03Mas

Approche multi-agents

Nous adoptons ici une approche multi-agents avec des agents spécialistes : un agent chargé de l’orchestration délègue les opérations, d’autres agents exécutent les actions, et un agent critique valide le résultat. Ce pipeline peut être implémenté à l’aide de la bibliothèque LangGraph.

Architecture

En partant de la requête de l’utilisateur, vous demandez à un agent orchestrateur de déterminer un plan de résolution.

Le diagramme ci-dessous illustre le plan de l’orchestrateur :

1. l’orchestrateur reçoit la question de l’utilisateur et planifie les délégations ;
2. le chercheur collecte les faits pertinents via les outils externes ;
3. l’analyste raisonne sur ces faits pour construire une réponse ;
4. le critique valide la réponse ou renvoie le chercheur en cas d’insuffisance ;
5. le synthétiseur produit la réponse finale approuvée à destination de l’utilisateur.

Le premier Système Multi-Agents (SMA) est implémenté dans le fichier mas.py.

Communication inter-agents

La structure de données AgentState représente l’état global du système à la manière d’un modèle de « tableau noir » (blackboard).

Le SMA est composé de 5 agents spécialistes :

• l’orchestrateur décompose la question initiale en tâches pour les agents suivants ;
• le chercheur collecte des faits via DuckDuckGo et les soumet au LLM enrichi de ce contexte ;
• l’analyste raisonne sur ces faits pour produire une analyse approfondie ;
• Le critique évalue la qualité factuelle et la rigueur de l’analyse, et retourne soit APPROVED soit RETRY accompagné d’instructions correctives ;
• le synthétiseur produit la réponse finale structurée à destination de l’utilisateur.

La fonction de routage should_retry relance le processus ou demande une synthèse selon la valeur retournée par l’agent critique. Le schéma d’orchestration workflow est défini à l’aide de la bibliothèque LangGraph.

Exécutez le premier système multi-agents (SMA) implémenté dans le fichier mas.py. Combien d’itérations sont déclenchées ?

Dans un second SMA, qui est défini dans le fichier masScore.py, la fonction should_retry est modifiée pour intégrer un score de confiance numérique (0-10) plutôt qu’un APPROVED=/=RETRY binaire, et le critique retourne ce score dans sa réponse. Quel score obtenez-vous ?

Dans un troisième SMA, qui est défini dans le fichier masFactChecker.py, un nœud FactChecker est intercalé entre Researcher et Analyst : il extrait de 3 à 5 affirmations clés des recherches, vérifie chacune d’elles par une nouvelle recherche DuckDuckGo et l’étiquette CONFIRMED, UNCERTAIN ou REFUTED avant de transmettre ce rapport à l’analyste. Exécutez ce troisième SMA et comparez les résultats obtenus.