BESSER Bot Framework

In deze beoordeling van het BESSER Bot Framework wordt besproken waarvoor het framework wordt gebruikt, wat de belangrijkste functies zijn, wat het kost, welke gevolgen de naamswijziging naar BESSER Agentic Framework voor u heeft, waarin het uitblinkt en waar het tekortschiet, en hoe het zich verhoudt tot andere tools. Het BESSER Bot Framework (BBF) maakt deel uit van BESSER (Building Better Smart Software Faster), een open-source low-code-project van het Luxembourg Institute of Science and Technology (LIST), dat tot doel heeft teams te helpen sneller betere slimme software te bouwen. In februari 2025 werd het project omgedoopt tot het BESSER Agentic Framework (BAF) om de verschuiving van op regels gebaseerde bots naar AI-agenten weer te geven (aankondiging van LIST). Het oude besser-bot-framework pakket op PyPI stopt bij versie 1.5.0; nieuw werk wordt geleverd als besser-agentic-framework, versie 4.5.2 op het moment van schrijven. Je schrijft een agent in gewone Python-code: toestanden, overgangen daartussen en de intenties die die overgangen activeren.

Waarvoor wordt het BESSER Bot Framework gebruikt?

Het framework wordt gebruikt om chatbots en AI-agenten te bouwen die een duidelijke gespreksstroom volgen, maar toch vrije tekst kunnen begrijpen. Typische voorbeelden zijn bots voor klantenondersteuning en veelgestelde vragen (FAQ), assistenten die vragen beantwoorden op basis van je eigen documenten met RAG, bots die reageren op gebeurtenissen in een GitHub- of GitLab-repository, Telegram-bots en multi-agent-systemen waarbij één agent met de gebruiker praat en andere agents code genereren of beoordelen. Onderzoekers gebruiken het om te experimenteren met het ontwerp van agents, en teams gebruiken het wanneer ze een agent willen die ze op hun eigen servers kunnen draaien in plaats van op een gehost chatbotplatform.

Omdat een agent een eindige-toestandsmachine is, kun je elke stap van een gesprek zien en testen, wat geschikt is voor deterministische workflows zoals ondersteuningsstromen of formulierachtige dialogen. LLM’s nemen de onderdelen voor hun rekening waar regels niet volstaan: het classificeren van intenties, het extraheren van gegevens uit gebruikersinvoer of het schrijven van een antwoord. Het resultaat is een hybride systeem dat gestructureerde logica combineert met generatieve mogelijkheden. Omdat het puur Python is, is het ook eenvoudig om data science-bibliotheken, databases en API’s in een agent te integreren.

Belangrijkste kenmerken

• Toestandsmachines: een agent bestaat uit een reeks toestanden, elk met een body (Python-code die bij het binnenkomen wordt uitgevoerd) en overgangen die worden geactiveerd door intenties, gebeurtenissen of voorwaarden.
• Intenties en entiteiten: definieer intenties met voorbeeldzinnen en haal entiteiten uit gebruikersinvoer met named entity recognition. De eenvoudige intentie-classificator heeft een PyTorch-implementatie en een TensorFlow-implementatie, en er is een op LLM gebaseerde classificator beschikbaar.
• LLM’s: koppel modellen van OpenAI, HuggingFace, Replicate, Groq, Mistral en andere, en combineer LLM-antwoorden met op regels gebaseerde logica.
• RAG: beantwoord vragen op basis van uw eigen documenten met Retrieval Augmented Generation.
• Platforms: een WebSocket-platform met een Streamlit-gebruikersinterface of chatwidget, plus Telegram, GitHub, GitLab en een A2A-platform voor communicatie tussen agents.
• Spraak: spraak-naar-tekst en tekst-naar-spraak voor spraakagenten.
• Multi-agent-systemen: sinds versie 2.0 kunnen agents met elkaar communiceren en een taak onderling verdelen.
• Monitoring: een database en dashboard die sessies en interacties van agenten bijhouden, zodat u de details van eerdere gesprekken kunt bekijken.
• Talen: agents kunnen in verschillende talen draaien; voor de agent die is ingesteld op Luxemburgs is de spellux-bibliotheek nodig, die u handmatig moet installeren.

Prijzen van het BESSER Bot Framework

Het framework is gratis. Het is open source onder de MIT-licentie, dus je kunt het gebruiken in commerciële projecten, de broncode wijzigen en het zelf hosten zonder licentiekosten (GitHub-repository). Er is geen betaald abonnement, geen gehoste versie en geen gebruikslimiet vanuit het project zelf.

De kosten die je moet controleren, hebben betrekking op alles eromheen. LLM-aanbieders zoals OpenAI brengen kosten per token in rekening, het hosten van de agent en de bijbehorende WebSocket-server is voor eigen rekening, en optionele afhankelijkheden zoals PyTorch of TensorFlow vereisen een server met voldoende geheugen. Ondersteuning wordt geboden via de GitHub-issues en de documentatie, niet via een contract met een leverancier.

Installatie en voorbeeldagenten

Het framework vereist Python 3.10 of hoger. Maak een virtuele omgeving aan en installeer vervolgens het basispakket met pip:

pip install besser-agentic-framework

Met dit commando installeer je het basispakket met alleen de belangrijkste afhankelijkheden. Gebruik de volgende tags om de benodigde afhankelijkheden voor extra agentfuncties toe te voegen: extras (RAG, spraak-naar-tekst, plotly, opencv), llms (de extra afhankelijkheden om LLM’s te draaien: OpenAI, Replicate, transformers), torch om PyTorch te installeren voor de eenvoudige intent-classificator en HuggingFace-modellen, tensorflow (een zeer zwaar pakket, installeer het dus alleen indien nodig), docs om de projectdocumentatie te compileren, en all om alle afhankelijkheden in één keer te installeren. Als je de repository hebt gekloond, installeer dan in plaats daarvan vanuit de requirements-bestanden. De documentatie bevat details over elke optie en een werkend voorbeeld voor elk concept. De repository bevat voorbeeldagenten om mee te beginnen: een zeer eenvoudige agent voor het eerste contact (begroetingen), een weeragent met entiteiten, een LLM-agent, een RAG-agent, Telegram-, GitHub- en GitLab-agenten, en een A2A-multi-agentvoorbeeld. Meer voorbeelden zijn te vinden in de BAF-agent-examples-repository.

Een praktische volgorde: maak de virtuele omgeving aan, voer het installatiecommando voor het basispakket uit en begin met de zeer eenvoudige agent voordat je zware pakketten toevoegt. Voeg de tag ‘torch’ of ‘tensorflow’ pas toe als je de eenvoudige intentieclassificator op je eigen server nodig hebt; de PyTorch- en TensorFlow-implementaties ervan vereisen dezelfde afhankelijkheden als HuggingFace-modellen, en het project zelf noemt TensorFlow een zeer zwaar pakket. Als de taal van de agent Luxemburgs is, installeer dan ook handmatig ‘spellux’. Door de kernafhankelijkheden beperkt te houden, is het systeem gemakkelijker in een container te implementeren en te integreren met een bestaande Python-backend.

Van het BESSER Bot Framework naar het open-source BESSER Agentic Framework

Het BESSER Bot Framework en het BESSER Agentic Framework zijn hetzelfde project. De naamswijziging vond plaats bij versie 2.0, waarin ondersteuning voor meerdere agenten werd toegevoegd, en de documentatie, repository en het pakket gebruiken nu de nieuwe naam (documentatie). Oude links naar de documentatie van het BESSER Bot Framework werken niet meer, en de oude GitHub-repository verwijst door naar de nieuwe. Projecten op BBF 1.x blijven werken met het oude pakket, maar nieuwe functies worden alleen in BAF geïmplementeerd; start nieuwe projecten daarom met het nieuwe pakket. Het framework houdt ook verband met het bredere BESSER low-code-platform, dat is gebaseerd op de B-UML-modellerings taal. Het onderzoeksteam presenteert de toestandsmachines van het framework als een proeftuin voor de manier waarop B-UML slimme software zal modelleren, en BESSER draait als een vijfjarig project dat wordt gefinancierd door het Luxemburgse Nationale Onderzoeksfonds (arXiv-paper).

Waar het BESSER Bot Framework uitblinkt — en waar het tekortschiet

Sterke punten:

• Gratis en open source onder de MIT-licentie, zonder vendor lock-in.
• Duidelijk statusmachinemodel dat gesprekken testbaar maakt.
• Combineert op regels gebaseerde workflows met LLM's, RAG, spraakherkenning en meertalige NLP in één framework.
• Actieve ontwikkeling door een onderzoeksinstituut, met regelmatige releases.

Nadelen:

• Alleen code: er is geen visuele builder of drag-and-drop-interface voor niet-ontwikkelaars.
• Staatmachines maken het moeilijker om vrijlopende, open gesprekken te ontwerpen.
• Een kleine community in vergelijking met de grote agent-frameworks.
• Zware optionele afhankelijkheden voor lokale modellen.
• Documentatie en voorbeelden gaan ervan uit dat je Python kent.

Hoe het BESSER Bot Framework zich verhoudt

• BESSER: het low-code modelleringsplatform waartoe het framework behoort.
• Voiceflow: een gehoste visuele builder voor chat- en spraakagenten, bedoeld voor productteams.
• Landbot: no-code-chatbots voor websites en WhatsApp, met een maandelijks abonnement.
• Chatfuel: no-code bots voor Facebook Messenger, Instagram en WhatsApp.
• n8n: workflowautomatisering met AI-agentknooppunten, zelf te hosten net als BAF.
• AI Builder: de AI-modellen van Microsoft voor Power Apps en Power Automate.

Een alternatieve website van een derde partij (NoCodes.ai) beschrijft het framework als een no-code chatbotbouwer en waarschuwt voor beperkingen bij on-premise gebruik; de eigen documentatie van het project toont een Python-bibliotheek die je zelf installeert en host, dus geen van beide beweringen klopt.

Is het BESSER Bot Framework de moeite waard?

Het BESSER Bot Framework, nu het BESSER Agentic Framework, is de moeite waard voor Python-ontwikkelaars die op zoek zijn naar een gratis, zelf te hosten framework voor chatbots en AI-agenten met een duidelijke structuur, en voor teams die vaste gespreksstromen moeten combineren met LLM’s. Het is zeer geschikt voor onderzoek, interne assistenten en ontwikkelaarstools op GitHub of GitLab. Het is niet de juiste keuze voor niet-ontwikkelaars die een visuele builder nodig hebben, of voor teams die een gehost platform willen met ondersteuning en kant-en-klare integraties; Voiceflow of Landbot zijn voor hen geschikter. Als je hulp nodig hebt bij het ontwerpen of bouwen van agents hiermee, kunnen de bureaus en ontwikkelaars op LowCodeDevs dit voor je doen.

Bronnen

• BESSER Agentic Framework op GitHub: README, installatie, licentie en voorbeeldagenten.
• Documentatie van het BESSER Agentic Framework: kernconcepten, platforms, ondersteuning voor NLP en LLM.
• Van bots naar agents, LIST: de naamswijziging in februari 2025 en versie 2.0.
• BESSER bouwen: een open-source low-code-platform, arXiv: de rol van het framework in BESSER en FNR PEARL-financiering.
• Alternatieven voor het BESSER Bot Framework, NoCodes.ai: lijst met alternatieven van derden (de beschrijving ervan is in tegenspraak met de documentatie van het project).