Au-delà de n8n pour l'automatisation des flux de travail : les graphiques d'agent comme harnais d'agent universel

DEV - 26/03
Article original publié le 20 mars 2025 L'orchestration multi-agents codée en dur est fragile :...

Article original publié le 20 mars 2025

L'orchestration multi-agents codée en dur est fragile : la topologie réside dans le code spécifique au framework, les modifications nécessitent des redéploiements et les goulots d'étranglement sont difficiles à détecter. Agent Graphs externalise cette topologie dans LaunchDarkly, tandis que votre application continue de s'exécuter.

Dans ce didacticiel, vous allez créer un petit workflow multi-agent, le parcourir avec le SDK, surveiller la latence par nœud sur le graphique lui-même et mettre à jour le modèle d'un nœud lent sans modifier le code de l'application.

  • Nœud = AI Config (modèle, instructions, outils)
  • Edge = métadonnées de transfert (contrat de routage que vous définissez)
  • Graphique = topologie (quels nœuds se connectent)
  • Votre application = exécution + interprétation

LaunchDarkly fournit une structure graphique, une configuration et une observabilité. Votre application possède une sémantique d'exécution : vous écrivez le code qui interprète les bords et exécute les agents.

Ce que vous construirez

Dans ce didacticiel, vous allez ajouter des graphiques d'agent à un flux de travail multi-agent existant :

  1. Créez un graphique visuellement dans l'interface utilisateur LaunchDarkly
  2. Connectez-le à votre code avec quelques lignes d'intégration SDK
  3. Exécutez vos agents et voyez le graphique en action
  4. Surveillez les performances avec la latence par nœud et le suivi des appels
  5. Corrigez un agent lent en échangeant des modèles depuis le tableau de bord

À la fin, vous disposerez d'un système multi-agent dans lequel les modifications des métadonnées de topologie se produisent dans l'interface utilisateur, récupérées par votre code de traversée lors de la requête suivante.

Conditions préalables

  • Compte LaunchDarkly avec accès à AI Configs (inscrivez-vous ici)
  • Python3.9+
  • Un workflow d'agent existant (ou utilisez notre exemple de dépôt)

Le problème de l'orchestration codée en dur

Chaque framework multi-agent gère l'orchestration différemment :

# LangGraph - topologie codée en dur dans le workflow de configuration du graphique = StateGraph(AgentState) workflow.add_node("supervisor", superviseur_node) workflow.add_node("security", security_node) workflow.add_node("support", support_node) workflow.set_entry_point("supervisor") # Logique de routage enfouie dans les fonctions de nœud ou les bords conditionnels # OpenAI Agents SDK - transferts définis par agent security_agent = Agent(name="Security", instructions="...") support_agent = Agent(name="Support", instructions="...") superviseur = Agent( name="Supervisor", handoffs=[security_agent, support_agent] # Topologie verrouillée dans le code )
Entrer en mode plein écran Quitter le mode plein écran

La topologie est dispersée dans le code. Les graphiques d'agent le rendent visible : vous voyez l'intégralité du flux de travail dans une seule vue, modifiez les connexions dans l'interface utilisateur et parcourez-le avec les méthodes du SDK prenant en charge les graphiques.

Pourquoi l'externalisation de la topologie est utile

Si vous avez construit des systèmes multi-agents avec LangGraph, OpenAI Swarm ou Strands, vous vous heurtez à ces obstacles :

  • Duplication de configuration : définitions d'agent dispersées dans des formats spécifiques au framework
  • Échecs silencieux : un agent expire et vous ne le savez pas jusqu'à ce que les utilisateurs se plaignent
  • Aucune visibilité sur la topologie : le workflow existe uniquement dans le code
  • Observabilité personnalisée : obtenir des métriques cohérentes par agent signifie réconcilier différents formats de trace et schémas de données dans tous les frameworks.

Pour une comparaison détaillée de LangGraph, OpenAI Swarm et Strands, consultez Comparer les orchestrateurs d'IA. Les graphiques d'agent fonctionnent avec plusieurs frameworks d'agents.

Agent Graphs résout ces problèmes en vous offrant un générateur de graphiques visuels dans lequel vous :

  • Visualisez l’intégralité de votre flux de travail en un coup d’œil, sans être enfoui dans le code
  • Surveillez les métriques par nœud superposées directement sur le graphique (latence, invocations, appels d'outils)
  • Ajoutez ou supprimez des agents sans modifier la logique de parcours, à condition que votre environnement d'exécution prenne en charge les outils et le contrat de sortie du nœud.
  • Inspecter la logique de routage sur les bords, avec les données de transfert visibles dans l'interface utilisateur
  • Utilisez des méthodes SDK prenant en charge les graphiques telles queest_terminal(),is_root(), etget_edges()au lieu d'un suivi manuel

Étape 1 : Créez des configurations IA pour...
[Courte citation de 8% de l'article original]