top of page
< Back

Créer un agent IA en Python

La plupart des API de LLM permettent de déclarer des outils (function calling) : le modèle ne les exécute pas lui-même, il indique quelle fonction appeler et avec quels arguments. Votre code Python l'exécute et lui renvoie le résultat. Répété en boucle, ce mécanisme donne un agent.

Les trois éléments

  • Une fonction Python : ici, elle renvoie le chiffre d'affaires d'un mois. Dans un vrai projet, elle interrogerait une base avec pandas ou SQL.
  • Sa description au format JSON Schema : nom, rôle, paramètres attendus. C'est ce que le modèle lit pour décider de l'utiliser.
  • La boucle : tant que le modèle demande un outil, on l'exécute et on ajoute le résultat à la conversation. Quand il répond sans demander d'outil, c'est la réponse finale.


Les points de vigilance

  • Le modèle choisit les arguments : vérifiez-les avant d'exécuter quoi que ce soit.
  • La boucle est limitée à 5 tours : sans limite, une erreur peut la faire tourner indéfiniment.
  • N'exposez jamais une fonction qui exécute du code ou du SQL arbitraire fourni par le modèle.

Ce script applique la boucle décrite dans la fiche ReAct et agents IA. D'autres fournisseurs proposent un mécanisme équivalent, avec une syntaxe un peu différente.

bottom of page