Construire un agent IA de A à Z

Un agent IA, ce n'est pas de la magie : c'est une boucle de quelques dizaines de lignes autour d'un LLM qui a le droit d'appeler des fonctions. Cette formation vous fait écrire cette boucle vous-même, en Python pur, avant de passer aux outils du marché (MCP, Google ADK) et à la production (multi-agents, garde-fous, Cloud Run).

Fil rouge : un assistant de commandes pour une boutique, qui consulte le catalogue, vérifie le stock, crée la commande et passe la main à un humain quand il le faut. C'est exactement le métier d'un agent comme Watpilot, qui prend des commandes et des rendez-vous sur WhatsApp avec Gemini et escalade vers un conseiller.

Pour qui ?

• Développeurs Python à l'aise avec les fonctions, les dictionnaires, JSON et pip.
• Vous avez déjà appelé un LLM par API (ou suivi Fondamentaux de l'IA générative).
• Pas besoin d'expérience préalable avec les agents ni avec Google Cloud.

Objectifs mesurables

À la fin de la formation, vous serez capable de :

1. expliquer en 3 phrases la différence entre chatbot, workflow et agent, et refuser un agent quand un workflow suffit ;
2. écrire de mémoire un agent de moins de 100 lignes, sans framework, qui appelle des outils décrits en JSON Schema ;
3. rendre la boucle robuste : erreurs d'outils renvoyées au modèle, limite d'itérations, sortie de secours vers un humain ;
4. ajouter une mémoire (historique tronqué, résumé, faits long terme) et brancher un serveur MCP ;
5. réécrire le même agent avec Google ADK, le découper en orchestrateur + spécialistes et le déployer sur Cloud Run ;
6. livrer un assistant de commandes à 3 outils + escalade humaine, évalué avec une grille.

Prérequis techniques

• Python 3.10 ou plus récent.
• Une clé d'API pour un LLM qui sait appeler des outils (par exemple une clé Gemini créée dans Google AI Studio), exportée dans LLM_API_KEY.
• Pour le module 4 : un projet Google Cloud avec facturation (facultatif, la lecture suffit pour le reste).

Programme

Module	Contenu	Durée indicative
1. Comprendre les agents	Boucle perception → raisonnement → action, function calling, chatbot vs workflow vs agent, quand dire non	1h
2. Coder la boucle soi-même	call_llm, schémas d'outils, boucle complète, erreurs, limite d'itérations	2h
3. Mémoire, état et MCP	Historique, résumé, mémoire long terme, Model Context Protocol, le même agent avec Google ADK	1h30
4. Multi-agents et production	Orchestrateur et spécialistes, A2A, garde-fous, observabilité, coûts, Cloud Run	1h30
5. Projet final	Assistant de commandes : catalogue, stock, création de commande, passage à un humain	1h

Chaque leçon contient des schémas, des quiz corrigés, un exercice avec solution et une checklist « Je sais faire » que vous pouvez cocher.

Ce que vous saurez faire

• Lire le code de n'importe quel framework d'agents et y reconnaître la même boucle.
• Décrire un outil pour qu'un LLM l'utilise correctement (nom, description, paramètres).
• Diagnostiquer un agent qui tourne en rond, invente un prix ou coûte trop cher.
• Mettre un agent derrière une URL, avec des traces et un budget.