🏗️ Du robot QA à l'agent de tâche: un guide d'architecture

TL;DR : Arrêtez de créer des chatbots qui se contentent de répondre aux questions. Commencez à créer des agents de tâches qui réalisent réellement le travail.

Ce guide explique le passage architectural des robots d'assurance qualité monolithiques aux agents de tâches utilisant des règles statiques, des compétences dynamiques et des hooks déterministes, avec des exemples de code concrets et des références open source.

Illustration d'une architecture système d'agent de tâche montrant l'interaction entre différents composants

1. Le changement de base: Bot QA → Agent de tâche

Aujourd’hui, la plupart des systèmes d’IA sont encore des robots d’assurance qualité contextuels:

• Ils répondent bien aux questions

• Ils hallucinent sous pression

• Ils manquent de garanties concernant l'exécution, la sécurité et la cohérence

💡 L’idée clé: ne faites pas évoluer le contexte. Structurez-le.

2. L'architecture à trois couches

🧱 1. Contexte statique — Règles (toujours activées)

•Modèle mental: Manuel de l'employé
•Toujours chargé
•Définit l'identité, les normes de codage, les contraintes comportementales
•Empêche les hallucinations et la dérive de style
•Petit, stable, modifiable par l'homme

🛠️ 2. Contexte dynamique — Compétences (à la demande)

•Modèle mental: boîte à outils
•Chargé uniquement en cas de besoin
•Chaque compétence est une capacité autonome
•Maintient la fenêtre contextuelle propre

⚓ 3. Crochets déterministes — Garde-corps

•Modèle mental: couche Sécurité + Conformité
•Pas probabiliste
•S'exécute avant/après le raisonnement LLM
•Applique des règles qui ne doivent jamais échouer

3. Structure de projet recommandée

mon-agent-de-tâches/
├──.cursorrules
├── main.py
├── outils/
│ └── linear_mcp.py
└── README.md

4. Exemple de contexte statique:.cursorrules

# RÔLE
Vous êtes un ingénieur Python senior axé sur les systèmes de production.

# RÈGLES
- N'utilisez JAMAIS print() pour le débogage
- TOUJOURS des fonctions d'indice de type
- Proposer un plan si vous touchez > 3 fichiers

# COMPORTEMENT
- Soyez concis
- Poser des questions de clarification si nécessaire

Référence: https://github.com/PatrickJS/awesome-cursorrules

5. Exemple de compétence dynamique (MCP)

à partir de mcp.server.fastmcp importer FastMCP

mcp = FastMCP("DevTools")

@mcp.tool()
def create_linear_ticket(titre: str, priorité: str = "low") -> str:
    ticket_id = f"LIN-{hash(title) % 10000}"
    return f "Ticket créé {ticket_id} avec priorité = {priority}"

si __name__ == "__main__":
    mcp.run()

Référence: https://github.com/modelcontextprotocol/python-sdk

6. Exemple de crochet déterministe

def compliance_check_hook(state):
    user_input = state["messages"][-1].content.lower()
    if "password" in user_input or "api_key" in user_input:
        return {"error": "Violation de sécurité détectée"}
    return agent_node(state)

Référence: https://langchain-ai.github.io/langgraph/

Si votre agent répond uniquement aux questions, c'est un chatbot. S'il exécute le travail de manière fiable, il s'agit d'un agent de tâche.

AI Architecture