GH-600 studiegids: zo bereid je je voor op GitHubs Agentic AI Developer-examen

Microsofts doelgroepprofiel voor dit examen beschrijft iemand met vakinhoudelijke expertise in het bedienen, integreren, superviseren en besturen van AI-agents binnen SDLC-workflows op productieniveau, met GitHub als system of record en controlelaag. Volgens de studiegids horen daar de volgende verantwoordelijkheden bij: agentworkflows binnen de SDLC bedienen, autonoom gedrag superviseren met GitHubs eigen controles, agentuitvoer evalueren en tunen aan de hand van scans en artefacten, custom agents configureren en de uitvoering van meerdere agents veilig coördineren. Deze mensen werken samen met architecten, platform engineers, DevOps-engineers, applicatieontwikkelaars, productmanagers en security engineers.

Qua ervaring verwacht de studiegids vertrouwdheid met de software development lifecycle, GitHub-workflows en -controles, codekwaliteit, beveiliging en reviewpraktijken, plus praktische ervaring met coding agents, waaronder GitHub Copilot, MCP-servers en het aanpassen van agents, zoals custom instructions, custom agents, tools en Copilot setup steps. Over de praktische kant: het examen wordt gesurveilleerd, via Pearson VUE ingepland, duurt twee uur, kost US$165 (de prijs verschilt per land of regio), wordt in het Engels aangeboden en vereist een geschaalde score van 700 of hoger. Na een mislukte poging kun je 24 uur later opnieuw proberen. Microsofts eigen pagina's publiceren geen aantal vragen en geen slagingspercentage, dus deze gids verzint er ook geen.

Elk feit op deze pagina is gecontroleerd aan de hand van twee pagina's die tijdens het schrijven rechtstreeks zijn opgehaald: Microsoft Learns "Study guide for Exam GH-600: Developing in Agentic AI Systems" en de pagina "GitHub Certified: Agentic AI Developer", beide op learn.microsoft.com, gelezen op 26 oktober 2026. Als een van beide pagina's een weging, een prijs of een domein wijzigt, moet deze pagina ook wijzigen. Niets hier is afkomstig van een oefenexamensite van derden of een forumbericht.

Dit domein gaat over waar een agent in je ontwikkelproces past, niet alleen over de vraag of hij werkt. Microsofts studiegids verdeelt het in drie onderdelen: agents inpassen in de SDLC (bepalen welke stappen een agent moet uitvoeren, veelvoorkomende anti-patronen herkennen en vooraf invoer, uitvoer en succescriteria vastleggen); plannen scheiden van uitvoeren (een agent een gestructureerd plan laten opstellen, dat plan valideren en voorkomen dat de agent handelt voordat het plan is gecontroleerd en goedgekeurd); en observability en controle inrichten (de juiste mate van autonomie instellen, inspecteerbare artefacten maken in je gewone tooling en menselijke ingrepen inbouwen zonder de oplevering tot stilstand te brengen).

De oefening van deze week: kies één echte taak die je aan een coding agent zou geven. Laat de agent eerst het plan opschrijven, als gewone tekst, voordat hij iets aanraakt: welke bestanden hij gaat wijzigen, in welke volgorde en hoe "klaar" eruitziet. Lees dat plan en keur het goed of af voordat er ook maar één wijziging plaatsvindt. Dat is precies de grens die dit domein toetst: een plan dat de agent maakt, en een mens (of een regel) die het controleert voordat de uitvoering begint.

Dit domein gaat over wat een agent onthoudt en hoe lang. Het omvat kiezen tussen kortetermijn-, langetermijn- en extern geheugen en het geheugen beperken tot wat voor de taak relevant is, met regels voor wanneer geheugen verloopt, wordt opgeschoond of wordt gereset; status bewaren en contextverloop beheersen, dat wil zeggen voortgang en beslissingen vastleggen als duurzame artefacten, zodat een agent het werk kan hervatten zonder stappen te herhalen of eerdere beslissingen tegen te spreken, en verloop tijdens een lange run opmerken; en geheugen en status consistent houden tussen tools en omgevingen, zodat agents status delen zonder conflicten of verouderde context.

De oefening van deze week: maak, voordat je met een agent aan een taak met meerdere stappen begint, een kort statusbestand (gewone tekst is prima) waarin het doel, de tot nu toe genomen beslissingen en de resterende stappen staan. Werk het na elke stap bij, in plaats van te vertrouwen op het eigen geheugen van de agent van het gesprek. Sluit de sessie, open haar dagen later opnieuw en kijk of dat bestand alleen genoeg is om precies verder te gaan waar je gebleven was.

Dit domein gaat over meer dan één agent tegelijk laten werken zonder dat ze elkaar dwarszitten. Microsofts studiegids verdeelt het in het uitvoeren van multi-agentworkflows (een orkestratiepatroon toepassen, agents isoleren voor parallelle uitvoering en conflicten zoals overlappende codewijzigingen of tegenstrijdige uitvoer opsporen en oplossen); observability over agents heen inrichten (artefacten maken die geschikt zijn voor review en audit en overdrachten en beslissingen documenteren); fouten in multi-agentomgevingen herkennen en erop reageren (vastgelopen of verslechterde uitvoering opmerken en herstelpatronen toepassen, waaronder rollback en human-in-the-loop); en de levenscyclus van agents binnen een workflow beheren zonder die te verstoren.

De oefening van deze week: geef twee coding agents dezelfde repository, elk in een eigen branch, elk met een overlappende wijziging (hetzelfde bestand, verschillende aanpassingen). Laat beide afronden, los het mergeconflict zelf op en schrijf in één zin op welke overlap je de volgende keer zou voorkomen, door een van de agents een ander bestand te geven of door de twee taken na elkaar uit te voeren in plaats van parallel.