Tâche durable pour les agents d'IA

Les agents IA qui s’exécutent pendant des heures, appellent des outils externes et doivent survivre aux défaillances de l’infrastructure ont besoin d’une exécution durable , la possibilité de contrôler automatiquement la progression et de reprendre à partir de l’endroit où ils se sont arrêtés. Le Durable Task Scheduler et le modèle de programmation Durable Task fournissent cette infrastructure, et ils gèrent la gestion de l’état, le point de contrôle et la coordination distribuée afin que le code de votre agent n'ait pas besoin de le faire.

Avec ce modèle de programmation, vous créez des flux de travail agentiques résilients et avec état à l’aide de constructions de programmation standard (boucles, conditions, gestion des erreurs) dans .NET, Python, Java et JavaScript/TypeScript. L'environnement d'exécution conserve automatiquement l’état et récupère automatiquement en cas de défaillance.

Durable Task n'est pas un cadre d'agent — il fonctionne avec n'importe quel cadre d'agent IA, y compris le cadre Microsoft Agent, LangChain ou des appels directs à l'API LLM. Vous vous concentrez sur la logique de l’agent ; 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 en production sont confrontés à plusieurs défis auxquels l’exécution durable répond :

• Sessions persistantes de longue durée : les interactions avec intervention humaine, le raisonnement en plusieurs étapes et les flux de travail enrichis par des outils peuvent maintenir un agent actif pendant des heures, des jours ou des semaines. L’agent accumule l’état (historique des conversations, résultats intermédiaires, décisions en attente) qui doit être conservé à chaque étape.
• Consommation de jetons coûteuse : le traitement de grands volumes de jetons LLM est coûteux et fastidieux. Les limites de débit peuvent limiter le flux de travail intermédiaire de votre agent. Si une défaillance se produit en cours de route, les jetons déjà consommés et le temps déjà passé sont perdus.
• Interruptions d’infrastructure : les redémarrages de calcul, les déploiements, les événements de mise à l’échelle et les défaillances temporaires peuvent bloquer une session d’agent. Sans récupération, l’agent doit redémarrer à partir du début, consommer à nouveau tous les jetons précédemment dépensés et répéter tout le travail terminé.

L’exécution durable résout ces défis :

• Point de contrôle automatique : l’environnement d’exécution Durable Task enregistre chaque transition d’état (réponses du LLM, résultats d’appels d’outils, décisions de flux de contrôle) dans un stockage durable.
• Reprendre à partir du dernier point de contrôle : lorsqu’une défaillance se produit, l’exécution reprend automatiquement sur une machine virtuelle saine. 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.
• Nouvelles tentatives intégrées : les stratégies de nouvelle tentative configurables avec interruption 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