Agent Studio
En bref
Agent Studio vous permet de creer, configurer et evaluer des agents IA relies a votre ontologie et votre base de connaissances. L'agent repond a vos questions en langage naturel en interrogeant vos donnees, en executant des requetes SQL ou graph, et en synthetisant une reponse sourcee.
Exemple concret : vous demandez "Quels fournisseurs ont livre plus de 100 commandes ce trimestre ?". L'agent identifie la bonne requete, l'execute sur vos donnees, et vous repond avec les resultats et leurs sources.
Ce que vous allez faire
- Creer un agent a partir d'un template metier
- Configurer ses outils et son contexte ontologie
- Tester des scenarios reussis et en erreur
- Ajuster le comportement avant mise en production
- Suivre les executions en temps reel dans le Hub
- Observer le cheminement de raisonnement dans le Visualiseur
Vocabulaire cle
| Terme | Signification | Exemple |
|---|---|---|
| Agent | Programme IA qui recoit une question, planifie des actions et synthetise une reponse. | Agent "Analyse Supply Chain" |
| Session | Une execution complete de l'agent (question → reponse). | Session #42 — "Top fournisseurs" |
| Outil (Tool) | Capacite que l'agent peut utiliser pour acceder aux donnees. | Requete SQL, recherche vectorielle, lecture graph |
| Iteration | Un cycle de raisonnement de l'agent (planifier → executer → evaluer). | 2 iterations pour une question complexe |
| Fast Path | Mode accelere qui saute l'evaluation pour les questions simples. | Comptage, lookup direct |
| Hub | Tableau de bord Kanban montrant toutes les sessions en cours et terminees. | Colonnes : En cours, Action requise, Termine |
Parcours recommandes
Creer un agent
Choisir un template et definir le role de l'agent.
Configurer les outils
Activer les capacites utiles et le contexte ontologie.
Tester et evaluer
Valider les reponses, limites et erreurs avant diffusion.
Monitoring
Suivre les executions en temps reel dans le Hub.
Visualiseur
Observer le raisonnement de l'agent etape par etape.
Liens avec les autres modules
- Ontologie : l'agent explore votre modele metier pour comprendre la structure de vos donnees.
- Base de connaissances : l'agent recherche dans vos documents importes pour enrichir ses reponses.
- Workflows : le bloc AI Agent permet d'integrer l'agent dans un workflow automatise.
- MCP : l'agent est accessible depuis des clients IA externes via le protocole MCP.
Resultat attendu
Vous disposez d'un agent testable, tracable et aligne avec votre usage metier prioritaire. Chaque reponse est sourcee et le raisonnement est observable.
Point de vigilance
Evitez d'activer trop d'outils au debut. Partez d'un socle minimal puis etendez progressivement.
Besoin d'aide ?
Ecrivez-nous : Support et contact.