TL;DR
- Wat: Cursor introduceerde
/orchestrate, een functie waarmee AI-agents zelfstandig sub-agents kunnen inschakelen om complexe taken op te delen en uit te voeren. - Waarom relevant: het laat zien dat AI-tools steeds meer werk zelfstandig kunnen coördineren — inclusief software-ontwikkeling, wat direct invloed heeft op hoe (en hoe snel) digitale oplossingen voor je bedrijf gebouwd worden.
- Wat je ermee kunt: als je werkt met een ontwikkelaar of IT-partner, vraag dan of zij al met agent-gebaseerde ontwikkeltools werken en wat dat betekent voor doorlooptijd en kosten.
Ik stuitte op een bericht van Cursor — de AI-code-editor die de laatste jaren flink aan populariteit wint — waarin ze een nieuwe functie genaamd /orchestrate aankondigden. Wat me opviel: het gaat niet om nóg een AI-chatbot die code schrijft, maar om een systeem waarbij AI-agents zelf bepalen welke sub-agents ze nodig hebben. Dat vond ik het uitzoeken waard.
Wat doet /orchestrate precies?
Cursor is een zogeheten AI-native code-editor: een programma waarmee softwareontwikkelaars code schrijven, waarbij AI continu meekijkt, suggesties doet en zelfs hele stukken code kan genereren. Denk aan een tekstverwerker, maar dan voor programmeercode, met een slimme assistent ingebouwd.
De nieuwe /orchestrate-functie voegt daar een laag aan toe. In plaats van dat een ontwikkelaar één AI-agent een taak geeft, kan die agent nu zelfstandig meerdere sub-agents aansturen. Cursor noemt dit "recursief" — wat betekent dat een agent een sub-agent kan starten, die op zijn beurt weer een eigen sub-agent kan starten, enzovoort. Vergelijk het met een projectleider die teamleden aanstuurt, waarbij elk teamlid weer een eigen specialist kan inschakelen zonder dat de projectleider elke stap hoeft goed te keuren.
Dit draait op de Cursor SDK — een bouwkit waarmee ontwikkelaars agents programmatisch kunnen aansturen. Die SDK ondersteunt drie manieren van draaien: lokaal op je eigen computer, in de cloud op een eigen virtuele machine, of op eigen servers. Agents pikken automatisch zogeheten "skills" op uit een projectmap: herbruikbare instructies die bepalen hoe een agent een specifiek type taak aanpakt.
De claims: 20% minder tokengebruik, 80% snellere opstarttijd
In het bericht noemt Cursor twee concrete resultaten van intern gebruik:
- 20% minder tokengebruik bij het automatisch verbeteren van interne skills, terwijl de kwaliteit (gemeten via evaluaties) juist omhoogging.
- 80% kortere cold start-tijden op hun interne backend.
Even voor de context: "tokens" zijn de eenheden waarmee AI-modellen tekst verwerken. Minder tokens betekent lagere kosten en snellere verwerking. "Cold start" is de tijd die een systeem nodig heeft om op te starten wanneer het even niet actief was — een bekend knelpunt bij clouddiensten.
Ik moet hier wel bij zeggen: deze cijfers komen van Cursor zelf en zijn gebaseerd op intern gebruik. Ik heb geen onafhankelijke bevestiging van deze specifieke percentages kunnen vinden. Wat ik wél zie is dat het concept van tokenreductie door slimmere contextverwerking breder wordt onderzocht. Zo rapporteert een analyse van Cursor's "dynamic context"-functie een tokenreductie van bijna 47% in bepaalde scenario's. De richting klopt dus, maar neem de precieze cijfers met een korrel zout totdat er onafhankelijke metingen zijn.
Waarom dit verder gaat dan een ontwikkelaarstool
Je zou kunnen denken: dit is iets voor techneuten, niet voor mij als ondernemer. Ik snap die reactie. Maar wat mij hier opvalt, is het grotere patroon.
Cursor lanceerde in april 2026 versie 3 van hun editor, en het centrale idee daarin is veelzeggend: ontwikkelaars besteden steeds meer tijd aan het aansturen van AI-agents dan aan het zelf schrijven van code. De tooling verschuift dus van "slim hulpmiddel" naar "orkestratieplatform".
Wat betekent dat concreet?
Stel dat je als ondernemer een webapplicatie laat bouwen — een klantenportaal, een offertetool, een dashboardje voor je team. Traditioneel zit daar een ontwikkelaar achter die regel voor regel code schrijft. Met tools als Cursor werkt die ontwikkelaar al langer samen met AI. Maar met /orchestrate kan één taak worden opgesplitst in deeltaken die parallel door meerdere agents worden afgehandeld.
In de praktijk kan dat betekenen: kortere ontwikkeltijd, lagere kosten per feature, en snellere iteraties. Teams gebruiken de Cursor SDK nu al om agents rechtstreeks vanuit hun CI/CD-pipeline te laten draaien — dat zijn de geautomatiseerde processen waarmee software wordt getest en uitgerold. Agents kunnen dan automatisch wijzigingen samenvatten, oorzaken van fouten opsporen en zelfs fixes voorstellen.
De bredere trend in Nederland
Wat ik ook interessant vind: de markt voor AI-agents bij het Nederlandse MKB groeit zichtbaar. Er zijn steeds meer partijen die AI-agents aanbieden voor klantenservice, administratie, HR en financiën. Volgens een overzicht liggen de instapkosten rond de €2.000, met een gemiddelde terugverdientijd van drie tot vier maanden. Dat zijn geen astronomische bedragen.
De /orchestrate-aankondiging past in die trend. Het gaat er niet om dat jij als ondernemer zelf met Cursor gaat werken. Het gaat erom dat de tools waarmee jouw digitale oplossingen worden gebouwd, fundamenteel veranderen. En dat heeft uiteindelijk effect op wat je kunt laten bouwen, hoe snel, en tegen welke kosten.
Kanttekeningen en kritiek
Er zijn ook punten om in de gaten te houden. Multi-agent-systemen klinken krachtig, maar brengen complexiteit met zich mee. Als een agent een sub-agent aanstuurt die weer een sub-agent aanstuurt, wordt het lastiger om te begrijpen wat er precies gebeurt. Debugging — het opsporen van fouten — wordt ingewikkelder. En wie is verantwoordelijk als een keten van agents een verkeerde beslissing neemt?
Ook het kostenplaatje verdient aandacht. Cursor werkt met een token-gebaseerd prijsmodel. Meer agents betekent potentieel meer tokenverbruik, tenzij de efficiencywinst (zoals de geclaimde 20%) dat compenseert. Voor een MKB-ondernemer die via een IT-partner met dit soort tools werkt, is het verstandig om te vragen naar transparantie in verbruik en kosten.
Een verschuiving die langzaam zichtbaar wordt
Wat mij betreft is dit vooral een signaal van een bredere verschuiving. We gaan van AI als assistent — die antwoord geeft op een vraag — naar AI als coördinator, die zelf werk verdeelt en aanstuurt. Dat is een wezenlijk ander model. En hoewel we er nog niet zijn — de technologie is jong en de bewijslast nog beperkt — vind ik het eerlijk gezegd fascinerend om te zien hoe snel dit gaat. Een jaar geleden was "een AI-agent die andere agents aanstuurt" nog een academisch concept. Nu is het een feature-aankondiging van een tool die honderdduizenden ontwikkelaars gebruiken.
Voor mij is de les niet dat je morgen je hele IT-strategie moet omgooien. Maar als je de komende maanden met een ontwikkelaar of IT-partner praat over een nieuw project, is het de moeite waard om te vragen: werken jullie al met agent-gebaseerde tools? En zo ja, wat betekent dat voor wat er mogelijk is?