Cas d'utilisation de l'IA agentive : administrer l'apprentissage interactif

Ce document décrit une architecture de haut niveau pour une application qui génère et administre un quiz d'apprentissage interactif avec un workflow d'IA agentif. L'agent évalue les connaissances d'un utilisateur sur un sujet spécifique et utilise un état de session persistant et une mémoire à long terme pour créer une expérience personnalisée. L'agent conserve un historique des réponses de l'utilisateur, ce qui lui permet d'ajuster dynamiquement la difficulté et le contenu des questions suivantes.

Ce document s'adresse aux architectes, aux développeurs et aux administrateurs qui créent et gèrent des applications d'IA agentique. Cette architecture est adaptable pour créer des applications éducatives interactives et avec état dans divers secteurs. Ce document suppose que vous possédez des connaissances de base sur les systèmes d'agents d'IA. Pour en savoir plus sur les différences entre les agents et les systèmes non agentiques, consultez Quelle est la différence entre les agents IA, les assistants IA et les bots ?

La section Déploiement de ce document fournit des liens vers des exemples de code pour vous aider à tester le déploiement d'une application d'IA agentique qui exécute un workflow de science des données.

Architecture

Le diagramme suivant illustre une architecture de haut niveau pour un agent d'apprentissage interactif.

Architecture d'un agent d'apprentissage interactif.

L'architecture présente le flux de données suivant :

  1. Un utilisateur effectue une action, comme démarrer un quiz ou envoyer une réponse, dans l'application de quiz hébergée sur Cloud Run.
  2. L'application transmet la saisie de l'utilisateur à l'agent d'IA.

  3. L'agent d'IA utilise le modèle Gemini sur Vertex AI pour interpréter l'entrée de l'utilisateur. En fonction de la demande de l'utilisateur, l'agent appelle les outils appropriés pour effectuer l'action demandée concernant le quiz.

    Par exemple, l'agent sélectionne un outil pour démarrer une session de quiz, évaluer une réponse ou générer la question suivante.

  4. L'agent envoie la réponse à l'application de quiz.

  5. L'application de quiz transmet la réponse à l'utilisateur.

Pour maintenir l'état du quiz et personnaliser l'expérience, l'agent effectue les tâches en arrière-plan suivantes :

  • L'application d'agent ajoute la dernière progression et le dernier score du quiz à l'historique de la session enregistrée stockée dans Vertex AI Agent Engine Sessions.
  • L'agent transforme les données du quiz en souvenirs et les stocke dans la banque de mémoire pour une récupération à long terme. L'agent utilise les données historiques stockées en mémoire pour générer des réponses contextuelles lors des prochaines sessions.

Produits utilisés

Cette architecture d'exemple utilise les produits Google Cloud suivants :

  • Cloud Run : plate-forme de calcul gérée qui vous permet d'exécuter des conteneurs directement sur l'infrastructure évolutive de Google.
  • Agent Development Kit (ADK) : ensemble d'outils et de bibliothèques permettant de développer, de tester et de déployer des agents d'IA.
  • Vertex AI : plate-forme de ML qui vous permet d'entraîner et de déployer des modèles de ML et des applications d'IA, et de personnaliser les LLM à utiliser dans des applications basées sur l'IA.
  • Sessions Vertex AI Agent Engine : service de stockage persistant qui enregistre et récupère l'historique des interactions entre un utilisateur et des agents.
  • Memory Bank : service de stockage persistant qui génère, affine, gère et récupère les souvenirs à long terme en fonction des conversations d'un utilisateur avec un agent.

Déploiement

Pour déployer un exemple d'implémentation de cette architecture qui propose des quiz sur le codage, utilisez l'exemple de code Python pour le tutoriel disponible sur GitHub.

Étapes suivantes

Contributeurs

Auteur : Samantha He | Rédactrice technique

Autres contributeurs :