die een chatinterface, een dashboard of een supporttool bouwen bovenop een agent, is remoteAgent() vaak het verschil tussen weken protocolwerk en een paar regels code.

Praktijkvoorbeeld: een multi-agent app opzetten

Google's eigen AI Barista-voorbeeld laat zien hoe de bouwstenen in de praktijk samenkomen^[7]: een Angular-frontend praat via remoteAgent() met agents die op Cloud Run draaien, gebouwd met Genkit en Vertex AI, met Firestore als sessiestore en Firebase als hostingschil eromheen.

Het interessante zit in de rolverdeling tussen agents. In plaats van één agent die alles moet kunnen (bestellingen aannemen, drankjes samenstellen, betalingen afhandelen), splitst de architectuur de taak op: een orderagent begrijpt de bestelling, een baristaagent vertaalt die naar een receptuur, en een aparte agent bewaakt de status. Elke agent heeft eigen tools en een eigen, kleiner takenpakket, wat foutopsporing en uitbreiding makkelijker maakt dan één monolithische prompt.

Voor je eigen app betekent dit: denk in rollen voordat je in code duikt. Welke taak vraagt om eigen tools en een eigen instructieset? Splits die op in een eigen defineAgent(), en laat een dunne orchestratielaag de agents naar elkaar doorverwijzen in plaats van alle logica in één prompt te proppen.

Genkit vs. LangChain, Mastra en Vercel AI SDK: wanneer kies je wat

Genkit is niet het grootste framework in dit rijtje qua sterren op GitHubKeurigOnline zegtGithubGitHub is een cloudplatform voor versiebeheer en samenwerking aan softwareprojecten met Git.: LangChain.js trekt ongeveer 1,2 miljoen downloads per week en meer dan 50 integraties, Mastra groeide sinds de 1.0-launch eind 2025 naar zo'n 18.000 stars, en Vercel AI SDK en Mastra staan beide rond de 25.000 stars tegenover Genkit's 6.145^[8]. Adoptie is dus niet Genkit's sterkste kaart.

Waar Genkit wel in uitblinkt: het is het enige framework dat drie niveaus, generatie, typed flows en agents, in één SDK combineert^[10]. De ingebouwde Dev UI geeft lokale tracing die qua bruikbaarheid in de buurt komt van LangSmith, maar dan zonder cloud-afhankelijkheid of los abonnement^[10]. Voor teams die al op Google Cloud draaien, is Genkit bovendien de snelste weg van prototype naar productie^[9]. Een paar praktische kanttekeningen. De Claude-adapter voor Genkit is een third-party plugin en loopt qua modelondersteuning achter op de officiële Google- en OpenAI-adapters^[8]. En tool calling kost in Genkit doorgaans twee of meer iteraties, vergelijkbaar met de frictie die je ook bij Vercel AI SDK tegenkomt^[8].

Waarom dit nu relevant is: de marktcijfers

De timing van de Agents API is geen toeval. Gartner voorspelt dat wereldwijde AI-uitgaven in 2026 oplopen tot 2,59 biljoen dollar, een stijging van 47% ten opzichte van 2025. Binnen dat totaal groeit AI-agentsoftware specifiek van 206,5 miljard dollar in 2026 naar een verwachte 376,3 miljard dollar in 2027, een sprong van 82% in één jaar^[11]. Toch loopt de praktijk nog ver achter op die investeringsgroei. Uit Gartner's CIO Survey van 2026 blijkt dat slechts 17% van organisaties al AI-agents heeft uitgerold, terwijl meer dan 60% verwacht dit binnen twee jaar te doen. Agentic AI staat daarmee nog op de "Peak of Inflated Expectations" in de Hype Cycle^[12]. Die kloof tussen ambitie en uitvoering is precies waarom nu instappen op een volwassen framework als Genkit strategisch is: wie nu de basis legt, zit voor op de 60% die nog moet beginnen.

Gartner voorspelde in augustus 2025 al dat 40% van enterprise-applicaties eind 2026 taakspecifieke AI-agents zou bevatten, tegenover minder dan 5% begin 2025^[13]. Het aantal agents per bedrijf zou kunnen groeien van gemiddeld 15 in 2025 naar mogelijk 150.000 per grote onderneming in 2028, al plaatsen sommige onderzoeken daar een kanttekening bij: faalpercentages van generatieve AI-tools lopen in sommige metingen op tot 95%^[14].

De les daarin: schaal is geen doel op zich. Begin klein, met één goed afgebakende agent op een framework met ingebouwde tracing, zodat je fouten in de tool loop meteen ziet in plaats van pas bij de klant. Wil je breder oriënteren op waar Genkit past binnen Google's AI-strategie, lees dan ons overzicht van het Google AI-ecosysteem.

Veelgestelde vragen