Kort gezegd. Deze drie tools worden vergeleken alsof het concurrenten zijn. Dat zijn ze niet. Codex is om code te bouwen, LangGraph om beslissingen te orkestreren, n8n om processen te automatiseren. Wil je een AI-agent maken, dan is de keuze geen kwestie van smaak: die volgt uit wat je precies wilt bouwen.
Waarom de vergelijking steeds misgaat
Zoek op twee van deze tools tegelijk en je vindt artikelen die ze rangschikken, alsof er één objectief de beste is.
Die invalshoek komt uit reviewcontent, waar alles een winnaar moet hebben. In echte projecten houdt dat geen stand. In onze First Class over het bouwen van AI-agents zei Isabella Bicalho het zonder omwegen: het framework volgt uit de eisen van het project, niet andersom.
Dus hier de eerlijke versie: waar elke tool voor is, en aan welke signalen je herkent met welke je te maken hebt.
Codex: als de agent code moet schrijven
Codex draait in je ontwikkelomgeving. Je installeert het in Visual Studio Code en het werkt direct op je codebase: bestanden lezen, code schrijven, dingen uitvoeren en verder itereren op wat het heeft gemaakt.
Kies het als het resultaat dat je wilt code is. Een feature bouwen, lelijke code refactoren, tests schrijven, een onbekende repository doorgronden.
Kies het niet als de taak helemaal niets met code te maken heeft. Een codeerassistent gebruiken om een wekelijks rapport in te plannen kan, maar heeft geen zin.
Wat het van je verwacht. Je voelt je thuis in een code-editor en je kunt de output goed genoeg lezen om fouten eruit te halen. Dat laatste is belangrijker dan mensen toegeven: een agent die code schrijft die jij niet kunt beoordelen, is een risico, geen productiviteitswinst.
LangGraph: als de agent beslissingen moet nemen
LangGraph is een framework voor workflows waarin het pad niet vastligt. Je definieert states (toestanden) en de overgangen daartussen, en de agent bepaalt welke kant hij op gaat op basis van wat hij tegenkomt.
Kies het als de flow vertakt. 'Is het document een contract, doe dit; is het een factuur, doe dat; is het geen van beide, escaleer.' Of als meerdere agents werk aan elkaar moeten overdragen: één doet onderzoek, één schrijft, één reviewt, en de reviewer kan het terugsturen.
Kies het niet als de volgorde vastligt en bekend is. Leidt stap één altijd naar stap twee, dan betaal je in complexiteit voor flexibiliteit die je niet nodig hebt.
Wat het van je verwacht. Python (of JavaScript/TypeScript), en dat je overweg kunt met het idee van een state machine. Dit is de meest technische van de drie, en de tool met het hoogste plafond.
n8n: als je bestaande tools aan elkaar koppelt
Wat is n8n? Een low-code automatiseringsplatform. Je bouwt workflows visueel door nodes met elkaar te verbinden: een trigger, een paar databronnen, een aanroep van een model, een bestemming. Je kunt het zelf hosten, en dat telt als je data niet naar een derde partij mag.
Kies het als het werk bestaat uit informatie verplaatsen tussen tools, op een schema of na een gebeurtenis. De meeste bedrijfsautomatisering is precies dat, en daarom dekt n8n meer echte use cases dan zijn reputatie doet vermoeden.
Kies het niet als de logica echt complex is en sterk vertakt. Bouwen kan, maar je zit dan vooral tegen de interface te vechten.
Wat het van je verwacht. Vrijwel geen technische kennis. Heb je nog nooit een agent gebouwd, dan begin je hier.
De vier onderdelen die elke agent nodig heeft
Onder de keuze voor een framework zit een structuur die niet verandert. Isabella deelt die in haar sessie op in vier onderdelen, en wie ze begrijpt, kan die kennis in alle drie de tools gebruiken.
MCP: Model Context Protocol. Hiermee bereikt een agent dingen buiten zichzelf: je bestanden, een API, een database, andere software. Zonder MCP kan het model alleen praten. MCP maakt van praten doen, en het is de standaardmanier geworden om agents aan tools te koppelen.
Skills. Herbruikbare instructies, stap voor stap, die de agent kan inzetten. In plaats van je proces in elke prompt opnieuw uit te leggen, schrijf je het één keer op en past de agent het consequent toe. Het onderschatte voordeel is samenwerking: een skill deel je met je team, dus de agents van twee collega's gedragen zich hetzelfde.
Harnesses. Het raamwerk rond het model dat de loop beheert: wat er wordt verstuurd, wat er terugkomt, wanneer er gestopt wordt. Meestal bouw je dit niet zelf; je kiest er een zodra je je framework kiest. Weten dat het bestaat verklaart waarom hetzelfde model zich in verschillende tools anders gedraagt.
Sub-agents. Gespecialiseerde assistenten die één deel van een grotere taak afhandelen. Een smalle agent met drie tools is betrouwbaarder dan een algemene met dertig. Werk opsplitsen is dus een strategie voor betrouwbaarheid, niet alleen voor overzicht.
Waar begin je als je een AI-agent wilt maken?
Heb je nog nooit een agent gebouwd: n8n. Je hebt vandaag nog iets draaien, en je leert wat er in productie echt misgaat. Dat is precies de kennis die je meeneemt naar andere tools.
Schrijf je al code en wil je agents in je workflow: Codex. De installatie kost een paar minuten en het levert direct iets op.
Wil je hier je werk van maken: alle drie, in deze volgorde. Wie wordt aangenomen om agentsystemen te bouwen, kan naar een probleem kijken en uitleggen waarom het een klus voor n8n is en niet voor LangGraph. Dat oordeel krijg je alleen door in beide te hebben gebouwd.
Hier zie je hoe het werkt
Isabella liep de volledige vergelijking door en installeerde Codex live in VS Code tijdens onze gratis First Class over het bouwen van AI-agents. De sessie is on demand te bekijken, inclusief de beslisboom voor de keuze van een framework en de installatie van Codex, stap voor stap.
Bekijk de First Class on demand (in het Engels).
Veelgestelde vragen
Is n8n een framework voor AI-agents?
n8n is een low-code automatiseringsplatform waarmee je ook agents kunt bouwen. Voor geplande workflows op basis van vaste regels is het vaak een betere keuze dan een framework waarin je code schrijft.
Heb ik Python nodig voor LangGraph?
Python is de meest gebruikte keuze, maar er is ook een officiële versie voor JavaScript/TypeScript. Hoe dan ook is het de meest technische van de drie: je moet je prettig voelen bij code en bij logica op basis van states.
Wat is MCP in gewone taal?
De standaardmanier om een AI-agent te koppelen aan externe tools en data, zodat hij kan handelen in plaats van alleen te antwoorden.
Kan ik er meer dan één gebruiken?
Ja, en dat gebeurt vaak. Codex om de onderdelen te bouwen, n8n om de geplande workflow eromheen te draaien.
