28 recepten, drie secties: wegwijs in het Model API-cookbook
Meta's cookbook belooft recepten die meteen draaien zodra je ze kopieert. Die belofte houdt stand dankzij de opbouw — elke sectie neemt precies aan wat de vorige heeft bewezen.
De ontwerpfilosofie
Elk recept is een op zichzelf staand copy-paste-vertrekpunt dat één capaciteit aantoont en je iets nalaat om op voort te bouwen. De setup is bewust minimaal gehouden: een Model API-account, een key geëxporteerd als MODEL_API_KEY, en de OpenAI SDK gericht op https://api.meta.ai/v1. De API is drop-in compatibel met de OpenAI SDK, de Anthropic SDK en agent-CLI’s zoals OpenCode — de recepten draaien dus tegen tooling die je al hebt. Formaten: Colab-notebooks plus losstaande Python-bestanden.
Sectie één: API-basics (10 recepten)
De bouwstenen, één voor één: je eerste chat completion, streaming, tool calling, structured output, prompt caching, sturing van reasoning-tokens, vision-input, lange context, foutafhandeling met backoff, en search grounding met inline bronvermeldingen. De discipline hier is dat elk recept precies één bouwsteen valideert — gaat er later iets stuk in een complexe agent, dan weet je welke bouwsteen je moet verdenken, omdat je elk onderdeel afzonderlijk hebt zien werken.
Twee ervan worden makkelijk onderschat. Prompt caching is de economie van agentic coden — repositorycontext die elke beurt opnieuw wordt meegestuurd, rekent af tegen het cachetarief, een fractie van verse input (de tierberekening legt uit waarom dat je echte factuur domineert). En structured output — JSON met schemagarantie die in één keer parset — is het verschil tussen een agentpipeline en een berg regex.
Sectie twee: agentpatronen (5 recepten)
Hier wordt een model een agent: de kern-loop van waarnemen-beslissen-handelen, redeneren en toolgebruik verweven binnen één beurt, contextbeheer over lange runs, gevalideerde in-place edits (search-and-replace die zichzelf controleert — hét patroon dat elke serieuze code-agent gebruikt), en een alert-fatigue-copilot die onderbouwde patronen uit een ruizige feed destilleert met strikte JSON-zelfbeoordeling. Vijf recepten, en samen vormen ze een werkende blauwdruk van hoe tools als Muse Code er vanbinnen uitzien.
Sectie drie: use cases (13 recepten)
De sectie waar het loont, en juist de breedte is het punt: grafiekanalyse en screenshot-naar-bugfix aan de waarnemingskant; browser-geverifieerd webdesign en gamedev, waarbij de agent zijn eigen werk in een echte browser controleert; gesandboxte code-uitvoering; een productstudio met vier profielen (PM, backend, frontend, tech writer) die samenwerken via een gedeeld Kanban-bord; een 3D-game in één keer gebouwd vanuit één gestructureerde prompt; een autonome GitHub Actions-bot; en computer use op zowel Linux als macOS. Elk recept is een klein productiepatroon, geen speelgoed.
Waar je begint
Evalueer je de API: fundamentals 01 (quickstart), dan 03 (tool calling), dan agentpatronen 01 — een middagje, en je snapt hoe het platform in elkaar steekt. Ben je Muse Code-gebruiker, ga dan rechtstreeks naar de drie Muse Code-recepten — agent-fan-out, bundled skills, goal tracking — die de kernpatronen van het product omzetten in uitvoerbare code. De volledige index toont alle 28 met links naar de broncode.