GCP300ADKAE
Déployer des systèmes multi-agents avec l'Agent Development Kit et l'Agent Engine
Dans ce cours, vous apprendrez à utiliser le Google Agent Development Kit pour construire des systèmes multi-agents complexes. Vous construirez des agents équipés d'outils et les connecterez avec des relations parent-enfant et des flux pour définir comment ils interagissent. Vous exécuterez vos agents localement et les déploierez sur Vertex AI Agent Engine pour qu'ils fonctionnent comme un flux agentique géré, avec les décisions d'infrastructure et la mise à l'échelle des ressources gérées par Agent Engine.
Ce que vous allez apprendre
- Construire un agent avec des outils en utilisant le Google Agent Development Kit.
- Établir des modèles d'interaction entre plusieurs agents avec des relations parent-enfant et des flux.
- Utiliser des fonctionnalités telles que la mémoire de session, le stockage d'artefacts et les rappels.
- Déployer une application multi-agents sur l'Agent Engine.
- Interroger une application d'agent fonctionnant sur l'Agent Engine.
- Évaluer les agents au sein de l'Agent Development Kit.
Prérequis
- Python
- ingénierie de prompt pour l'IA générative
- utilisation d'outils d'IA générative
Public cible
- Ingénieurs en machine learning, Ingénieurs en IA générative
Programme de la Formation
5 modules pour maîtriser les fondamentaux
Objectifs
- Expliquer comment l'Agent Development Kit se compare à d'autres outils tels que le SDK Google Gen AI ou LangChain.
- Décrire les paramètres utilisés pour construire un agent dans l'Agent Development Kit.
Sujets abordés
- →Les bases de la construction d'un agent dans l'Agent Development Kit.
Objectifs
- Discuter de l'importance des docstrings structurés et du typage lors de l'écriture de fonctions d'outils pour les agents.
- Démontrer la capacité de fournir des outils à un agent.
- Lister les outils courants et utiles disponibles pour les agents de l'Agent Development Kit, y compris les outils LangChain.
Sujets abordés
- →Améliorer les agents avec des outils et couvrir la gamme croissante d'outils disponibles.
Activités
Lab : Démarrer avec l'Agent Development Kit (ADK)
Lab : Doter les agents ADK d'outils
Objectifs
- Décrire la structure des répertoires et les conventions de nommage encouragées par l'Agent Development Kit.
- Démontrer la capacité de créer plusieurs agents et de les relier les uns aux autres avec des relations parent-enfant.
- Décrire les différentes options de flux et quand vous pourriez les utiliser.
- Obtenir des réponses qui sont passées par plusieurs agents.
- Contrôler le contenu à différents points avec des rappels.
Sujets abordés
- →Gérer la communication et le partage de tâches entre les agents grâce à des relations parent-enfant et des flux pour permettre des réponses coordonnées aux requêtes.
Activités
Lab : Construire des systèmes multi-agents avec l'ADK
Objectifs
- Décrire les avantages du déploiement d'agents, en particulier les systèmes multi-agents, sur l'Agent Engine par rapport à l'auto-hébergement, comme dans les prédictions en ligne de Vertex AI.
- Démontrer le déploiement sur l'Agent Engine.
- Démontrer l'interrogation d'une application d'agent déployée.
Sujets abordés
- →Déploiement d'applications d'agents sur l'Agent Engine et interrogation des réponses.
Activités
Lab : Déployer les agents ADK sur l'Agent Engine
Objectifs
- Évaluer les agents au sein de l'Agent Development Kit.
- Utiliser l'interface web pour visualiser les évaluations.
Sujets abordés
- →Évaluer les agents au sein de l'Agent Development Kit.
Processus Qualité
L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité
Méthodes pédagogiques mobilisées
- Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
- Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
- Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
- Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi
L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :
- Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
- Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
- Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.
Prochaines sessions
17 avril 2026
Distanciel • Français
10 juillet 2026
Distanciel • Français
8 octobre 2026
Distanciel • Français
Former plusieurs collaborateurs
- Tarifs dégressifs (plusieurs places)
- Session privée ou sur-mesure
- En présentiel ou à distance