Lab 6 : Construire son premier Agent

Objectif : Comprendre et construire les 4 composants fondamentaux d’un agent d’IA avec LangChain : le LLM, les Outils, le Prompt, et l’Exécuteur.

Après avoir utilisé des chaînes LangChain “fil tendu” dans les Labs 2 et 3, ce laboratoire passe à l’agent au sens strict : un programme qui utilise un LLM pour raisonner, choisir des actions parmi un ensemble d’outils, et itérer jusqu’à atteindre un objectif. C’est le pivot conceptuel de la Journée 3.

Objectifs d’apprentissage

À la fin de ce lab, vous saurez :

  1. Assembler les 4 piliers d’un agent LangChain / LangGraph (LLM, Tools, Prompt, Executor)
  2. Créer un outil personnalisé avec le décorateur @tool
  3. Comprendre le cycle ReAct (Reason -> Act -> Observe -> Reason)
  4. Tracer les étapes intermédiaires d’un agent pour le débogage

Prérequis

  • Lab 5 (Viz + ML) : bases scikit-learn (utilisé comme outil par l’agent)
  • Lab 2 / 3 : LangChain de base
  • Clé API LLM configurée (.env racine)

Notebook

  • Lab6-First-Agent.ipynb - notebook étudiant
  • Lab6-First-Agent_output.ipynb - version exécutée de référence

Suite

Lab 7 réutilise ce pattern et l’applique à un agent spécialisé data science capable de manipuler un DataFrame Pandas en langage naturel.

Retour au sommet