Agents
Open sourceRFP Agent on Microsoft Foundry
Ce dépôt de démonstration montre le passage d’un raisonnement purement fondé sur le modèle à des agents d’entreprise ancrés dans les données. Il commence par une évaluation à agent unique, ajoute la recherche Foundry IQ sur les opportunités et propositions passées, ancre un agent dans des outils CRM, d’architecture et de coûts, puis ajoute le traçage et l’évaluation. Harness Office représente l’orchestration comme un bureau observable : un agent principal planifie, délègue à un agent de relecture de style et demande une validation humaine avant qu’un autre agent puisse chercher sur le web.
- Mon rôle
- Créateur et développeur
- Début
- Mise à jour
- Visibilité
- Open source
- démos progressives, de la base à l’observabilité
- 5
- agents qui collaborent, chacun avec son rôle
- 3
- validation avant toute recherche web
- Humain
Problème
Les démos d’agents d’entreprise sautent souvent directement à une réponse léchée, en cachant l’ancrage, la délégation et les validations qui rendent les agents dignes de confiance.
Solution
Une série de démos progressives où chaque recherche, délégation, nouvelle tentative et validation est un véritable événement d’outil ou de middleware, visible par l’utilisateur.
Architecture
Des opportunités et propositions synthétiques sont indexées dans des bases de connaissances Azure AI Search utilisées via Foundry IQ. Les agents Agent Framework appellent des outils bornés, délèguent à des sous-agents et publient via une étape de revue, avec des traces exportées vers Foundry, OTLP ou Application Insights.
Ce que j’en retiens
Rendre visible le travail des agents change la discussion avec les parties prenantes. On fait davantage confiance à un agent quand on peut le voir planifier, citer ses sources et attendre une validation.
Technologies
- Microsoft Agent Framework
- Microsoft Foundry
- Foundry IQ
- Azure AI Search
- OpenTelemetry
- Python
#agents #rag #human-in-the-loop #observability
Plus de captures d’écran
