Qu’est-ce qu’Azure AI Foundry Agent Service ?

La plupart des entreprises ne veulent pas seulement des chatbots : elles veulent une automatisation plus rapide et avec moins d’erreurs. Cela peut signifier résumer des documents, traiter des factures, gérer des tickets de support ou publier des billets de blog. Dans tous les cas, l’objectif est le même : libérer des personnes et des ressources pour se concentrer sur le travail à valeur supérieure en déchargeant les tâches répétitives et prévisibles.

De grands modèles de langage (LLMs) ont ouvert la porte à un nouveau type d’automatisation avec des systèmes capables de comprendre les données non structurées, de prendre des décisions et de générer du contenu. En pratique, il peut être difficile pour les entreprises d’aller au-delà des démonstrations et de la production. Les modules LLM peuvent dériver, être incorrects et manquer de responsabilité. Sans visibilité, l’application des stratégies et l’orchestration, ces modèles sont difficiles à approuver dans les flux de travail métier réels.

Azure AI Foundry est conçu pour changer cela. Il s’agit d’une plateforme qui combine des modèles, des outils, des frameworks et de la gouvernance dans un système unifié permettant de créer des agents intelligents. Au centre de ce système est Azure AI Foundry Agent Service, ce qui permet l’exploitation d’agents au sein du développement, du déploiement et de la production.

Le service d’agent AI Foundry connecte les éléments principaux d’Azure AI Foundry, tels que les modèles, les outils et les frameworks dans un seul runtime. Il gère les threads, orchestre les appels d’outils, applique la sécurité du contenu et s’intègre aux systèmes d’identité, de mise en réseau et d’observabilité pour garantir que les agents sont sécurisés, évolutifs et prêts pour la production.

En faisant abstraction de la complexité de l’infrastructure et en appliquant la confiance et la sécurité par conception, AI Foundry Agent Service facilite le passage du prototype à la production en toute confiance.

Qu’est-ce qu’un agent IA ?

Les agents prennent des décisions, appellent des outils et participent aux flux de travail. Parfois indépendamment, parfois en collaboration avec d’autres agents ou humains. Ce qui distingue les agents des assistants est l’autonomie : les assistants prennent en charge les personnes, les agents réalisent des objectifs. Ils sont fondamentaux pour l’automatisation réelle des processus.

Les agents créés à l’aide d’AI Foundry ne sont pas monolithes. Ils sont des unités composables. Chacun avec un rôle spécifique, alimenté par le bon modèle et équipé des outils appropriés, et déployé dans un runtime sécurisé, observable et régiable.

Chaque agent a trois composants principaux :

• Modèle (LLM) : Permet le raisonnement et la compréhension du langage
• Instructions : Définir les objectifs, le comportement et les contraintes de l’agent
• Outils : Permettre à l’agent de récupérer les connaissances ou de prendre des mesures

Les agents reçoivent des entrées non structurées telles que des invites utilisateur, des alertes ou des messages d’autres agents. Ils produisent des sorties sous la forme de résultats ou de messages d’outil. En cours de route, ils peuvent appeler des outils pour effectuer une récupération ou déclencher des actions.

Comment fonctionnent les agents dans AI Foundry ?

Considérez Azure AI Foundry comme une ligne d’assembly pour les agents intelligents. Comme n’importe quelle usine moderne, elle réunit différentes stations spécialisées, chacune responsable de la mise en forme d’une partie du produit final. Au lieu de machines et de tapis roulants, Agent Factory utilise des modèles, des outils, des stratégies et une orchestration pour créer des agents sécurisés, testables et prêts pour la production. Voici comment fonctionne la fabrique étape par étape :

1. Modèles

La ligne d’assembly commence par sélectionner un modèle qui donne à votre agent son intelligence. Choisissez parmi un catalogue croissant de modèles de langage volumineux, notamment GPT-4o, GPT-4, GPT-3.5 (Azure OpenAI) et d’autres comme Llama. C’est le cœur de raisonnement de l’agent qui alimente ses décisions.

2. Personnalisation

Ensuite, formez ce modèle pour qu’il corresponde à votre cas d’usage. Personnalisez votre agent avec des invites spécifiques au réglage, à la distillation ou au domaine. Cette étape vous permet d’encoder le comportement de l’agent, les connaissances spécifiques au rôle et les modèles des performances antérieures à l’aide de données capturées à partir de résultats réels du contenu et de l’outil de thread.

3. Outils IA

Ensuite, équipez votre agent avec des outils. Celles-ci permettent d’accéder aux connaissances d’entreprise (telles que Bing, SharePoint, Recherche Azure AI) et d’effectuer des actions réelles (via Logic Apps, Azure Functions, OpenAPI, etc.). Cela améliore la capacité de l’agent à développer ses fonctionnalités.

4. Orchestration

Ensuite, l’agent a besoin de coordination. Les agents connectés orchestrent le cycle de vie complet, comme la gestion des appels d’outils, la mise à jour de l’état du thread, la gestion des nouvelles tentatives et la journalisation des sorties.

5. Confiance

Il est important de s’assurer que les agents sont appropriés et fiables pour la charge de travail à laquelle ils sont affectés. AI Foundry applique des fonctionnalités d’approbation de niveau entreprise, notamment l’identité via Microsoft Entra, RBAC, les filtres de contenu, le chiffrement et l’isolation réseau. Vous choisissez comment et où vos agents s’exécutent à l’aide d’une infrastructure gérée par la plateforme ou apportez votre propre infrastructure.

6. Observabilité

Enfin, les agents sont testés et surveillés. AI Foundry peut capturer des journaux de bord, des traces et des évaluations à toutes les étapes. Avec une visibilité complète au niveau du thread et l’intégration d’Application Insights, les équipes peuvent inspecter chaque décision et améliorer continuellement les agents au fil du temps.

Résultat ? Agent prêt pour la production : fiable, extensible et sûr à déployer sur vos flux de travail.

Pourquoi utiliser le service Azure AI Foundry Agent ?

Azure AI Foundry Agent Service fournit une base prête pour la production pour déployer des agents intelligents dans des environnements d’entreprise. Voici comment il compare les fonctionnalités clés :

Capacité	Service de l’agent Azure AI Foundry
1. Visibilité des conversations	Accès complet aux threads structurés, y compris les messages utilisateur↔agent et agent↔agent. Idéal pour les interfaces utilisateur, le débogage et la formation
2. Coordination multi-agent	Prise en charge intégrée de la messagerie agent à agent.
3. Orchestration des outils	Exécution côté serveur et nouvelle tentative d’appels d’outils avec journalisation structurée. Aucune orchestration manuelle n’est requise.
4. Confiance et sécurité	Les filtres de contenu intégrés aident à prévenir l’utilisation incorrecte et à atténuer les risques d’injection d’invite (XPIA). toutes les sorties sont régies par des stratégies.
5. Intégration d’entreprise	Apportez votre propre stockage, index Recherche Azure AI et réseau virtuel pour répondre aux besoins de conformité.
6. Observabilité et débogage	Les threads, les appels d’outils et les traces de messages sont entièrement traceables ; Intégration d’Application Insights pour la télémétrie
7. Contrôle d’identité et de stratégie	Basé sur Microsoft Entra avec prise en charge complète du RBAC, des journaux d’audit et de l’accès conditionnel d’entreprise.

Prise en main du service Agent Foundry

Pour commencer avec le service De l’agent Foundry, vous devez créer un projet Azure AI Foundry dans votre abonnement Azure.

Commencez par le guide de configuration de l’environnement et le guide de démarrage rapide s’il s’agit de votre première utilisation du service.

1. Vous pouvez créer un projet avec les ressources requises.
2. Après avoir créé un projet, vous pouvez déployer un modèle compatible tel que GPT-4o.
3. Lorsque vous avez déployé un modèle, vous pouvez également commencer à effectuer des appels d’API au service à l’aide des kits de développement logiciel (SDK).

Étapes suivantes

En savoir plus sur les modèles qui alimentent les agents.