Aperçu de LoopAgent

LoopAgent est le troisième type d'agent de la plateforme GPTBots. Contrairement à Agent et FlowAgent, il ne repose ni sur un processus de recherche fixe, ni sur un organigramme dessiné manuellement ; il confie plutôt « quoi faire et dans quel ordre » au modèle, qui décide de manière autonome au cours de la conversation : le modèle juge lui-même s'il doit consulter les connaissances, interroger une base de données, appeler un outil ou transférer à un humain, en itérant à plusieurs reprises jusqu'à ce que la tâche soit accomplie.

Il convient aux scénarios de service client et d'automatisation ouverts, multi-étapes et à forte sollicitation d'outils.

Comment choisir entre les trois types d'agents

La différence la plus fondamentale entre les trois types d'agents réside dans « qui décide du chemin d'exécution » :

En une phrase : le chemin d'Agent et de FlowAgent est défini à l'avance, tandis que celui de LoopAgent est décidé sur le moment par le modèle.

Identité + capacités + garde-fous

Construire un LoopAgent ne consiste pas à « dessiner un flux », mais à lui donner trois choses, puis à laisser le modèle avancer par lui-même :

• Identité (Persona) : indiquez au modèle qui il est, quelle activité il sert, et sur quel ton et dans quelle langue répondre.
• Capacités : attachez les bases de connaissances, outils / MCP, flux de travail, tables de données, compétences, service humain, formulaires de collecte, etc. qu'il peut appeler. Le modèle n'a de « mains » que pour faire ce que vous attachez.
• Garde-fous (limites de boucle) : définissez combien de fois au maximum un tour de conversation peut boucler et après combien d'erreurs consécutives il doit s'arrêter, afin d'éviter que le modèle ne s'exécute sans fin.

Comment LoopAgent accomplit un tour de conversation

Après réception d'un message utilisateur, LoopAgent exécute en interne une boucle plafonnée : réfléchir → appeler un outil → observer le résultat → réfléchir de nouveau… jusqu'à ce que le modèle estime pouvoir répondre (conclusion normale) ou qu'il atteigne la limite de boucle que vous avez définie.

flowchart LR
    A[Message utilisateur] --> B[Réfléchir]
    B --> C{Appeler un outil ?}
    C -->|Oui| D[Appeler l'outil]
    D --> E[Observer le résultat]
    E --> B
    C -->|Non| F[Émettre la réponse (fin)]

Comme il peut appeler des outils sur plusieurs tours, une réponse de LoopAgent peut être plus lente que celle d'un Agent ordinaire — il a pu consulter les connaissances plusieurs fois et appeler quelques API en arrière-plan avant de répondre. C'est normal et ne signifie pas qu'il est bloqué.

Scénarios typiques

• Service client complexe devant à la fois consulter des documents, appeler des systèmes métier et porter des jugements
• Tâches d'automatisation nécessitant plusieurs étapes et une collaboration inter-systèmes
• Avant-vente / après-vente nécessitant de collecter des informations, d'ouvrir des tickets et, si nécessaire, de transférer à un humain

Recommandations de modèle

Comme LoopAgent décide de manière autonome et appelle des outils sur plusieurs tours, il consomme généralement plus de crédits qu'un Agent ordinaire et dépend davantage d'un modèle performant. Plus le modèle est faible, plus les problèmes tels que « ne pas appeler un outil quand il le faudrait, tourner en rond, ou répondre n'importe comment à mi-parcours » sont susceptibles de survenir.

• Scénarios généraux : en test, les séries de génération précédente comme GPT-4.1 fonctionnent correctement.
• Scénarios métier complexes : privilégiez les modèles de nouvelle génération, entraînés pour les agents (comme les séries GPT-5, séries Claude 4, etc.), plus stables pour l'appel d'outils et le raisonnement multi-étapes.

Le modèle se sélectionne dans le panneau « Cerveau de l'agent » ; voir Cerveau de l'agent.

Cycle de vie

flowchart LR
    A[Créer] --> B[Configurer] --> C[Déboguer] --> D[Publier] --> E[Servir]

• Créer : créez à partir d'un modèle vierge ou d'un modèle prédéfini ; la plateforme sème automatiquement une configuration par défaut prête à l'emploi.
• Configurer : configurez le modèle, la persona et chaque capacité sur la page de paramètres.
• Déboguer : vérifiez le résultat en temps réel avec le chat de débogage à droite.
• Publier : figez la configuration actuelle en un instantané et passez en production.
• Servir : fournissez le service en externe via plusieurs canaux et l'Open API.

Important : sur la page de paramètres, « Enregistrer » ne met à jour que la version de débogage ; seule la « Publication » affecte la production. C'est la première règle à comprendre lors de l'utilisation de LoopAgent ; voir Enregistrer et publier.