Agentic AI

1. Architecture d'agents 

1.1    Comprendre la notion d'agents et le principe des outils.
1.2  Maîtriser la boucle de réflexion / action utilisée par tous les agents.
1.3  Développer des agents ReAct et Plan-and-Execute nativement en Python.
1.4  Utiliser un modèle d'agent Devstral et le personnaliser avec des prompts adaptés.

2. Graphe d'exécution avec Langraph

2.1    Représenter les agents sous forme de graphes avec LangGraph.
2.2  Maîtriser les architectures d'agents plus avancées (Tree-of-Though, ReWOO, LLMCompiler).
2.3  Utiliser les fonctionnalités de streaming et de persistance de l'état des graphes.
2.4  Paramétrer et adapter des architectures d'agents en fonction des besoins.


3. Systèmes multi-agents 

3.1    Coordonner des agents avec un système de supervision d'agents.
3.2  Créer un ensemble d'agents avec le réseau d'agents.
3.3  Appliquer les systèmes multi-agents sur des cas concrets.

4. Intégration de services 

4.1    Maîtriser le MCP (Model Context Protocol) pour interagir avec des API tierces.
4.2  Intégrer des services Web populaires avec le protocole MCP.
4.3  Concevoir des applications interactives avec le MCP.