Accueil / Articles

Principes de conception des flux de travail d’agent pour les équipes d’ingénierie de production

Principes de conception pour les flux de travail des agents de production : contrats de finalisation, état honnête, résumés d’approbation, actions idempotentes en dehors du processus, traçabilité et évaluations.

Éditeur : REACTAPP.TOP10 min de lecture2247 mots

Sources: What building agents taught me about production engineering

Intégrer des agents dans des processus métier réels modifie les questions à se poser avant de faire confiance à une solution d’automatisation. D’où proviennent les preuves ? Qu’est-ce que le système est autorisé à modifier ? Que se passe-t-il si l’exécution s’arrête en cours de route ? Ces questions priment sur le choix du framework, surtout lorsque des tâches liées au lancement sur le marché telles que la recherche de comptes, l’envoi d’e-mails, la création de contenu et les relances sont intégrées aux systèmes métier. Les principes présentés ci-dessous découlent de ce type de travail et visent à guider la prochaine phase de développement.

Imaginez une demande ordinaire : enquêter sur un compte, rédiger un message utile et le laisser à un endroit où quelqu’un peut le consulter. Le modèle peut aider à l’enquête et à la rédaction. Tout ce qui l’entoure, c’est-à-dire le logiciel, doit conserver les preuves, gérer les révisions et assumer la responsabilité de tout changement en dehors du flux de travail. La préparation d’un brouillon peut être terminée bien avant que toute autorisation externe ne soit accordée, donc les preuves, l’autorisation et le résultat nécessitent chacun une vérification distincte.

Décidez ce que signifie « terminé » avant de choisir un cadre

Different workflows définissent différemment ce qu’est la finalisation. Un compte est considéré comme finalisé lorsque un document est enregistré avec ses sources, un jugement de pertinence ainsi qu’une note indiquant ce qui reste douteux. Un flux de prospection est terminé lorsque le fournisseur d’e-mails a bien reçu le message que la personne a validé. Il s’agit de promesses distinctes, et aucune d’elles ne prouve que le destinataire a ouvert le courriel.

Lorsque cela est consigné par écrit, le code prend une autre forme. La recherche peut légitimement ne pas fournir suffisamment de preuves. Un brouillon peut être élaboré alors que son examen est en attente. Une action externe peut être acceptée par le fournisseur, mais sa livraison finale peut encore être en cours.

Laissez le modèle s’occuper de ce qui nécessite une interprétation, comme choisir une bonne source, identifier un contexte pertinent ou expliquer une recommandation. Laissez le code appliquer ce qui est soumis à des règles explicites : champs obligatoires, outils autorisés et limites d’exécution. Un schéma peut confirmer l’existence d’une référence de source, mais il reste nécessaire de vérifier si cette source étaye bien l’affirmation avancée.

Ici, le contraste entre workflows et agents se révèle utile. Anthropic conçoit un workflow comme un parcours prédéfini, tandis qu’un agent représente un cadre dans lequel le modèle prend les décisions. Un même produit peut combiner les deux, donc la vraie question est de savoir où la liberté a un coût.

Faire en sorte que l’état reflète ce qui s’est réellement passé

Le modèle de données doit être soigneusement conçu avant que le flux de travail ne s’élargisse. Un champ nommé status devient rapidement ambigu lorsqu’il doit décrire en même temps la recherche, l’examen, l’exécution et la livraison. Séparer ces éléments présente un avantage pratique : si un brouillon est enregistré mais que la notification d’examen échoue, l’étape suivante peut réessayer la notification sans créer un nouveau brouillon, et toute personne examinant l’exécution pourra constater les deux faits.

L’approbation exige la même précision. Dans cette configuration, elle est liée à l’opération, au compte, au destinataire ainsi qu’à l’intégralité du corps du message. Une méthode fonctionnelle consiste à garder la charge utile immuable et à en dériver un résumé à partir d’une version canonique. Avant l’envoi, l’exécutant compare ce qu’il s’apprête à faire avec ce qui a été approuvé, vérifie la date d’expiration et les droits actuels, puis envoie cette même charge utile stockée. Le résumé ne permet de détecter que les modifications. Les personnes autorisées à approuver relèvent du contrôle d’accès.

Un modèle ne doit pas pouvoir s’approuver lui-même en renvoyant approved: true. L’application enregistre l’autorisation via un processus d’examen fiable. Certaines tâches à faible impact peuvent utiliser à la place une politique préétablie explicite, et dans les deux cas, l’autorisation doit rester ciblée et vérifiable.

Un propriétaire logique par exécution

Des frameworks comme LangGraph aident à comprendre l’état et les transitions, tandis qu’un outil de workflow tel que n8n gère les déclencheurs, le routage et le mouvement des données prévisibles. Une question différente se pose lorsque le travail dépasse les limites du temps d’exécution : quel composant est responsable de l’exécution ?

Dans cette conception, un propriétaire logique s’occupe de la planification, de l’identité d’une exécution ainsi que de l’état officiel. Un environnement d’exécution délégué reçoit une tâche définie et fournit une sortie structurée, que le propriétaire vérifie avant de faire avancer le flux de travail. Il s’agit d’un schéma d’application qui ne dit rien sur la manière dont des outils spécifiques s’intègrent.

Pour un résumé du compte, la délégation peut indiquer le nom du compte, les sources autorisées, les permissions des outils, le schéma de sortie ainsi qu’un budget de temps ou de coûts. Les informations retournées doivent permettre de distinguer un résumé complet d’éléments insuffisants, d’une panne d’outil ou d’une atteinte de la limite d’essais, afin que le flux de travail principal puisse réagir à chacun de ces cas sans considérer le paragraphe de conclusion de la réponse d’un modèle comme un signal de contrôle.

Le logiciel environnant constitue le harnais de l’agent : un code qui fournit le contexte, expose des outils, gère l’exécution et suit les progrès. Le travail d’Anthropic sur les agents à long terme en offre un exemple, montrant comment des artefacts de progression explicites aident les sessions ultérieures à reprendre le travail inachevé. Les artefacts à conserver dépendent de la tâche.

Un état pour un flux de travail d’entreprise nécessite un enregistrement permanent conservé en dehors du chat du modèle. La documentation de LangGraph distingue clairement l’état de la thread sauvegardé des données conservées entre les threads, et met en garde contre le fait que les points de contrôle basés uniquement sur la mémoire sont perdus en cas de redémarrage. Le choix du backend de stockage relève de la responsabilité des équipes opérationnelles. Le contexte est l’endroit approprié pour conserver les préférences de style, tandis que le système de permissions sert à gérer les autorisations en temps réel. Une page chargée ou une compétence réutilisable peuvent fournir des informations utiles pour une tâche, mais ne doivent en aucun cas permettre d’élargir les capacités de cette tâche. Plusieurs travailleurs peuvent servir un même propriétaire logique, à condition que des mécanismes de coordination empêchent les transitions d’état conflictuelles.

Donnez à chaque étape son propre contexte

La recherche a besoin d’accès aux sources et d’un endroit pour consigner les doutes. L’écriture nécessite un brief approuvé, des exemples de messages efficaces ainsi que des règles internes. Lorsque chaque étape dispose du contexte qui lui convient, son comportement est plus facile à évaluer. Différents rôles peuvent être définis au sein d’un même environnement de exécution sans pour autant impliquer des agents supplémentaires ou une infrastructure additionnelle.

Une compétence regroupe une procédure à répéter : les sources à vérifier, le résultat à produire, la manière de le confirmer. L’application des règles relève toujours de l’environnement de exécution, via l’accès aux outils et des limites de ressources. Indiquer à un agent dans un fichier de compétence de ne pas envoyer des données n’est qu’un conseil, tandis que lui retirer les identifiants nécessaires à l’envoi constitue une restriction réelle.

Les piles de compétences et de paramètres nécessitent également une révision périodique. Deux instructions sensées peuvent entrer en conflit lorsqu’elles sont chargées ensemble. Après une exécution, un agent peut proposer une mise à jour de la mémoire, mais son auto-évaluation ne prouve pas d’amélioration. Une correction doit indiquer son origine, son champ d’application approprié ainsi qu’une évaluation avant d’alterer un comportement partagé par d’autres.

Considérer les actions externes comme leur propre problème d’exécution

Décrire avec précision les effets des outils. Écrire un artefact local, créer un brouillon auprès du fournisseur et envoyer un message sont trois opérations, chacune ayant ses propres permissions. Les adaptateurs doivent transformer les réponses du fournisseur en états explicites, et les tests d’intégration doivent vérifier l’état résultant du fournisseur.

Pour les écritures ayant des conséquences importantes, utilisez un service d’exécution qui vérifie l’autorisation au dernier moment avant l’envoi. Les identifiants et les chemins réseau doivent le confirmer, car une vérification effectuée par un outil auxiliaire ne sert à peu de chose si un autre script peut atteindre le fournisseur avec les mêmes identifiants.

La récupération est la plus difficile lorsque aucune réponse n’est renvoyée. Imaginez que le fournisseur reçoive un message et que la connexion échoue avant que le processus ne stocke le résultat. Le processus sait qu’il a essayé, mais il ne peut pas déterminer si une nouvelle tentative entraînerait une duplication. Conservez une seule identité pour l’action à travers les tentatives répétées et attribuez une identité distincte à chaque tentative. Lorsqu’un fournisseur prend en charge l’idempotence, il s’appuie sur une clé stable par opération prévue, et la garantie provient du contrat de ce fournisseur. Les documents de Stripe, par exemple, expliquent comment les paramètres sont comparés et quelle est la durée de vie des clés ; réutiliser une clé une fois son expiration dépassée peut générer une nouvelle demande.

Si une recherche de statut fiable existe, utilisez-la. Si le fournisseur promet des reprises sécurisées pour la même clé et le même chargement, une nouvelle tentative peut résoudre le problème. En cas d’échec des deux méthodes, enregistrez le résultat comme inconnu et effectuez une mise en concordance ou demandez de l’aide à un humain. Le fait qu’une recherche ne trouve rien ne prouve pas que l’action n’a jamais été exécutée, surtout lorsque les données du fournisseur peuvent être retardées. La documentation d’AWS sur les reprises sécurisées justifie l’inclusion de l’identité de la requête dans le contrat API, afin que le suivi par le client et le comportement du fournisseur soient en accord.

Une file d’attente transactionnelle empêche qu’une action confirmée ne disparaisse entre l’écriture dans la base de données et son envoi, mais elle ne peut pas à elle seule empêcher un fournisseur d’appliquer une demande répétée. Un point de contrôle permet également de reprendre le travail local, mais il ne peut pas résoudre un résultat externe inconnu. Après une expiration ambiguë, la preuve peut être une recherche prise en charge, un événement ou une reprise idempotente documentée. Un identifiant d’action généré localement ne rend pas une API idempotente.

Mesurer aux frontières

Les appels aux outils constituent un bon endroit pour observer le comportement des agents. Le suivi doit relier l’exécution, la révision de l’artefact, la décision d’autorisation et chaque tentative externe. Capturez les arguments et les résultats des outils de manière sélective, avec des mesures de censure et des contrôles d’accès, car le stockage de chaque charge utile brute crée ses propres problèmes.

Le dossier doit répondre à des questions pratiques. Les éléments de recherche étaient-ils utilisables ? La validation a-t-elle rejeté le projet ? L’exécution attend-elle un examinateur, ou la notification a-t-elle échoué ? L’action a-t-elle été acceptée, refusée ou laissée en suspens ?

Ces distinctions améliorent également l’évaluation. Pour un flux de travail de compte, commencez par des exemples ordinaires ainsi que par un petit ensemble de cas difficiles :

  • Les sources sont en désaccord et le descriptif doit conserver ce désaccord.
  • Le message est modifié après approbation, ce qui signifie que son exécution nécessite une nouvelle autorisation.
  • La même tâche arrive deux fois et il ne faut pas créer deux actions logiques distinctes.
  • Le prestataire effectue l’action puis la connexion échoue ; par conséquent, la récupération doit respecter ce que le prestataire garantit réellement en cas de tentative de réexécution.

Reservez les vérifications déterministes pour des éléments tels que les schémas valides et les approbations correspondantes. Pour évaluer la pertinence et la qualité des preuves à l’appui d’une affirmation, utilisez une grille d’évaluation définie ainsi que des exemples examinés. La notation par un modèle peut être utile, à condition de vérifier dans quelle mesure il suit le jugement humain. Les conseils d’évaluation d’Anthropic séparent l’exécution enregistrée de l’agent de l’état final de l’environnement et recommandent de répéter les essais, car les agents peuvent agir différemment à chaque fois. Ces idées conviennent bien pour tester un flux de travail complet.

Pour un flux de travail de rédaction, suivez la fréquence à laquelle les drafts sont acceptés sans modification, le temps passé par les évaluateurs, ainsi que le coût total par artefact accepté, y compris les essais échoués. Le taux de couverture est également important : il indique combien de demandes qualifiées ont produit des résultats utiles. En l’ignorant, un système peut sembler plus fiable simplement en refusant les tâches difficiles.

Publiez le comportement en tant qu’unité unique

Modifier une instruction peut changer le comportement de production tout en maintenant l’image du conteneur identique ; par conséquent, une version doit disposer d’un manifeste qui lie la version du code aux workflows, instructions, schémas, adaptateurs d’outils, paramètres du modèle et politique de permissions. Chaque exécution enregistre la version sous laquelle elle a été lancée. Une investigation devient alors possible, bien qu’une reprise exacte ne soit pas garantie, car les modèles évoluent, les fournisseurs changent et les données sources peuvent disparaître. Conserver les versions d’entrée pertinentes ou les snapshots autorisés aide à expliquer les résultats par la suite.

Les tâches qui s’exécutent pendant longtemps présentent un autre problème : un ancien point de contrôle peut ne pas correspondre à un schéma d’état plus récent. Une déploiement doit décider explicitement s’il faut terminer ces exécutions sur l’ancienne version, les migrer ou les arrêter pour examen. Un simple rollback de l’image du travailleur peut ne pas restituer un comportement compatible.

La réexécution de l’exercice a lieu aux moments importants : juste après enregistrement d’un artefact, pendant qu’une revue est en attente, ainsi que des deux côtés de l’envoi. Lorsque plusieurs travailleurs sont impliqués, la base de données peut rejeter les écritures obsolètes grâce à des mises à jour conditionnelles ou à des tokens de verrouillage. L’arrêt des doublons en dehors du système dépend toujours de la manière dont l’exécution est conçue et du contrat avec le fournisseur.

Un premier déploiement peut être modeste : un service, une base de données persistante et un travailleur en arrière-plan suffisent. Des identifiants séparés, un nombre limité de tentatives et un mécanisme d’arrêt pour les nouvelles écritures externes sont nécessaires avant de passer à un grand cluster. Kubernetes devient utile lorsque ses fonctionnalités de planification ou d’opérations répondent à un besoin que vous avez mesuré.

Restez fidèle à un seul flux de travail jusqu’à ce que vous le compreniez bien

Les produits d’agent modifient constamment ce qui est peu coûteux à développer, et il est utile de les explorer. Néanmoins, il est avantageux de rester suffisamment stable pour comprendre le travail en cours. Pour un résumé de compte ou un tri des messages, maintenez fixes les entrées, les sorties utiles et les critères d’évaluation, tandis que l’implémentation s’améliore. Un nouveau modèle ou un environnement de exécution peut alors être évalué à l’aide d’exemples, de permissions et de besoins de récupération identiques.

Adopter un autre outil devient alors une question concrète : peut-il exprimer plus clairement le transfert de tâches, réduire l’effort des évaluateurs ou récupérer le travail interrompu avec moins d’étapes manuelles, et cela justifie-t-il la migration et son entretien ? C’est ce jugement qu’il convient de conserver : déterminer où la réflexion justifie son coût, clarifier les responsabilités, et conserver suffisamment de preuves pour savoir ce qui s’est passé après que le modèle a cessé de fonctionner.

Lectures complémentaires

  • Arrêtez de donner des désirs aux agents IA : une méthode axée sur les spécifications pour les petites équipes — Comment une petite équipe peut déployer des agents IA : spécifications écrites, revue par deux familles de modèles, tests en temps de exécution, fusion par des humains et un orchestrateur qui mémorise.
  • Ingénierie du contexte pour les systèmes multi-agents : pourquoi les transferts échouent entre les étapes — Les agents échouent rarement au sein d’une seule étape. Ils échouent entre les étapes, lorsque le mauvais contexte arrive. Comment concevoir l’état, le routage et la qualité du contexte dans LangGraph.
  • Quels sont les changements apportés par l’API OpenAI Agents pour la création d’agents fonctionnant sur le long terme — Comprendre comment un gestionnaire d’agents gère les environnements de test, la compression du contexte, la recherche d’outils, les sous-agents et MCP, ainsi que leurs implications pour la sécurité, le débogage et la conception.