La boucle d'un agent et l'appel d'outils

Un LLM seul ne fait rien

Un modèle de langage reçoit du texte et renvoie du texte. Il ne lit pas votre base de données, n'envoie pas d'e-mail, ne connaît pas votre stock du jour. Pour qu'il agisse, il faut trois choses autour de lui :

1. une liste d'outils qu'il a le droit d'utiliser (des fonctions Python, des API) ;
2. un programme qui exécute les outils qu'il demande et lui renvoie le résultat ;
3. une boucle qui recommence tant que le modèle n'a pas fini.

C'est tout. Un agent, c'est cette boucle.

flowchart LR
  P["Perception : message client + résultats d'outils"] --> R["Raisonnement : le LLM décide"]
  R -->|"demande un outil"| A["Action : le code exécute l'outil"]
  A --> P
  R -->|"répond"| F["Réponse finale"]

Le function calling, concrètement

On donne au modèle, avec la conversation, une description de chaque outil au format JSON Schema :

{
  "name": "consulter_stock",
  "description": "Donne la quantité en stock d'une référence produit (ex. P1).",
  "parameters": {
    "type": "object",
    "properties": { "ref": { "type": "string" } },
    "required": ["ref"]
  }
}

Le modèle a été entraîné à répondre, quand c'est utile, non pas par une phrase mais par un appel structuré :

{
  "tool_calls": [
    { "id": "call_1", "function": { "name": "consulter_stock", "arguments": "{\"ref\": \"P1\"}" } }
  ]
}

Votre code lit ce JSON, appelle consulter_stock(ref="P1"), puis renvoie le résultat au modèle dans un message de rôle tool. Le modèle reprend alors son raisonnement avec cette nouvelle information.

sequenceDiagram
  participant U as Client
  participant C as "Votre code"
  participant L as LLM
  participant O as "Outil stock"
  U->>C: "Il vous reste du café ?"
  C->>L: conversation + schémas d'outils
  L-->>C: tool_call consulter_stock(ref=P1)
  C->>O: consulter_stock("P1")
  O-->>C: quantite = 12
  C->>L: message tool avec le résultat
  L-->>C: "Oui, 12 sacs disponibles."
  C-->>U: "Oui, 12 sacs disponibles."

Pourquoi « boucle » et pas « un seul appel » ?

Une seule question peut demander plusieurs actions qui dépendent les unes des autres : on ne peut pas consulter le stock tant qu'on ne connaît pas la référence. Le modèle enchaîne donc les tours. C'est l'idée popularisée par l'article ReAct (raisonner puis agir, observer, recommencer).

Conséquences pratiques, que l'on traitera au module 2 :

• la boucle peut ne jamais s'arrêter (le modèle redemande sans fin le même outil) → limite d'itérations ;
• un outil peut échouer → l'erreur doit revenir au modèle, pas faire planter le programme ;
• chaque tour coûte des tokens → l'historique grossit à chaque tour.

Exercice : tracer la boucle à la main

Un client écrit : « Je voudrais 2 boîtes de thé vert, c'est possible ? ». Les outils disponibles sont chercher_produit(texte) et consulter_stock(ref). Le thé vert a la référence P2 et un stock de 0.

Écrivez la suite des messages (rôle + contenu résumé) échangés entre votre code et le LLM jusqu'à la réponse finale.

Je sais faire

• Décrire les trois étapes perception → raisonnement → action avec un exemple
• Expliquer pourquoi le LLM ne fait que demander une action
• Lire un schéma d'outil JSON et un tool_call renvoyé par le modèle
• Citer trois risques propres à une boucle (boucle infinie, erreur d'outil, coût)