Discover what makes a successful AI agent in production (and how many of them fail on the way!) Learn about the key agentic design principles to set up your agents for scaling, including robust infrastructure and tooling, modular design architecture, and continuous evaluation and feedback loops.

AI Agents in the Wild

To agent or not to agent

Agentic applications

Design Principles for Scalable Agents

Strategies for scalable design

Enforcing the pillars of scalable design

How AI Agents Scale (and Fail)

Don't fail when you scale!

Agentic accounting

Guardrails or it fails

Designing Scalable Agents

Learn about key strategies to ensure that your agent is being developed with scalability in mind. Gain insights into how the Model Context Protocol (MCP) and the Agent-to-Agent protocol (A2A) enable scalability through standardization.

Multi-Agent Design Patterns

Making the leap from single to multi-agents

Multi-agent design patterns

The Model Context Protocol (MCP)

Getting to know MCP

MCP is the MVP

Clients, servers, and everything in between

The Agent-to-Agent (A2A) Protocol

Agent cards - Gotta Catch 'Em All

MCP and A2A: friend or foe?

Developing Agents for Scalability

Time for production, but not so fast! Build a robust testing framework to give you confidence that the AI agent will continue to perform in production. Choose the best deployment strategy for your use case, and learn how to integrate real-time data sources with your agentic system.

Du prototype à la production

FoodGPT

Tester un agent de manière robuste

Options

Tâches à effectuer

Non requis

Qu’est-ce qu’il reste à vérifier ?

Ingestion de données rapide et efficace

La valeur des données en temps réel

Échouer avec élégance : atténuer les risques

Nouvelles tentatives avec backoff exponentiel

Poser le cadre légal !

Félicitations !

Deploying Agents into Production at Scale

Cheat Sheet

Course Glossary

Pourquoi tant de systèmes agentiques n’arrivent-ils pas à franchir le fossé entre le développement et la production ? Dans ce cours, vous allez le découvrir ! Apprenez à concevoir et développer des agents d’IA en pensant à l’évolutivité, en vous appuyant sur trois piliers : une infrastructure et des outils robustes, une architecture modulaire, et des boucles d’évaluation et de feedback en continu. Vous verrez comment des cadres agentiques comme le Model Context Protocol (MCP) et le protocole Agent-to-Agent (A2A) permettent des intégrations plus propres et plus rapides entre les sources de données et les agents. Enfin, découvrez les tests et les stratégies de déploiement qui aideront votre agent à créer de la valeur.

Les vidéos contiennent des sous-titres synchronisés que vous pouvez afficher en cliquant sur "Show transcript" en bas à gauche des vidéos.

Le glossaire du cours se trouve à droite, dans la section Ressources.

Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation certifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encadré relatif aux crédits CPE à droite.

<h2>Concevoir et développer des agents pour la mise à l'échelle</h2>
Apprenez à concevoir et à développer des agents IA en tenant compte de l'évolutivité, en suivant les trois piliers de l'évolutivité des agents : modularité, robustesse et adaptabilité. Découvrez ce qui caractérise un agent performant dans le domaine de la production et pourquoi tant d'individus rencontrent des difficultés pour y parvenir.<br><br><h2>Découvrez la puissance de MCP et A2A</h2>
Le protocole MCP (Model Context Protocol) développé par Anthropic a révolutionné l'interopérabilité des agents, en créant une approche unifiée pour connecter les agents aux sources de données. Le protocole Agent-to-Agent (A2A) développé par Google complète le MCP. Découvrez comment ces deux cadres peuvent être combinés pour garantir la scalabilité des intégrations de votre agent.<br><br><h2>Mettre en œuvre les meilleures pratiques en matière de test et de déploiement des agents</h2>Avant d'appuyer sur le gros bouton rouge et de mettre votre agent en production, il est nécessaire de réduire les risques liés à la mise à l'échelle. Découvrez comment créer un cadre de test robuste pour détecter les problèmes liés aux composants, aux intégrations, aux performances et à la sécurité. Déterminez le type de déploiement le mieux adapté à votre agent en examinant les besoins du cas d'utilisation.

Introduction to AI Agents

Découvrez comment évoluer les agents IA avec l'aide de cadres comme MCP et A2A.

Concevoir des systèmes agentiques évolutifs

Découvrez ce qu'il faut pour faire évoluer les agents IA, avec l'aide de frameworks tels que MCP et A2A.

Principes fondamentaux des agents IA

Mettre en place des garde-fous responsables et l’observabilité

Mettre à niveau vers la dernière version de LLM

Supprimer les restrictions de coût et d’usage des outils

Qu’est-ce qu’il reste à vérifier ?

Exercice interactif pratique