FORM-IA-EXP · 1 jour · Expert
IA industrialisable : multi-agents, MCP custom et mise en production
Concevoir, sécuriser et industrialiser un système multi-agents intégré à MCP — avec observabilité, guardrails et plan de gouvernance.
Objectif pédagogique
Les participants conçoivent un pipeline multi-agents (orchestrateur, analyste, rédacteur, validateur), exposent des tools métier via un serveur MCP custom, et produisent un plan de déploiement réaliste (traces, HITL, gouvernance, coûts).
Pour qui ?
- Architectes solutions / data / plateforme
- Ingénieurs ML / LLM et développeurs seniors
- Consultants techniques menant des POC vers la prod
- Lead tech responsables de la gouvernance IA
Prérequis
- Formation N1 (ou équivalent démontrable)
- Python solide (venv, tests, packaging basique)
- Expérience d’un framework / orchestration LLM
- Notions MCP (client/serveur, tools, resources)
Programme — matin
| Module | Contenu | Durée |
|---|---|---|
| M1 | Architectures multi-agents (patterns, state, stop conditions) | 50 min |
| M2 | MCP avancé (serveurs custom, validation, sécurité) | 50 min |
| M3 | Mémoire, RAG avancé (concepts), évaluation | 40 min |
| M4 | Industrialisation & DevOps IA (traces, guardrails, coûts, CI) | 40 min |
| M5 | Adaptation métier complexe & gouvernance | 30 min |
Programme — après-midi (labs)
| Module | Contenu | Durée |
|---|---|---|
| TP1 | Serveur MCP custom (CRM fictif — tools + resources) | 70 min |
| TP2 | Multi-agents : Orchestrateur + Analyste + Rédacteur + Validateur | 80 min |
| TP3 | Observabilité (traces JSONL), HITL, docs architecture / deploy / gouvernance | 60 min |
Pattern multi-agents du lab
Orchestrateur → Analyste (faits via tools CRM/MCP) → Rédacteur (rapport Markdown) → Validateur (règles + guardrails + HITL). Stop conditions : PASS · FAIL · NEED_APPROVAL · max_loops. Le même graphe accepte des nœuds optionnels Enrichisseur (open data) et Trieur (Bugzilla), vus dans le module Intégration.
Automatisation incluse
- Tests pytest (38) exécutables sans clé API ni réseau
- Preflight de poste (35 vérifications) et auto-évaluation du barème
- CI GitHub Actions, Devcontainer / Codespaces, Docker Compose
Livrables participants
- Monorepo type lab-expert : mcp_server/, agents/, tests/
- Docs : architecture, deploy-plan, governance, tests
- Preuves de traces / runs golden, failure & HITL