Qu’est-ce que le système IA composé et les agents IA ?
Mosaic AI Agent Framework aide les développeurs à surmonter les défis uniques liés au développement d’agents IA et de systèmes IA composés. Découvrez ce qui rend une application IA un système IA composé et un agent IA.
Systèmes IA composés
Les systèmes IA composés sont des systèmes qui s’attaquent aux tâches IA en combinant plusieurs composants interagissants. En revanche, un modèle IA est simplement un modèle statistique, par exemple un transformateur qui prédit le jeton suivant dans le texte. Les systèmes IA composés sont un modèle de conception de plus en plus courant pour les applications IA en raison de leurs performances et de leur flexibilité.
Pour plus d’informations, consultez Le passage des modèles aux systèmes d'IA composés.
Présentation des agents d’IA
Le secteur définit toujours des agents d’IA, mais il est généralement compris comme un système IA où le modèle prend certaines ou toutes les décisions de planification contrairement à une logique codée en dur. Ces agents utilisent des modèles de langage volumineux (LLM) pour prendre des décisions et atteindre leurs objectifs.
De nombreuses applications d’agents IA sont constituées de plusieurs systèmes, ce qui les qualifie de systèmes IA composés.
L’agence est un continuum, plus nous fournissons de modèles pour contrôler le comportement du système, plus l’agent comme l’application devient.
Que sont les outils ?
Les agents IA utilisent des outils pour effectuer des actions en plus de la génération de langage, par exemple pour récupérer des données structurées ou non structurées, exécuter du code ou communiquer avec des services distants, comme l’envoi d’un e-mail ou d’un message Slack.
Sur Databricks, vous pouvez utiliser les fonctions Unity Catalog en tant qu’outils, ce qui facilite la découverte, la gouvernance et le partage d’outils. Vous pouvez également définir des outils à l’aide de bibliothèques de création d’agents open source comme LangChain.
Dans les flux de travail à agent classiques, l’agent LLM reçoit des métadonnées sur les outils qu’il utilise pour déterminer quand et comment utiliser l’outil. Ainsi, lors de la définition d’outils, vous devez vous assurer que l’outil, ses paramètres et sa valeur de retour sont bien documentés, afin que l’agent LLM puisse utiliser l’outil au mieux.
Des LLM aux agents IA
Pour comprendre les agents IA, il est utile de prendre en compte l’évolution des systèmes IA.
- LLM : initialement, les modèles de langage volumineux ont simplement répondu aux invites en fonction des connaissances d’un vaste jeu de données d’apprentissage.
- LLM + chaînes d’outils : ensuite, les développeurs ont ajouté des outils codés en dur pour développer les fonctionnalités de LLM. Par exemple, la récupération d’une génération augmentée (RAG) a développé la base de connaissances d’un LLM avec des ensembles de documentation personnalisés, tandis que les outils API ont autorisé les machines virtuelles à effectuer des tâches telles que créer des tickets de support ou envoyer des e-mails.
- Agents IA : maintenant, les agents IA créent de manière autonome des plans et exécutent des tâches en fonction de leur compréhension du problème. Les agents IA utilisent toujours des outils, mais c’est à eux de décider quel outil utiliser et quand. La principale distinction réside dans le niveau d’autonomie et de prise de décision par rapport aux systèmes IA composés.
Du point de vue du développement, les applications IA, qu’elles soient des LLM individuels, des LLM avec des chaînes d’outils ou des agents IA complets sont confrontés à des défis similaires. Mosaic AI Agent Framework aide les développeurs à gérer les défis uniques liés à la création et aux applications IA à tous les niveaux de complexité.
Exemples d’agents IA
Voici quelques exemples d’agents IA dans les industries :
IA/BI : les chatbots et tableaux de bord basés sur l’IA acceptent les invites en langage naturel pour effectuer une analyse sur les données d’une entreprise, en tirant des insights du cycle de vie complet de leurs données. Les agents IA/BI analysent les demandes, déterminent les sources de données à et comment communiquer les résultats. Les agents d'IA/IB peuvent s'améliorer au fil du temps grâce au commentaire humain, en offrant des outils permettant de vérifier et d'affiner leurs résultats.
Service clientèle : chatbots basés sur l’IA, tels que ceux utilisés par les plateformes de service client, interagir avec les utilisateurs, comprendre le langage naturel et fournir des réponses pertinentes ou effectuer des tâches. Les sociétés utilisent des chatbots IA pour le service clientèle en répondant aux requêtes, en fournissant des informations sur le produit et en aidant à résoudre les problèmes.
Maintenance prédictive de la fabrication : les agents IA peuvent aller au-delà de la simple prédiction des défaillances d’équipement, agir de manière autonome sur eux en commandent des remplacements ou en planifient la maintenance pour réduire les temps d’arrêt et augmenter la productivité.
Étapes suivantes
Découvrez comment développer et évaluer des agents IA :
Tutoriels sur les agents d’IA :