Ingénierie de contexte pour les systèmes multi-agents : Allez au-delà des requêtes pour construire un moteur de contexte, une architecture transparente de contexte et de raisonnement - Broché

par Denis Rothman (Auteur)

Construire une IA qui pense en contexte en utilisant des plans sémantiques, une orchestration multi-agents, la mémoire, des pipelines RAG et des garde-fous pour créer votre propre moteur de contexte

Gratuit avec votre livre : version PDF sans DRM + accès au lecteur nouvelle génération de Packt*

Principales caractéristiques :

- Concevoir des plans sémantiques pour donner à l'IA une conscience contextuelle structurée et axée sur les objectifs

- Orchestrer des flux de travail multi-agents avec MCP pour un raisonnement adaptable et riche en contexte

- Concevoir un moteur de contexte « boîte de verre » avec RAG haute fidélité, confiance et garde-fous

Description du livre :

L'IA générative est puissante, mais souvent imprévisible. Ce guide vous montre comment transformer cette imprévisibilité en fiabilité en pensant au-delà des invites et en abordant l'IA comme un architecte. Au cœur de ce concept se trouve le moteur de contexte, un système multi-agents « boîte de verre » que vous apprendrez à concevoir et à appliquer dans des scénarios du monde réel.

Écrit par un gourou de l'IA et auteur de plusieurs livres d'IA de pointe, ce livre vous emmène dans un voyage pratique, des fondements de la conception de contexte à la construction d'un moteur de contexte entièrement opérationnel. Au lieu de vous fier à des invites fragiles qui ne donnent que des instructions simples, vous commencerez par des plans sémantiques qui cartographient les objectifs et les rôles avec précision, puis vous orchestrerez des agents spécialisés à l'aide du protocole de contexte de modèle (MCP). Au fur et à mesure que le moteur évolue, vous intégrerez la mémoire et la récupération haute fidélité avec des citations, vous mettrez en œuvre des garde-fous contre l'empoisonnement des données et l'injection d'invites, et vous imposerez une modération pour que les résultats restent alignés avec la politique. Vous renforcerez également le système en une architecture résiliente, puis vous le verrez pivoter à travers les domaines, de la conformité légale au marketing stratégique, prouvant son indépendance vis-à-vis du domaine.

À la fin de ce livre, vous serez doté des compétences nécessaires pour concevoir une architecture adaptable et vérifiable que vous pourrez réutiliser dans différents domaines et déployer en toute confiance.

*Inscription par e-mail et preuve d'achat requises

Ce que vous apprendrez :

- Développer des modèles de mémoire pour retenir le contexte à court terme et entre les sessions

- Élaborer des plans sémantiques et piloter l'orchestration multi-agents avec MCP

- Mettre en œuvre des pipelines RAG haute fidélité avec des citations vérifiables

- Appliquer des garde-fous contre l'injection d'invites et l'empoisonnement des données

- Imposer la modération et le contrôle axé sur les politiques dans les flux de travail de l'IA

- Réutiliser le moteur de contexte dans les domaines juridique, marketing et au-delà

- Déployer un moteur de contexte évolutif et observable en production

À qui s'adresse ce livre :

Ce livre est destiné aux ingénieurs en IA, aux développeurs de logiciels, aux architectes de systèmes et aux scientifiques des données qui veulent aller au-delà des invites ad hoc et apprendre à concevoir des systèmes d'IA structurés, transparents et conscients du contexte. Il intéressera également les ingénieurs ML et les architectes de solutions ayant une familiarité de base avec les LLM qui souhaitent comprendre comment orchestrer des agents, intégrer la mémoire et la récupération, et appliquer des garde-fous.

Table des matières

- Le plan sémantique : du prompt au contexte

- Construire un système multi-agents avec MCP

- Construire le système multi-agents conscient du contexte

- Assemblage du moteur de contexte

- Durcissement du moteur de contexte

- Construire l'agent de résumé pour la réduction du contexte

- RAG haute fidélité et défense : l'assistant de recherche inspiré de la NASA

- Architecture pour la réalité : modération, latence et IA axée sur les politiques

- Architecture pour la marque et l'agilité : le moteur de marketing stratégique

- Le plan pour une IA prête pour la production