Chaîner les agents en profondeur

Des chaînes d’agents sans limite

L’API Agents de Mistral n’impose aucune limite de profondeur pour le chaînage des agents. Un agent peut transférer à un deuxième, qui transfère à un troisième, et ainsi de suite. Cette flexibilité permet de construire des workflows complexes et modulaires.

Architecture en chaîne

Chaîne linéaire

Le pattern le plus simple : chaque agent passe au suivant.

Agent A → Agent B → Agent C → Réponse

Exemple : Recherche → Analyse → Rédaction

# Agent de recherche
research = client.beta.agents.create(
    model="mistral-large-latest",
    name="research",
    description="Recherche d'informations factuelles.",
    tools=[{"type": "web_search"}]
)

# Agent d'analyse
analyst = client.beta.agents.create(
    model="mistral-large-latest",
    name="analyst",
    description="Analyse de données et extraction d'insights.",
    tools=[{"type": "code_interpreter"}]
)

# Agent de rédaction
writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="writer",
    description="Rédaction de rapports professionnels.",
    instructions="Rédigez un rapport structuré à partir des données analysées."
)

# Chaîner : research → analyst → writer
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

Chaîne avec routeur (étoile)

Un routeur central distribue vers des spécialistes :

          ┌→ Agent Web Search
Routeur ──┼→ Agent Calculateur
          └→ Agent Rédacteur

router = client.beta.agents.create(
    model="mistral-large-latest",
    name="router",
    description="Orchestre les requêtes.",
    handoffs=[research.id, analyst.id, writer.id]
)

Chaîne hybride (graphe)

Combinez les deux patterns : un routeur distribue, et les spécialistes peuvent se passer le relais entre eux :

          ┌→ Agent Research ──→ Agent Analyst
Routeur ──┤                          │
          └→ Agent Writer ←───────────┘

# Research peut transférer à Analyst
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

# Analyst peut transférer à Writer
analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

# Le routeur peut accéder à tous
router = client.beta.agents.update(
    agent_id=router.id,
    handoffs=[research.id, analyst.id, writer.id]
)

Patterns de production

Pipeline de traitement de données

# Étape 1 : Collecte
collector = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-collector",
    description="Collecte des données depuis Internet.",
    tools=[{"type": "web_search"}]
)

# Étape 2 : Nettoyage et transformation
transformer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-transformer",
    description="Nettoie et transforme les données brutes.",
    tools=[{"type": "code_interpreter"}]
)

# Étape 3 : Analyse et visualisation
visualizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-visualizer",
    description="Crée des visualisations et des graphiques.",
    tools=[{"type": "code_interpreter"}]
)

# Chaîner
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[transformer.id])
transformer = client.beta.agents.update(agent_id=transformer.id, handoffs=[visualizer.id])

Assistant de recherche académique

# Chercheur
searcher = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-searcher",
    description="Recherche d'articles et de publications académiques.",
    tools=[{"type": "web_search"}]
)

# Synthétiseur
synthesizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="synthesizer",
    description="Synthèse et comparaison de sources multiples.",
    instructions="Identifiez les points communs, les divergences et les lacunes."
)

# Rédacteur
academic_writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-writer",
    description="Rédaction académique structurée avec citations.",
    instructions="Rédigez au format académique avec introduction, méthodologie, résultats, discussion."
)

# Pipeline : searcher → synthesizer → writer
searcher = client.beta.agents.update(agent_id=searcher.id, handoffs=[synthesizer.id])
synthesizer = client.beta.agents.update(agent_id=synthesizer.id, handoffs=[academic_writer.id])

Gérer la profondeur

Même s’il n’y a pas de limite technique, gardez les chaînes raisonnables :

• 2-4 agents en chaîne couvrent la plupart des cas
• Au-delà de 5, la latence et le coût augmentent significativement
• Chaque agent ajoute des tokens de contexte (instructions + historique)

Astuce : un agent peut avoir plusieurs cibles

Un agent n’est pas limité à un seul handoff. Il peut avoir plusieurs cibles et choisir dynamiquement :

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id, visualizer.id, calculator.id]
)

L’agent choisit la cible en fonction du contexte de la conversation.

Points clés à retenir

• Pas de limite de profondeur pour le chaînage d’agents
• Trois patterns : linéaire (A→B→C), étoile (routeur→spécialistes), hybride (graphe)
• Chaque agent peut avoir plusieurs cibles de handoff
• En production, limitez à 2-4 agents en chaîne pour maîtriser latence et coûts
• Les descriptions des agents sont cruciales pour un routage efficace