Si vous évoluez dans le développement logiciel, l'IA et les grands modèles de langage (LLM), vous utilisez probablement des agents IA régulièrement. Cet article vous montre comment construire le vôtre. Avant de commencer, il est utile de définir le terme. Les réponses sont nombreuses, mais la plupart s'accordent à dire qu'un agent IA est un système logiciel qui utilise un LLM appelant un ou plusieurs outils dans une boucle pour atteindre un objectif. Cet objectif peut aller de la réponse à une question simple au contrôle de votre navigateur pour réserver un billet d'avion, ou au développement de logiciels très complexes.
Dans les systèmes agentiques, la boucle décrit le cycle entre le modèle, l'application et ses outils. Elle ne nécessite pas d'instruction while ou for littérale. L'exemple présenté ici ne parcourt ce cycle qu'une seule fois : le modèle demande un outil, Python l'exécute, et le modèle utilise le résultat pour répondre. L'agent ne fera rien de complexe, par conception, afin de garder les choses simples au départ.
L'exemple est un assistant de support pour une boutique en ligne fictive. Les données de commande sont stockées dans une base SQLite, un modèle de langage ne peut donc pas répondre seul aux questions sur les commandes. Le modèle demande plutôt une fonction Python appelée get_order_total, qui interroge la base et renvoie la valeur réelle. Pour la commande 1001 de Sarah Jones, le total exact est GBP 96.95.
Le modèle peut demander une opération, mais c'est Python qui décide si elle est autorisée et qui l'exécute. Le modèle fonctionne localement via Ollama, sans compte cloud ni clé d'API. Le programme affiche la fonction demandée, ses arguments et le résultat de la base, rendant l'échange visible au lieu de le cacher dans un framework d'agents.
Source: Towards Data Science · Résumé par HeadlinesBriefing