Apprenez à construire un agent IA de zéro
Maîtrisez le développement d'agents IA avec 12 sessions progressives. Construisez la boucle d'agent, les systèmes d'outils, la planification, la mémoire et la coordination multi-agent—un concept à la fois.
Le modèle de base
Chaque agent de codage IA partage la même boucle : appeler le modèle, exécuter les outils, renvoyer les résultats. Les systèmes de production ajoutent des couches de politique, permissions et cycle de vie.
while True:
response = client.messages.create(messages=messages, tools=tools)
if response.stop_reason != "tool_use":
break
for tool_call in response.content:
result = execute_tool(tool_call.name, tool_call.input)
messages.append(result)Croissance des messages
Regardez le tableau de messages grandir au fur et à mesure de l'exécution de la boucle d'agent
Parcours d'apprentissage
12 sessions progressives, d'une boucle simple à une exécution autonome isolée
The Agent Loop
The minimal agent kernel is a while loop + one tool
Tools
The loop stays the same; new tools register into the dispatch map
TodoWrite
An agent without a plan drifts; list the steps first, then execute
Subagents
Subagents use independent messages[], keeping the main conversation clean
Skills
Inject knowledge via tool_result when needed, not upfront in the system prompt
Compact
Context will fill up; three-layer compression strategy enables infinite sessions
Tasks
A file-based task graph with ordering, parallelism, and dependencies -- the coordination backbone for multi-agent work
Background Tasks
Run slow operations in the background; the agent keeps thinking ahead
Agent Teams
When one agent can't finish, delegate to persistent teammates via async mailboxes
Team Protocols
One request-response pattern drives all team negotiation
Autonomous Agents
Teammates scan the board and claim tasks themselves; no need for the lead to assign each one
Worktree + Task Isolation
Each works in its own directory; tasks manage goals, worktrees manage directories, bound by ID
Couches architecturales
Cinq préoccupations orthogonales qui se combinent en un agent complet
Tools & Execution
2 versionsPlanning & Coordination
4 versionsMemory Management
1 versionsConcurrency
1 versionsCollaboration
4 versionsQuestions fréquentes
Tout ce que vous devez savoir sur la construction d'agents IA
Ce site web est un guide complet et étape par étape sur comment construire un agent IA de zéro. Nous vous faisons vivre un parcours de 12 sessions, en commençant par une simple boucle d'agent et en ajoutant progressivement des capacités comme l'utilisation d'outils, la planification, la gestion de la mémoire, la concurrence et la collaboration multi-agents. Chaque session comprend du code fonctionnel, des simulations interactives et une documentation détaillée.
Vous n'avez pas besoin d'être un expert en IA, mais des connaissances de base en programmation sont requises. Si vous êtes à l'aise avec Python et comprenez les concepts de base (boucles, fonctions, classes), vous pourrez suivre. Nous expliquons les concepts spécifiques à l'IA au fur et à mesure, ce qui le rend accessible aux ingénieurs, étudiants et passionnés de technologie qui veulent comprendre comment fonctionnent les agents IA.
Les 12 sessions progressives couvrent :
1. La boucle d'agent - Modèle de boucle while-core (réponse → exécution d'outil)
2. Outils - Donner des capacités à votre agent (lire, écrire, exécuter)
3. TodoWrite - Gestion des tâches et système de rappels
4. Sous-agents - Isolation de contexte pour les tâches parallèles
5. Skills - Chargement à la demande de capacités spécialisées
6. Compact - Gestion de la mémoire et compression de contexte
7. Tâches - Tableaux de dépendances entre tâches
8. Tâches d'arrière-plan - Exécution non bloquante avec notifications
9. Équipes d'agents - Coordination multi-agents via boîtes aux lettres
10. Protocoles d'équipe - Modèles de collaboration d'équipe basés sur FSM
11. Agents autonomes - Exécution d'agent auto-dirigée
12. Worktree + Isolation des tâches - Isolation des tâches prête pour la production
Oui ! Chaque session comprend du code Python complet et exécutable. Vous pouvez :
- Visualiser le code source directement dans le navigateur
- Télécharger l'implémentation complète
- Voir les différences entre les versions pour comprendre exactement ce qui a changé
- Exécuter le code localement avec vos propres clés API
Le code est conçu pour être éducatif mais aussi prêt pour la production, suivant les meilleures pratiques des systèmes d'agents réels comme Claude Code.
Absolument. Chaque session présente un simulateur interactif où vous pouvez :
- Regarder la boucle d'agent s'exécuter étape par étape
- Voir comment les messages circulent entre utilisateur, agent et outils
- Visualiser la croissance et la compression de la mémoire
- Observer la communication multi-agents
- Contrôler la vitesse d'exécution et mettre en pause à tout moment
Cela vous aide à comprendre les concepts avant de vous plonger dans le code.
La plupart des tutoriels restent soit trop simples (appels API de base) soit passent directement aux frameworks complexes. Nous adoptons une approche de divulgation progressive :
- Construire de zéro - Pas d'abstractions cachées, vous voyez chaque ligne
- Complexité incrémentale - Chaque session ajoute un concept
- Modèles du monde réel - Basé sur le fonctionnement des agents de production comme Claude Code
- Apprentissage interactif - Simulations, visualisations et codage pratique
- Base de code complète - Pas d'extraits, mais des implémentations complètes
Vous comprenez *pourquoi* chaque décision architecturale est prise.
À la fin, vous aurez construit un agent de codage IA prêt pour la production capable de :
- Planification et exécution autonomes des tâches
- Utilisation d'outils (opérations fichiers, exécution de code, recherche web)
- Gestion de tâches longues avec mémoire
- Collaboration multi-agents pour des projets complexes
- Exécution de tâches en arrière-plan
- Environnements de tâches isolés
Vous comprendrez l'architecture assez bien pour la personnaliser pour vos propres cas d'usage—que ce soit un assistant de codage, un agent de recherche ou un système de flux de travail automatisé.
Oui ! Bien que l'accent soit mis sur l'architecture centrale de l'agent, nous couvrons des sujets importants de production :
- Sécurité - Exécution sandboxée, systèmes de permissions
- Scalabilité - Modèles de concurrence et gestion des ressources
- Gestion des erreurs - Récupération après les échecs d'outils et les erreurs API
- Monitoring - Logging, traçage et hooks d'observabilité
- Optimisation des coûts - Compression de contexte et utilisation efficace des tokens
- Isolation - Séparation des tâches basée sur worktree pour la sécurité
Les sessions finales traitent spécifiquement de larobustesse et du déploiement de votre agent.
Le cœur de la pile est intentionnellement minimal :
- Python - Langage principal
- API Anthropic - Claude pour les capacités de modèle de langage
- Bibliothèque standard - Pas de frameworks lourds, dépendances claires
La simplicité assure que vous vous concentrez sur les concepts d'agent, pas sur les spécificités du framework.
Oui, complètement gratuit et open source. Le contenu éducatif et le code sont fournis sous licence MIT. Vous pouvez :
- Utiliser le code dans des projets personnels
- Construire des produits commerciaux basés sur l'architecture de l'agent
- Modifier et distribuer vos propres versions
- Contribuer des améliorations à la communauté
Nous croyons en l'éducation ouverte et voulons voir ce que vous construirez !
Le temps varie selon votre rythme et la profondeur choisie :
- Aperçu rapide - 2-3 heures (lecture + regarder les simulations)
- Codage pratique - 1-2 jours (implémenter avec chaque session)
- Maîtrise approfondie - 1-2 semaines (expérimenter, modifier, construire des extensions)
Chaque session est conçue pour être complétée en 30-60 minutes d'apprentissage concentré. La structure progressive signifie que vous pouvez vous arrêter à n'importe quel point avec un agent fonctionnel—vous n'avez pas besoin des 12 pour construire quelque chose d'utile.