AGENTS Avancés :
Architecture et industrialisation
(3 jours)


De la théorie à la pratique
avec LangChain, LangGraph et LangSmith

Nb. de jours
3
Présentiel ?
Oui
Distanciel ?
Oui
Min. participants
2
Max. participants
8
Lieu
Toulouse, Paris, etc.
Tarif
2690€ HT
AGENTS Avancés : <br/> Architecture et industrialisation
                <br/> (3 jours)
Passer d'un prototype multi-agents séduisant en environnement de développement à une application déployée à l'échelle de l'entreprise est un défi de taille. Si la modélisation de graphes basiques est désormais accessible, le passage à la production impose des contraintes de fiabilité drastiques : explosion des coûts de tokens, gestion de la latence, persistance de la mémoire à long terme et risques de sécurité inédits comme les injections de prompts ou les dérives de comportement.

Cette formation intensive de 3 jours est le prolongement expert de notre cursus socle. Conçue exclusivement pour les profils intermédiaires maîtrisant déjà les fondamentaux de l’orchestration, elle se concentre sur l’industrialisation, la sécurisation et l’optimisation des architectures agentiques complexes. L'objectif n'est plus seulement de créer des nœuds ou des arêtes, mais de structurer des systèmes hautement découplés à l'aide des architectures graphes avancées LangGraph.

Au cours de ce programme, vous plongerez dans les protocoles de communication avancés tels que Model Context Protocol (MCP) et Agent-to-Agent (A2A), et vous maîtriserez la sécurité applicative globale ainsi que l'isolation d'exécution via le sandboxing de code. Une large part de la formation sera dédiée à la maîtrise des performances et des coûts (TokenOps), ainsi qu'à l'écosystème LangSmith pour opérer une stratégie AgentOps complète : du traçage de graphes asynchrones à la supervision des métriques de production (coûts, latence), jusqu’à la mise en place de jeux de tests automatisés et de boucles d'auto-correction (self-evaluation).

Enfin, vous aborderez le packaging et les infrastructures de déploiement en production, en comparant les options d'hébergement LangGraph Server (Self-Hosted) et LangSmith Cloud (SaaS).
Fidèle à notre approche pédagogique, ce cursus consacre 70% de son temps à la pratique à travers des ateliers de refactoring, des simulations de pannes en production et la sécurisation d'environnements d'exécution, vous donnant toutes les clés pour déployer des agents robustes, rentables et de grade entreprise.

Objectifs

  • Industrialiser des architectures graphes d'entreprise avec LangGraph : Concevoir et déployer des topologies LangGraph avancées, hautement évolutives et découplées, en s'appuyant sur un registre de composants (Registry) et des patterns de conception avancés.
  • Sécuriser les agents et l'accès aux outils via le sandboxing : Garantir l'étanchéité du système face aux injections de prompts, isoler l'exécution de code grâce à des environnements de sandboxing strict, et encadrer la communication multi-agents via les protocoles A2A et MCP.
  • Optimiser les performances et la consommation financière (TokenOps) : Dompter la consommation de tokens et réduire la latence en production en appliquant les principes TokenOps (stratégies de cache, parallélisation de nœuds, routage et streaming d'état).
  • Piloter une stratégie AgentOps complète avec LangSmith : Traquer et diagnostiquer efficacement les anomalies sur des graphes asynchrones complexes, superviser les métriques de production et implémenter des pipelines d'auto-évaluation et d'auto-correction automatisés.
  • Mettre en œuvre les infrastructures et déploiements de production : Packager des agents d'entreprise et orchestrer leur déploiement sur des architectures de production dédiées, en évaluant l'usage de LangGraph Server (Self-Hosted) et LangSmith Cloud (SaaS).
Alexia Audevart
Pour connaitre les dates des prochaines sessions,
pour adapter le programme à vos besoins
ou pour obtenir des informations complémentaires,
contactez nous!

Méthode pédagogique

  • Composée à 70% de pratique, cette formation utilise des exercices illustrés et didactiques.
  • Une évaluation quotidienne de l’acquisition des connaissances de la veille est effectuée.
  • Une synthèse est proposée en fin de formation.
  • Une évaluation à chaud sera proposée au stagiaire à la fin du cours.
  • Un support de cours sera remis à chaque participant comprenant les slides sur la théorie, les exercices.
  • Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.
  • Un suivi et un échange avec les participants seront mis en place quelques jours après la formation.

Pré-requis

  • La connaissance du langage Python est nécessaire.
  • Des bases en LLM/RAG/Agents sont requises.
  • La maîtrise des frameworks LangChain et LangGraph est nécessaire, ou avoir suivi la formation « Au-delà du RAG : des fondations des LLM aux agents autonomes ».

Publics

  • Data Engineers
  • Data Scientists
  • Développeurs

Évaluation

Cette formation ne nécessite pas d’avoir recours à une évaluation formalisée des acquis

Programme

Architectures Graphes Avancées et Gestion de la Mémoire

Patterns d'Architecture et Déploiement
  • Patterns de conception avancés : Superviseur complexe, Réseau d'agents, Plan-and-Execute.
  • Architecture type de déploiement (Building Blocks) et mise en place d'un registre de composants (Registry) pour charger dynamiquement les prompts et les outils.
  • Lab Agent Registry : Remplacer trois agents de support dupliqués et codés en dur par un seul cœur d'agent piloté par configuration, via un pattern Registry.
Optimisation de la Mémoire et des Connaissances
  • Gestion et optimisation du contexte (court à long terme).
  • Stratégies de message truncation, persistence inter-sessions (Stores).
  • Gestion des skills (connaissance métier) par injection dynamique selon le nœud actif.
  • Gestion du contexte (context engineering).
  • Lab Memory & Context Management : Doter l'agent d'une mémoire court terme (checkpointer) et long terme (Store) persistante sur Postgres, avec compression de contexte et injection dynamique de skills/tools.

Sécurité, Protocoles et Haute Performance

Sécurité Applicative, MCP et Sandboxing
  • Concepts théoriques de la Communication Agentique : Introduction aux protocoles émergents A2A et MCP.
  • Sécurité des agents : Prompt injection, IAM/Gestion des droits, Guardrailing, contrôle de la supply chain.
  • Concepts de Sandboxing / CLI.
  • Lab Secure Code Interpreter : Sécuriser un agent qui exécute du code via trois couches indépendantes de défense en profondeur (guardrail, sandbox Docker, allow-list MCP).
Optimisation des Performances et TokenOps
  • Optimisation des performances face aux contraintes de temps de réponse (parallélisation, state streaming).
  • Optimisation des coûts et de la consommation des tokens (TokenOps).
  • Lab Performance & TokenOps : Réduire le coût et la latence d'un agent de production grâce à quatre leviers indépendants (cache, routage de modèle, budget, parallélisation) sans changer ses réponses.

AgentOps, Debugging et Évaluation avec LangSmith

Debugging et Supervision de Production
  • Plongée experte dans LangSmith.
  • Bonnes pratiques de debugging sur des graphes asynchrones.
  • Tagging, gestion des traces complexes, et supervision de la production (dashboards de latence, taux d'erreurs, coûts par nœud).
  • Lab Escape Game Agentique : Diagnostiquer et corriger des incidents de production réels en lisant des traces d'agent (arbre de spans) plutôt que le code ligne à ligne.
Évaluation et Self-Evaluation (Auto-Correction)
  • Stratégies d'évaluation automatisées (LLM-as-a-judge).
  • Création de datasets de test depuis les logs de production.
  • Implémentation de nœuds de Self-evaluation (le graphe s'auto-corrige).
  • Lab Self-Evaluation Loop : Construire une boucle d'auto-correction (LLM-as-judge + réécriture bornée) et un pipeline d'évaluation offline + LangSmith à partir de logs de production.
Déploiement & Infrastructures de Production
  • Packaging de l'agent.
  • Options d'hébergement : LangGraph Server Self-Hosted et LangSmith Cloud (SaaS).
  • Services Runtime & Persistence.
  • LangGraph Studio & Monitoring de Production.
  • Lab LangSmith Deployment : Packager un agent existant en LangGraph Server et le faire tourner localement via langgraph dev (sans Docker) et langgraph up (avec Docker) avec LangGraph Studio en UI de debug.

FREN