Ce que vous devez savoir avant
Vous commencez

Débute 5 July 2026 09:06

Se termine 5 July 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Google : Optimiser le Comportement des Agents

Intégrez les applications IA/LLM avec les APIs, bases de données et systèmes de fichiers plus facilement que jamais grâce au protocole de contexte de modèle (MCP).
via DataCamp

160 Cours


3 hours

Amélioration optionnelle disponible

Intermédiaire

Progressez à votre rythme

Free Trial Available

Amélioration optionnelle disponible

Aperçu

Turn a basic AI agent into a sophisticated assistant using advanced instructions, model selection, planning capabilities, and structured output. You’ve built your first agent—now it’s time to take it further.

In this course, you’ll advance your skills by learning how to turn a basic AI agent into a sophisticated, precise assistant—applying advanced instructions, model selection, planning capabilities, and structured output patterns. Join the community forum for questions and discussions

Programme

  • Rédaction avancée d'instructions
  • Ce module transforme des instructions basiques en systèmes de conseils pour agents professionnels. Vous apprendrez des modèles structurés pour définir le persona des agents, leur rôle, leurs limites et leur style de communication, transformant ainsi de simples consignes en cadres comportementaux sophistiqués basés sur les meilleures pratiques ADK.
  • Sortie structurée
  • Ce module transforme des réponses textuelles imprévisibles en sorties JSON structurées et fiables que les systèmes peuvent analyser et utiliser. Vous apprendrez à utiliser les schémas Pydantic pour imposer un format de sortie, rendant vos agents prêts pour la production et l'intégration avec des applications, bases de données et flux de travail.
  • Choix et configuration des modèles
  • Ce module vous permet de choisir stratégiquement les modèles et de configurer les paramètres de génération pour une performance optimale. Vous apprendrez quand utiliser les modèles Flash par rapport aux modèles Pro, comment définir des seuils de sécurité, et comment affiner la température et les limites de jetons—transformant des agents basiques en systèmes optimisés pour la production.
  • Planification pour des tâches complexes
  • Ce module ajoute un raisonnement à plusieurs étapes à vos agents, les transformant de simples répondeurs réactifs en solveurs de problèmes réfléchis. Vous apprendrez à activer les capacités de réflexion intégrées de Gemini en utilisant BuiltInPlanner, permettant aux agents de planifier leur approche avant d'exécuter—essentiel pour des tâches complexes à plusieurs étapes.
  • Liste de lecture
  • Liste de lecture

Enseigné par

Google Cloud


Matières

Artificial Intelligence