Module 6 — Agents IA avec Gemini et LangGraph
Donnez vie à des agents autonomes et déterministes grâce à LangGraph.js et TypeScript : exploitez le Function Calling de Google Gemini pour déclencher des outils validés avec Zod. Implémentez une mémoire conversationnelle avec persistance d'état et orchestrez des boucles d'action multi-outils fiables.
Différence entre chatbot, workflow et agent IA
Distinguer les modèles d’IA linéaires des systèmes agentiques capables de raisonner, d’agir sur leur environnement et d’itérer vers un objectif.
Architecture interne et composants fondamentaux d'un agent IA
Décortiquer les rouages d’un agent : profil système, mémoire à court et long terme, planification (ReAct) et catalogue d’outils.
Le Function Calling de Gemini avec le SDK officiel @google/genai
Déclarer des outils typés dans Google Gemini, interpréter les intentions d’appels de fonctions et renvoyer les résultats d’exécution.
Définition, validation des arguments avec Zod et registre d'outils
Construire un registre d’outils extensible avec schémas Zod stricts pour interdire toute exécution d’arguments invalides ou malveillants.
Boucle d'exécution d'un agent et sélection dynamique des outils
Implémenter une boucle agentique robuste (Pensée → Action → Observation) avec limitation stricte du nombre de tours (MAX_STEPS).
Gestion de l'état, mémoires court/long terme et persistance relationnelle
Persister l’état de l’agent, ses raisonnements intermédiaires et les retours d’outils dans MySQL pour garantir la reprise après incident.
Connecter un agent aux APIs externes, MySQL et Qdrant (RAG agentique)
Doter l’agent de capacités multi-sources : interrogation SQL autonome, recherche vectorielle dans Qdrant et requêtes HTTP externes.
Limites d'exécution, permissions, sécurité SSRF et Human-in-the-Loop
Sécuriser les outils d’agent contre les attaques SSRF, restreindre les plages IP et exiger une validation humaine sur les opérations destructives.
Architecture multi-agents : Coordination et agents spécialisés
Concevoir des architectures multi-agents collaboratives avec un superviseur central orchestrant des agents spécialisés dans des tâches expertes.
Introduction à LangGraph.js, StateGraph et Annotations
Comprendre les principes fondamentaux de LangGraph.js : graphes d’états cycliques, nœuds, canaux et annotations de réduction d’état.
Transitions conditionnelles, cycles itératifs et contrôle d'exécution
Créer des arêtes conditionnelles routant dynamiquement le flux selon les décisions du modèle, et gérer les boucles de réessai contrôlées.
Persistance, checkpointers (MemorySaver) et gestion des threads
Activer la persistance avec les Checkpointers de LangGraph pour sauvegarder chaque étape d’exécution et reprendre un fil conversationnel.
Interruptions interactives, validation humaine et intégration Gemini
Mettre en œuvre le pattern Human-in-the-Loop avec interrupt() pour stopper le graphe, attendre l’accord utilisateur et reprendre l’exécution.
Projet final — Assistant IA professionnel multi-outils avec LangGraph
Développer un agent de recherche et d’analyse financière orchestré par LangGraph, doté d’outils RAG, de calculs et de validation humaine.
Tests Vitest, métriques de performance, sécurité, bonnes pratiques & glossaire
Tester les graphes d’agents avec Vitest, mesurer la consommation de tokens et valider l’ensemble du cursus agentique.