Structurer le contexte pour maîtriser les agents IA
Contrairement aux approches classiques, le protocole ARG ne délègue pas la gestion du contexte au modèle de langage. Nous décomposons chaque unité d’information selon une taxonomie rigoureuse et la théorie des ensembles. Grâce au Context Weaver, l’environnement de l’agent évolue de manière contrôlée, garantissant un état prévisible et sécurisé pour les processus critiques de l’entreprise.
Gérer le contexte de manière explicite nécessite d’abord de définir précisément ce qu’est le contexte. Dans le cadre de l’ARG, nous refusons de compter sur le LLM pour manipuler le contexte de l’agent. Nous devons le décomposer d’une manière qui respecte les valeurs, les politiques, les processus et les connaissances de l’entreprise ou du projet.
1. La mécanique du Context Weaver
Le Context Weaver est responsable de chaque fragment spécifique dont l’agent a besoin. Il utilise la théorie des ensembles et la taxonomie pour organiser l’information de manière hiérarchique.
Chaque unité de contexte appartient à un ensemble, similaire à une catégorie. La taxonomie organise ensuite ces catégories selon des relations parents/enfants, créant une hiérarchie stable.
Le Weaver sauvegarde uniquement la structure. Il permet au système d’évoluer, de valider la pertinence et d’apprendre, tout en respectant scrupuleusement la base de connaissances initiale.
2. Évolution contrôlée vs Apprentissage aléatoire
La différence fondamentale avec le précédent framework DRG réside dans sa capacité à évoluer sans jamais compromettre la sécurité. Nous ne voulons pas que l’agent apprenne de n’importe quelle manière ou crée de nouvelles actions sans supervision.
L’objectif est de maintenir l’environnement dans un état sûr. L’évolution se produit uniquement en respectant les règles fondamentales, évitant ainsi toute dérive structurelle de l’agent.
Entre les typologies de contexte et les nœuds finaux se trouvent des clusters et des labels. C’est à ce niveau intermédiaire que s’organise la granularité de la connaissance.
3. De la taxonomie à l’ontologie
Au bas de la structure se trouve le nœud (la feuille), qui héberge l’unité de source de vérité (le fragment ou chunk). Ces nœuds sont reliés entre eux par des relations (edges), formant ainsi l’ontologie. Cette architecture définit la stratégie de récupération et le processus de raisonnement de l’agent.
Bien que nous utilisions souvent une représentation sous forme d’arbre pour plus de clarté et de rapidité de génération, il s’agit en réalité d’un graphe complet. Cette distinction est cruciale pour comprendre comment l’agent navigue dans des structures de données complexes tout en restant parfaitement auditable.