Les observations sont la manière dont un agent perçoit les conséquences de ses actions.
Elles fournissent des informations cruciales qui alimentent le processus de réflexion de l’agent et orientent ses actions futures.
Ce sont des signaux provenant de l’environnement — qu’il s’agisse de données issues d’une API, de messages d’erreur ou de journaux système — qui guident le prochain cycle de réflexion.
Dans la phase d’observation, l’agent :
Par exemple, si une API météo renvoie les données “partiellement nuageux, 15°C, 60 % d’humidité”, cette observation est ajoutée à la mémoire de l’agent (à la fin du prompt).
L’agent l’utilise ensuite pour décider si des informations supplémentaires sont nécessaires ou s’il est prêt à fournir une réponse finale.
Cette intégration itérative des retours d’information assure que l’agent reste dynamiquement aligné avec ses objectifs, apprenant et s’ajustant constamment en fonction des résultats concrets.
Ces observations peuvent prendre de nombreuses formes, allant de la lecture de texte sur une page web à la surveillance de la position d’un bras robotisé. On peut les considérer comme des “logs” d’outils qui fournissent un retour textuel sur l’exécution d’une action.
| Type d’observation | Exemple |
|---|---|
| Retour système | Messages d’erreur, notifications de succès, codes de statut |
| Modifications de données | Mises à jour de base de données, modifications du système de fichiers, changements d’état |
| Données environnementales | Relevés de capteurs, métriques système, utilisation des ressources |
| Analyse des réponses | Réponses d’API, résultats de requêtes, sorties de calcul |
| Événements temporels | Dates limites atteintes, tâches programmées terminées |
Après avoir effectué une action, le framework suit les étapes suivantes dans l’ordre :
Nous avons maintenant appris le cycle de raisonnement-action-observation de l’agent.
Si certains aspects vous semblent encore un peu flous, ne vous inquiétez pas — nous reviendrons sur ces concepts et les approfondirons dans les prochaines unités.
Il est maintenant temps de mettre vos connaissances en pratique en codant votre tout premier agent !
< > Update on GitHub