Formation Concevoir des systèmes d'agents LLM avec AutoGen

Introduction aux systèmes d'agents LLM

• Concepts d'agents LLM et d'architecture multi-agents
• Vue d'ensemble du cadre AutoGen et de son écosystème
• Rôles des agents : proxy utilisateur, assistant, appelant de fonctions, etc.

Installation et configuration d'AutoGen

• Configuration de l'environnement Python et des dépendances
• Fondamentaux du fichier de configuration AutoGen
• Connexion aux fournisseurs de LLM (OpenAI, Azure, modèles locaux)

Conception des agents et affectation des rôles

• Compréhension des types d'agents et des modèles de conversation
• Définition des objectifs, des prompts et des instructions des agents
• Délégation de tâches basée sur les rôles et contrôle du flux

Appel de fonctions et intégration d'outils

• Enregistrement de fonctions pour l'usage par les agents
• Exécution de fonctions autonome et collaborative
• Connexion des API externes et des scripts Python aux agents

Gestion des conversations et de la mémoire

• Suivi des sessions et mémoire persistante
• Messagerie inter-agents et gestion des jetons
• Gestion du contexte et de l'historique des conversations

Flux de travail d'agents de bout en bout

• Construction de tâches collaboratives multi-étapes (par exemple, analyse de documents, révision de code)
• Simulation de dialogues utilisateur-agent et de chaînes de décision
• Débogage et affinage des performances des agents

Cas d'usage et déploiement

• Agents d'automatisation internes : recherche, reporting, scripting
• Bots orientés externalité : assistants de chat, intégrations vocales
• Empaquetage et déploiement des systèmes d'agents en production

Résumé et prochaines étapes