Boucles agentiques, appels de fonction, MCP, évaluations, systèmes multi-agents.
Un système dans lequel un LLM planifie de manière autonome, appelle des outils, observe les résultats et itère vers un objectif plutôt que de produire un résultat en une seule étape.
ex. Un agent qui réserve un vol en effectuant des recherches, en comparant et en confirmant.Le cycle répété de réflexion → action → observation qui permet à un agent de progresser sur une tâche à travers plusieurs étapes.
ex. Rechercher, lire le résultat, décider de la recherche suivante, recommencer.Une suite de tests structurée utilisée pour mesurer la performance d'un modèle ou d'un agent sur une tâche, souvent utilisée pour détecter les régressions avant la mise en production.
ex. Exécuter 200 tâches enregistrées sur un nouveau prompt pour vérifier le taux de réussite.La capacité d'un modèle à émettre une requête structurée pour invoquer une fonction ou une API externe, puis à intégrer le résultat dans sa réponse.
ex. Appeler une fonction get_weather(ville) au lieu de deviner.Un standard ouvert permettant de connecter des modèles d'IA à des outils externes, des sources de données et des systèmes via une interface commune.
ex. Un serveur MCP unique exposant à la fois une base de données et un système de fichiers à tout client compatible.Plusieurs agents spécialisés (ou instances d'agents) qui se coordonnent, délèguent ou débattent pour résoudre une tâche qu'aucun ne pourrait résoudre aussi bien seul.
ex. Un agent « planificateur » qui délègue la recherche à un agent « chercheur ».