Composants essentiels de l'agent IA

Si nous comparons un agent IA à unrestaurant intelligent, comment transforme-t-il vos besoins en plats qui vous sont servis ? Cela repose sur ses quatre composants essentiels :Cerveau, Outils, Mémoire et Planification。

• Cerveau :Il est chargé de comprendre les commandes, de déterminer les objectifs et de décider de la séquence ; il est le centre de commande du restaurant.
• Outils :Il est chargé de l'exécution pratique, notamment couper et préparer, cuisiner, acheter et d'autres actions, transformant les décisions en opérations exécutables.
• Mémoire :Elle est chargée d'enregistrer les préférences du client, les étapes en cours et le contenu traité, afin de garantir que le processus ne soit ni chaotique ni répétitif.
• Planification :Elle est chargée de décomposer l'ensemble du plat en étapes, de déterminer l'ordre et de veiller à ce que les tâches progressent dans le processus jusqu'à leur achèvement.

Architecture globale

La figure suivante montre les cinq couches des composants d'un Agent IA et leur collaboration. La couche de perception reçoit les entrées externes, le cerveau est chargé de la compréhension et de la prise de décision, la couche de planification décompose les tâches, la couche d'outils est chargée de l'exécution, et la couche de mémoire traverse l'ensemble, fournissant un support d'état pour toutes les étapes.

0. Couche de perception (Perception) — La réception du restaurant

Rôle: chargé d'accueillir les clients et de comprendre toutes les entrées du monde extérieur.

Avant d'agir, un Agent doit d'abord « voir » et « entendre » les informations externes. Les Agents modernes ne sont plus limités à une entrée de texte brut ; ils ontune perception multimodalecomme capacité :

• Entrée texte: instructions en langage naturel de l'utilisateur, contenu de documents et code.
• Images / Vidéos: captures d'écran, maquettes de conception et graphiques ; l'Agent peut directement « regarder des images » pour comprendre.
• Données structurées: tables, JSON, résultats de requêtes de base de données.
• État de l'environnement: dans les agents d'opération informatique, l'état actuel de l'écran, la structure DOM de la page Web, etc.
• Résultats renvoyés par les outils: la sortie de l'appel d'outil précédent sert de nouvelle entrée de perception pour le cycle suivant.

Les entrées de la couche de perception sont intégrées pour former le « contexte actuel » de l'agent, qui est envoyé au cerveau pour la compréhension et la prise de décision.

1. Cerveau — c'est-à-dire le grand modèle

Rôle: lechef cuisinier et gérant du restaurant。

C'est la partie la plus centrale de l'agent (par exemple, GPT-4, Claude, DeepSeek, Qwen).

• Il est chargé decomprendrece que vous voulez manger (comprendre l'intention).
• Il est chargé dedirigerles autres pour qu'ils travaillent (prise de décision).
• Sans lui, tout le restaurant serait paralysé.

Trois choses essentielles que fait le cerveau

2. Outils — Équipement dans la cuisine

Rôle：Ustensiles de cuisine et aides。

Avoir seulement le chef de cuisine (cerveau) ne suffit pas ; il faut aussi des casseroles et des poêles pour cuisiner. Pour les agents IA, les outils sont des unités d'exécution qui transforment les décisions en actions réelles.

Les outils peuvent être divisés en quatre catégories selon leur objectif :

Exemples d'outils courants :

• Recherche en ligne Récupération d'informations(Comme aller au marché de produits frais acheter des ingrédients frais)
• Interpréteur de code. Exécution de calculs(comme un four de précision, traitant des calculs complexes)
• Outil de dessin Contenu généré(Comme un artiste du dressage, responsable de l'esthétique)
• Interface API Interaction système(Comme un coursier de livraison, qui fait le lien avec le monde extérieur)

3. Mémoire — Carnet de suivi client

Rôle：La mémoire du serveur。

Vous n'aimez sûrement pas devoir répéter à chaque fois que vous allez au restaurant : je ne mange pas de coriandre !

La mémoire de l'agent est divisée en les types suivants :

• Mémoire à court terme (mémoire en contexte): la fenêtre de contexte de la conversation actuelle. Elle se souvient de ce que vous venez de dire (par exemple, si vous venez de commander du poisson et que votre phrase suivante est « légèrement épicé », elle sait que cela fait référence au poisson). Limitée par la longueur de contexte du modèle, généralement entre 8K et 200K tokens.
• Mémoire à long terme (mémoire externe): mémoriser vos préférences à long terme (par exemple, vous êtes végétarien, ou votre adresse personnelle). Généralement viaune base de données vectorielle(comme Pinecone, Milvus, Chroma) pour un stockage persistant.
• Mémoire épisodique: une trace du processus d'exécution des tâches passées, incluant « comment j'ai géré cette situation la dernière fois », aidant l'Agent à apprendre de l'expérience passée.
• Mémoire sémantique: connaissances et faits abstraits, généralement issus de contenu déjà internalisé pendant la phase de pré-entraînement, et pouvant aussi être complétés dynamiquement via RAG (génération augmentée par récupération).

RAG : donner aux agents une « base de connaissances externe »

Génération augmentée par récupération (RAG)est actuellement la solution de mise en œuvre de mémoire à long terme la plus répandue. Son processus central est le suivant :

4. Planification — Fiche de déroulement de cuisson

Rôle：La procédure opérationnelle standard de service des repas de la cuisine。

Quand vous commandez un « Bouddha saute par-dessus le mur », le chef principal n'improvise pas ; il génère plutôt une liste de contrôle dans sa tête :

1. D'abord préparer les ingrédients (ormeau, concombre de mer...)
2. Ensuite, laisser mijoter le bouillon
3. Enfin, cuire à feu doux

Il en va de même pour un Agent. Lorsque vous lui donnez une tâche complexe (par exemple, « rédiger un rapport d'analyse concurrentielle »), il la décompose de lui-même :

• Étape 1 : recueillir des informations sur les concurrents A, B et C.
• Étape 2 : comparer leurs prix et caractéristiques.
• Étape 3 : rédiger les résultats de la comparaison dans un article.
• Étape 4 : vérifier les fautes de frappe.

Stratégies de planification courantes

Les stratégies de planification déterminent comment un Agent « pense » puis « agit » ; différentes stratégies diffèrent par la profondeur de raisonnement et les scénarios applicables :

5. Boucle d'exécution de l'Agent (Agent Loop)

Les composants ci-dessus n'existent pas isolément ; ils forment une boucle ferméePerception—Pensée—Action—Observationcontinuellement itérative, qui est la « boucle de l'Agent ». L'Agent répète continuellement cette boucle jusqu'à ce que la tâche soit terminée ou qu'une condition de terminaison soit atteinte.

Cette boucle donne à l'Agent la capacité des'auto-corriger en cas d'échecLa capacité : si un appel d'outil à une étape quelconque renvoie une erreur ou un résultat inattendu, l'étape « Observation » renvoie cette information au cerveau, et le cerveau ajuste sa stratégie au tour suivant de « pensée ».

Résumé

Lorsque vous dites à l'Agent :Veuillez vérifier la météo de demain à Pékin ; s'il pleut, rédigez un rappel et envoyez-le à Xiao Wang.

Voici comment l'Agent fonctionne en interne :

1. Couche de perception: Reçoit l'instruction en langage naturel et identifie les entités clés « Pékin », « demain », « Xiao Wang ».
2. Cerveau: Entend l'instruction et analyse deux tâches conditionnelles : vérifier la météo, et s'il pleut alors envoyer un rappel.
3. Planification: D'abord vérifier la météo → déterminer s'il va pleuvoir → (le cas échéant) écrire un rappel → envoyer.
4. Outil: Appelle l'« outil d'interrogation météo » et obtient le résultat — il pleuvra demain.
5. Mémoire: Se rend dans les contacts (banque de mémoire) pour rechercher les coordonnées de Xiao Wang.
6. Outil: Appelle l'« outil d'envoi de message » pour envoyer le rappel.
7. Observation: Confirme que le message a été envoyé avec succès, que la tâche est terminée et que la boucle se termine.

Schéma du processus d'exécution :

Les cinq composants principaux en un coup d'œil