Agents de construction

Aperçu

Build robust AI agents. Integrate tools via function calling, generate structured outputs with Pydantic, manage agent state, and utilize short-term and long-term memory.

Create data-driven agents that interact with external APIs, search the web, query SQL databases, and perform agentic RAG for dynamic retrieval. Learn to evaluate agent performance for reliable, real-world applications.

Programme

• Introduction à la construction d'agents
Faites connaissance avec vos instructeurs de cours, configurez les ressources d'OpenAI et obtenez un aperçu du cours.
• Extension des agents avec des outils
Étendez les agents IA au-delà du texte avec des intégrations d'outils, permettant des actions en temps réel fiables et un accès aux données.
• Construction d'agents avec des outils en Python
Développez des agents IA en Python en utilisant des outils avec le SDK OpenAI. Interagissez via des modèles de langage, construisez des outils améliorant la fonctionnalité et testez via des exercices enrichis par des outils.
• Sorties structurées
Découvrez les sorties structurées dans l'IA : transformez les réponses en JSON exploitable pour l'intégration. Utilisez des schémas, des analyseurs et des appels de fonctions pour améliorer la fiabilité et l'automatisation des flux de travail.
• Implémentation des sorties structurées avec Pydantic
Maîtrisez les sorties structurées avec Pydantic et le SDK OpenAI pour les LLMs. Apprenez l'analyse, la validation de type et créez des réponses d'agents IA validées au format JSON.
• Gestion de l'état des agents
Explorez la gestion de l'état des agents avec des machines à états. Apprenez comment les agents suivent les entrées utilisateurs, les instructions et l'utilisation d'outils pour des flux de travail complexes, garantissant adaptabilité et fiabilité.
• Implémentation de l'état des agents avec Python
Maîtrisez les machines à états Python : configurez l'environnement, définissez des schémas, gérez les transitions et exécutez les flux de travail. Explorez le routage avancé et les boucles pour des flux de travail dynamiques.
• Mémoire à court terme des agents
Explorez la mémoire à court terme dans les agents IA, améliorant la cohérence via des stratégies d'état, éphémères et de mémoire temporaire pour une rétention contextuelle efficace lors des sessions actives.
• Ajout de mémoire d'agent avec Python
Apprenez à implémenter la mémoire à court terme en Python pour des interactions IA cohérentes via un ChatBot avec des personnages, permettant la continuité des sessions et des réponses dynamiques.
• Outils et API externes
Explorez l'utilisation d'API externes pour obtenir des données en temps réel, des actions dynamiques et l'authentification des agents. Découvrez le MCP, un protocole standardisant l'interopérabilité et la sécurité des outils IA.
• Intégration des outils et API externes avec OpenAI et Python
Explorez l'utilisation d'OpenAI et de Python pour intégrer des API externes, faire des requêtes GET/POST/PUT, gérer des clés API et créer des agents pour des interactions de données en temps réel.
• Agents de recherche sur le web
Équipez les agents pour rechercher des informations non structurées en temps réel sur le web. Basez les réponses sur des preuves en utilisant les API, gérez le bruit et évitez les hallucinations pour des réponses crédibles.
• Création d'agents de recherche sur le web avec Python
Construisez un agent de recherche sur le web utilisant Python, Tavily API, pour intégrer des données web en temps réel, analyser les résultats et améliorer l'efficacité des modèles de langage.
• Interaction avec les bases de données
Équipez les agents pour accéder et modifier des données structurées en utilisant SQL pour l'interaction et des bases de données vectorielles pour les tâches sémantiques, assurant une intégration transparente avec les systèmes privés.
• Construction d'agents de base de données en Python
Convertissez le langage naturel en SQL en utilisant SQLAlchemy, SQLite et un agent text2SQL pour interagir efficacement avec les bases de données à travers des exemples réels et des applications pratiques.
• Agentic Retrieval Augmented Generation
Découvrez l'Agentic RAG : améliorez le RAG en permettant la réflexion, la reformulation des requêtes et l'adaptation intelligente pour des réponses nuancées. Maîtrisez la récupération, le raisonnement et les boucles de réessai.
• Agentic RAG avec Python et ChromaDB
Explorez l'agentic RAG en Python utilisant ChromaDB, intégrant l'IA avec la génération augmentée par récupération pour une récupération et un traitement de documents intelligents avec les embeddings OpenAI.
• Mémoire à long terme des agents
Explorez la mémoire à long terme des agents : comprenez les mémoires sémantique, épisodique et procédurale. Apprenez les stratégies de stockage et les meilleures pratiques pour des interactions personnalisées et cohérentes.
• Maintien de la mémoire à long terme des agents en Python
Implémentez la mémoire à long terme dans les agents Python utilisant des bases de données vectorielles pour une interaction utilisateur améliorée, la persistance des sessions et des réponses personnalisées.
• Évaluation des agents
L'évaluation des agents guide l'évaluation de l'accomplissement des tâches d'un agent, de la qualité, de l'utilisation des outils et des métriques système en utilisant des stratégies de réponse, d'étape ou de trajectoire pour assurer des opérations fiables et efficaces.
• Évaluer les agents avec Python
Évaluez les agents basés sur Python en configurant des environnements, créant des outils, concevant des cas de test et en utilisant diverses méthodes d'évaluation pour améliorer la performance et la conception.
• Conclusion du cours
Félicitations pour avoir terminé le cours !
• UdaPlay - Un agent de recherche IA pour l'industrie du jeu vidéo
Dans ce projet, les étudiants construiront un agent de recherche IA avec état conçu pour explorer l'industrie du jeu vidéo.

---

Enseigné par

Henrique Santana

---

Matières

Computer Science