Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : LangChain
Reconstruire un agent de style Claude Code avec LangChain Deep Agents
Comment fonctionne le harnais d’un agent de codage, du cycle principal aux outils, à la planification, à la mémoire, aux sous-agents et aux approbations en environnement isolé, reconstruit étape par étape à l’aide de DeepAgents.
16 min de lectureExécuter des agents Running Deep dans un backend OpenSandbox local
Comment connecter OpenSandbox à Deep Agents via BaseSandbox, relier du code synchrone et asynchrone, et exécuter en toute sécurité un agent d’analyse de données dans un environnement Docker local.
15 min de lectureUn système de fichiers virtuel basé sur MongoDB pour les agents avancés de LangChain.
Un système de fichiers virtuel basé sur MongoDB pour LangChain Deep Agents : octets stockés dans un système de stockage d’objets, recherche dans Atlas grâce à grep hybride, fusion de classements, segmentation en blocs et synchronisation.
8 min de lectureL’Agent nu : ce qui se brise lorsque rien ne protège le modèle
Créez le même agent de voyage non protégé dans le Claude Agent SDK et LangChain Deep Agents, puis observez trois échecs pour identifier quels mécanismes de contrôle manquent.
9 min de lectureUn agent QuickBooks Finance fonctionnant sur un LLM local avec Ollama et LangChain
Un agent ReAct sur Qwen 3.5 9B et une RTX 4070 lit en temps réel les données de QuickBooks via LangChain et Ollama, un LLM local sans aucun coût cloud. Code, résultats et limites.
13 min de lectureMCP pour les agents LangGraph, niveau par niveau : serveurs, transports et le pont d’adaptation
MCP pour les agents LangGraph, niveau par niveau : rôles hôte, client et serveur, un serveur FastMCP, transports stdio vs HTTP, langchain-mcp-adapters et pièges à éviter.
17 min de lecturePourquoi les agents à long terme ont besoin d’un harness : comment les agents avancés gèrent l’état et le contexte.
Pourquoi les agents à long horizon ont besoin d’un harnais : comment LangChain Deep Agents lutte contre la dégradation du contexte grâce à quatre piliers, un middleware, des backends de système de fichiers et des sous-agents isolés.
12 min de lectureNOVA : trier des tickets avec Jev, des règles Python et un agent LangChain
Un assistant de support de niveau 1 qui sépare l’analyse du ticket avec Jev, les règles métier en Python et la rédaction d’un brouillon par un agent LangChain.
10 min de lectureBedrock AgentCore en pratique : Terraform, LangGraph et les pièges rencontrés
Quelle est la fonction de Runtime, Gateway, Mémoire et Identité d’AgentCore, ainsi que six pièges liés à son déploiement, une estimation des coûts et un jugement comparatif avec l’hébergement d’agents développés manuellement sur AWS.
9 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.