Agent Lab (beta)
Utilisez l'Agent Lab sur IBM watsonx.ai pour construire et déployer un agent d'intelligence artificielle qui peut être utilisé pour rendre vos applications plus flexibles et dynamiques. Vous pouvez configurer l'agent pour qu'il prenne des décisions et exécute des tâches au nom d'un utilisateur final en utilisant les paramètres et les outils que vous spécifiez dans les paramètres de l'agent.
Avant de commencer
Si vous vous êtes inscrit sur watsonx.ai et que vous avez un projet sandbox, toutes les conditions sont remplies et vous êtes prêt à utiliser l'Agent Lab.
Vous devez remplir les conditions suivantes pour utiliser l'Agent Lab :
- Vous devez avoir un projet.
- Le projet doit être associé à une instance de service watsonx.ai Runtime. Sinon, vous serez peut-être invité à associer le service lorsque vous ouvrirez le Labo de l'agent.
- Autorisations requises
- Pour créer un agent, vous devez avoir le rôle d' administrateur ou d' éditeur dans un projet.
Procédure
L'Agent Lab vous permet de créer et de personnaliser facilement votre agent d'intelligence artificielle avec un minimum de codage. Vous définissez les paramètres de l'interaction entre l'agent et l'utilisateur final, y compris le modèle de base, le cadre, l'architecture et les outils que l'agent utilise pour accomplir une tâche.
Regardez cette vidéo pour savoir comment créer un agent dans Agent Lab.
Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.
Pour créer un agent d'intelligence artificielle, suivez les étapes suivantes :
Sur la page d'accueil d' watsonx.ai, choisissez un projet, puis cliquez sur la vignette Nouvel élément > Créer un agent IA pour automatiser les tâches.
Sélectionnez un modèle de fondation et mettez éventuellement à jour les paramètres du modèle. Pour plus de détails, voir Configuration du modèle de fondation.
Pour configurer votre agent, spécifiez un nom pour l'agent et décrivez les tâches qu'il effectue.
Facultatif : Sélectionnez une icône et une image de fond pour personnaliser l'affichage de votre agent dans le volet Aperçu de l'agent.
Sélectionnez le cadre d'agent d'IA que vous souhaitez utiliser pour créer, déployer et gérer votre agent.
Remarque :Actuellement, watsonx.ai propose LangGraph comme seul choix de cadre. Sélectionner l'architecture qui met en œuvre le raisonnement de l'IA agentique.
Remarque :Actuellement, watsonx.ai propose ReAct comme seul choix d'architecture. Définir des instructions spécifiques pour votre agent qui est utilisé pour améliorer l'invite du système pour le modèle de fondation. Les instructions peuvent inclure l'utilisation d'un langage, d'un format de date ou d'heure spécifique, d'un message d'accueil utilisateur ou d'un outil externe comme source d'information au lieu de la base de connaissances d'un modèle de base.
Sélectionnez un ou plusieurs outils externes que le cadre de l'agent peut invoquer pour composer une réponse. Vous pouvez choisir des outils à partir d'une liste d'outils prédéfinis ou créer votre propre outil personnalisé. Pour plus de détails, voir Configuration des outils.
Facultatif : Ajoutez des exemples de questions que l'utilisateur peut soumettre pour commencer à interagir avec l'agent.
Testez votre agent dans le volet d'aperçu de l'agent pour vous assurer qu'il génère le résultat correct en utilisant une combinaison du modèle de base et des outils pertinents.
Pour préserver votre travail afin de pouvoir le réutiliser ou le partager avec des collaborateurs dans le projet en cours, enregistrez votre travail en tant que ressource du projet. Pour plus de détails, voir Sauvegarde des agents.
Options de configuration de l'agent
Vous pouvez personnaliser le modèle de base et les outils que votre agent utilise pour prendre des décisions, agir et interagir avec des environnements externes.
Configuration du modèle de fondation
Lorsque vous créez un workflow agentique, choisissez un modèle de base qui répond aux exigences suivantes :
- Gestion des tâches liées au chat
- Prise en charge de l'appel d'outils
- Répond bien aux techniques d'incitation à la réflexion en chaîne et choisit l'action suivante
- Bonne performance dans les tests de raisonnement
Pour contrôler la manière dont le modèle génère des résultats, vous pouvez spécifier les paramètres suivants :
- Pénalité de fréquence
- Si le résultat généré pour l'invite, le modèle et les paramètres choisis contient systématiquement du texte qui apparaît plusieurs fois, vous pouvez essayer d'ajouter une pénalité de fréquence. Lorsqu'elle est activée, la pénalité diminue les scores de probabilité des jetons qui ont été utilisés plusieurs fois, de sorte que le modèle est moins susceptible de les répéter. Une valeur plus élevée permet d'obtenir des résultats plus divers et variés.
- Valeurs prises en charge : Nombre à virgule flottante compris entre -2.0 (pas de pénalité) et 2.0 (pénalité maximale)
- Valeur par défaut : 0.0
- Utilisation : plus la pénalité est élevée, moins il est probable que le résultat contienne du texte qui est apparu fréquemment dans l'interaction jusqu'à présent.
- Pénalité de présence
- Si le résultat généré pour l'invite, le modèle et les paramètres choisis contient du texte qui est apparu plus tôt dans l'interaction, vous pouvez essayer d'ajouter une pénalité de présence. Lorsqu'elle est activée, la pénalité diminue les scores de probabilité des jetons qui ont déjà été utilisés, de sorte que le modèle est moins susceptible de les répéter. Une valeur plus élevée permet d'obtenir des résultats plus divers et variés.
- Valeurs prises en charge : Nombre à virgule flottante compris entre -2.0 (pas de pénalité) et 2.0 (pénalité maximale)
- Valeur par défaut : 0.0
- Utilisation : plus la pénalité est élevée, moins il est probable que le résultat contienne du texte déjà apparu dans l'interaction jusqu'à présent.
- Temperature
- Technique d'échantillonnage que le modèle utilise pour sélectionner les jetons dans la sortie générée en aplatissant ou en affinant la distribution de probabilité sur les jetons à échantillonner.
- Top P (échantillonnage de noyau)
- Technique d'échantillonnage que le modèle utilise pour sélectionner les jetons dans la sortie générée en échantillonnant les jetons ayant les scores de probabilité les plus élevés jusqu'à ce que la somme des scores atteigne la valeur seuil spécifiée.
- Nombre maximum de nouveaux jetons
- Le paramètre Max tokens contrôle le nombre maximum de tokens dans la sortie générée. Le nombre maximum de jetons autorisés dans la sortie diffère selon le modèle. Pour plus de détails, voir les informations sur le nombre maximum de jetons dans la section Modèles de fondation pris en charge.
Configuration des outils
Vous pouvez configurer votre agent pour qu'il utilise un ou plusieurs outils externes afin de récupérer des informations supplémentaires pour étayer les requêtes soumises au modèle de base afin de générer une réponse.
Vous pouvez choisir parmi une liste d'outils fournis ou créer votre propre outil personnalisé pour traiter des données spécialisées et générer un résultat spécifique. Pour plus d'informations, voir Création d'un outil personnalisé.
Vous pouvez également mettre à jour la configuration des outils en cliquant sur l'icône Configurer 
. Voici quelques exemples de personnalisation des outils :
- Spécifier une limite au nombre de résultats renvoyés par un moteur de recherche tiers.
- Fournir l'index vectoriel d'un fichier source à utiliser par un outil de recherche documentaire. Pour plus de détails sur la manière d'ajouter des documents à un magasin de données vectorielles dans votre projet, voir Ajout de documents vectorisés pour les invites de modèle de fondation de mise à la terre.
Etape suivante
Vous pouvez désormais déployer votre agent en tant que service d'IA dans un espace de déploiement. Pour plus d'informations, voir Déployer des services d'IA avec des outils.
En savoir plus
Sujet parent : Automatiser des tâches avec des agents d'intelligence artificielle