📑 Google explique les agents IA

Google a un manuel de 42 pages qui est, en substance, un guide sur l'architecture des applications LLM modernes.

Ce qu'il y a d'intéressant dedans :

1️⃣ Anatomie d'un agent : Une séparation claire entre Modèle, Outils (Tools) et Orchestration. Google montre clairement (avec des diagrammes) en quoi un agent diffère d'un simple appel API au modèle. Spoiler : par la présence d'un cycle perception-action.

2️⃣ Frameworks de raisonnement : Si vous ne comprenez pas la différence entre ReAct, Chain-of-Thought (CoT) et Tree-of-Thoughts, c'est expliqué en détail.

3️⃣ Extensions vs Functions : Une partie utile pour les ingénieurs.
— Extensions : L'agent appelle lui-même l'API (exécution côté agent).
— Functions : L'agent vous dit quels paramètres sont nécessaires, et le code s'exécute côté client (exécution côté client).

4️⃣ RAG et Data Stores : Comment intégrer des bases vectorielles sans se tromper avec le contexte.

Naturellement, tous les exemples sont en Python. Ils montrent l'intégration à la fois avec les outils natifs de Vertex AI et avec LangChain / LangGraph.

🔗 À récupérer ici 🫲🏻

#levele_up