Tâche durable pour les agents d'IA

Le planificateur de tâches durables, combiné au modèle de programmation Durable Task, fournit l’infrastructure sous-jacente pour une exécution durable, la gestion de l’état, le point de contrôle et la coordination distribuée afin que votre code de l’agent n’ait pas besoin.

Avec le modèle de programmation Durable Task, vous pouvez créer des flux de travail agentiques résilients et avec état à l’aide de constructions de programmation standard (boucles, conditions et gestion des erreurs) dans .NET, Python, Java et JavaScript/TypeScript, tandis que le runtime conserve l’état et récupère automatiquement des défaillances.

Bien que le modèle de programmation Durable Task ne soit pas un framework d'agent lui-même, il fonctionne avec n'importe quelle infrastructure d'agent IA, y compris Microsoft Framework Agent, LangChain ou des appels d'API LLM directs. Cette séparation des préoccupations vous permet de vous concentrer sur la logique de l’agent tandis que Durable Task gère l’exécution fiable à grande échelle.

Dans cet article, vous découvrirez :

Les défis de production que l'exécution durable résout

Les agents IA opérant en production sur des tâches réelles sont généralement persistants, dotés d’un état, et reposent sur des outils ainsi que des services externes. Les interactions humaines dans la boucle, les chaînes de raisonnement en plusieurs étapes et les flux de travail augmentés par les outils peuvent maintenir une session d’agent active pendant des heures, des jours ou même des semaines. Tout au long de ce temps, l’agent accumule l’état, y compris l’historique des conversations, les résultats intermédiaires et les décisions en attente, qui doivent être conservées à chaque étape.

Le traitement de gros volumes de jetons LLM est coûteux et fastidieux. Les fournisseurs de modèles peuvent imposer des limites de débit qui ralentissent votre agent au milieu du flux de travail. Si une défaillance d’infrastructure, telle qu’un redémarrage de machine virtuelle ou une panne réseau, se produit en partie via une tâche d’agent en plusieurs étapes, les jetons déjà consommés et le temps déjà passé sont perdus.

Les interruptions affectant les workflows d’agents persistants, qu’elles résultent de redémarrages d’infrastructure, de déploiements, d’opérations de mise à l’échelle ou de défaillances temporaires, contribuent à accroître les coûts. En l’absence de mécanisme de reprise, une session d’agent interrompue doit être relancée intégralement, impliquant une nouvelle consommation des jetons déjà utilisés et la répétition complète du travail précédemment effectué.

L’exécution durable résout ces défis. Le runtime Durable Task contrôle automatiquement chaque transition d’état dans un workflow d’agent (réponses LLM, résultats des appels d’outil et décisions de flux de contrôle) vers un stockage durable. Lorsqu’une défaillance se produit, l’exécution reprend automatiquement sur une machine virtuelle saine à partir du dernier point de contrôle plutôt que de redémarrer à partir de zéro. Les appels GML déjà finalisés ne sont pas relancés, ce qui permet d’optimiser à la fois l’utilisation des jetons et le temps d’exécution. Les stratégies de nouvelle tentative intégrées avec sauvegarde configurable gèrent les défaillances temporaires des API LLM, des outils externes et des services en aval sans code supplémentaire.

Modèles de flux de travail agentiques

Durable Task prend en charge une gamme de modèles de flux de travail agentiques qui appartiennent à deux catégories générales :

• Flux de travail déterministes : votre code définit le flux de contrôle. Vous écrivez la séquence d’étapes( y compris la branchement, le parallélisme et la gestion des erreurs) à l’aide de constructions de programmation standard. Le LLM est appelé en tant qu’étape dans le flux de travail, mais ne contrôle pas le flux global.
• Flux de travail dirigés par l’agent (boucles d’agent) : le LLM pilote le flux de contrôle. L’agent décide quels outils appeler, dans quel ordre et quand la tâche est terminée. Vous fournissez des outils et des instructions, mais l’agent détermine le chemin d’exécution au moment de l’exécution.

Les deux catégories bénéficient d’une exécution durable et peuvent être combinées dans la même application. Pour obtenir un aperçu détaillé des modèles pris en charge avec des exemples de code, consultez les modèles d’application Agentic.

Comparer les options de flux de travail agentiques sur Azure

Plusieurs options existent pour créer des flux de travail agentiques sur Azure en plus de la pile technique Durable Task. Chaque option a des points forts et des compromis différents en fonction de vos besoins en matière de flux de contrôle, de prise en charge du langage de programmation, d’intégration du framework IA, d’hébergement, de gestion d’état et d’audience cible. Le tableau suivant vous aide à déterminer celui qui répond à vos besoins.

Étapes suivantes

• Modèles d’application agentiques
• Extension Durable Task pour Microsoft Agent Framework en phase de préversion
• Vue d’ensemble du planificateur de tâches durables