Crée ton propre assistant IA spécialisé sur AWS en 10 minutes chrono

UN AGENT IA QUI S'ADAPTE À TON DOMAINE : L'EXEMPLE DU TRIAGE ÉDUCATIF

Imagine un assistant qui ne répond pas n'importe comment, mais qui analyse d'abord la question avant de te donner une réponse précise. Par exemple, si tu lui demandes \"Explique la loi de Newton\", il va immédiatement comprendre que c'est une question de physique et te donner une réponse de physicien, pas de mathématicien.

C'est exactement ce que fait l'agent SMETriage créé dans ce tutoriel. Il est conçu pour répondre uniquement aux questions de mathématiques, physique, chimie ou géographie, et ignore tout le reste avec un message clair : \"Désolé, je ne connais pas la réponse à ça.\"

Pour y parvenir, il utilise une astuce simple : il commence chaque réponse par un préfixe qui indique la matière concernée. Par exemple : \"maths : Voici la réponse à ta question.\" ou \"physique : Voici la réponse à ta question.\"

LES 9 FONCTIONNALITÉS CLÉS DE STRANDS QUI FONT TOUT MARCHER

Strands, c'est une plateforme qui permet de créer et gérer des agents IA sur le cloud. Voici ce qu'elle propose de base, sans avoir besoin de coder quoi que ce soit :

+------------------+---------------------------------------------------------------------------------------------+\n| Capacité         | À quoi ça sert                                                                             |\n+------------------+---------------------------------------------------------------------------------------------+\n| Runtime          | Héberge et met à l'échelle les agents dans des environnements isolés. Prend en charge le   |\n|                  | streaming et les protocoles HTTP, MCP et A2A.                                              |\n+------------------+---------------------------------------------------------------------------------------------+\n| Mémoire          | Stocke les événements de conversation et extrait des faits durables, préférences ou        |\n|                  | résumés pour les utiliser sur plusieurs sessions.                                          |\n+------------------+---------------------------------------------------------------------------------------------+\n| Passerelle       | Expose des API, des fonctions Lambda et des serveurs MCP comme des Outils gérés que les     |\n|                  | agents peuvent découvrir et appeler.                                                       |\n+------------------+---------------------------------------------------------------------------------------------+\n| Identité         | Gère l'authentification entrante et les identifiants que les agents utilisent pour accéder |\n|                  | aux services externes.                                                                     |\n+------------------+---------------------------------------------------------------------------------------------+\n| Politique        | Applique des règles d'autorisation Cedar aux appels d'outils de la passerelle avant qu'ils  |\n|                  | n'atteignent leurs cibles.                                                                  |\n+------------------+---------------------------------------------------------------------------------------------+\n| Navigateur       | Fournit des sessions de navigateur gérées pour les agents qui doivent interagir avec des    |\n|                  | sites web.                                                                                  |\n+------------------+---------------------------------------------------------------------------------------------+\n| Interpréteur de  | Exécute du Python, JavaScript ou TypeScript dans des bacs à sable isolés.                   |\n| code             |                                                                                             |\n+------------------+---------------------------------------------------------------------------------------------+\n| Observabilité    | Envoie les logs, traces et métriques des agents vers des services comme CloudWatch et X-Ray.|\n+------------------+---------------------------------------------------------------------------------------------+\n| Évaluations      | Mesure le comportement et la qualité des réponses des agents à l'aide d'évaluateurs        |\n|                  | intégrés ou personnalisés.                                                                 |\n+------------------+---------------------------------------------------------------------------------------------+\n

En résumé, Strands s'occupe de tout ce qui est technique : l'hébergement, la sécurité, la mémoire, et même l'interaction avec d'autres services. Toi, tu te concentres juste sur la logique de ton agent.

PRÉPARER TON ENVIRONNEMENT : INSTALLER AWS CLI ET AGENTCORE

Avant de commencer, il faut installer deux outils essentiels : AWS CLI (l'interface en ligne de commande d'Amazon Web Services) et AgentCore (l'outil qui va te permettre de créer et déployer ton agent).

Voici comment faire sous Windows (mais c'est similaire sur Mac et Linux) :

D'abord, installe AWS CLI. Ouvre PowerShell et exécute :

PS C:\\ > msiexec.exe /i https://awscli.amazonaws.com/AWSCLIV2.msi\nPS C:\\ > aws --version\n\n# Résultat attendu :\naws-cli/2.22.15 Python/3.12.6 Windows/11 exe/AMD64\n

Ensuite, installe AgentCore. Toujours dans PowerShell :

PS C:\\ > npm install -g aws-cdk\nPS C:\\ > cdk --version\n\n# Résultat attendu :\n2.1126.0 (build a90d578)\n\nPS C:\\ > npm install -g @aws/agentcore\nPS C:\\ > agentcore --version\n\n# Résultat attendu :\nThe AgentCore CLI collects aggregated, anonymous usage\nanalytics to help improve the tool.\nTo opt out: agentcore config telemetry.enabled false\nTo audit: agentcore config telemetry.audit true\nTo learn more: agentcore telemetry --help\n\n0.19.0\n

Tu vois que l'installation d'AgentCore te propose de collecter des données anonymes pour améliorer l'outil. Si ça ne te plaît pas, tu peux désactiver cette option avec la commande :

agentcore config telemetry.enabled false\n

CHOISIR UN MODÈLE DE LANGAGE : ANTHROPIC CLAUDE SONNET 4.6

Ton agent a besoin d'un modèle de langage pour comprendre tes questions et te répondre. Dans ce tutoriel, on utilise Claude Sonnet 4.6 d'Anthropic, un modèle très performant pour les tâches éducatives.

Pour vérifier que ce modèle est disponible dans ta région AWS, exécute :

PS C:\\ > aws bedrock list-foundation-models --region \nPS C:\\ > aws bedrock list-inference-profiles --region \n

Si tu veux utiliser Claude Sonnet 4.6, voici comment l'importer dans ton code :

from strands.models import BedrockModel\n\nmodel = BedrockModel(\n    modelid=\"global.anthropic.claude-sonnet-4-6\",\n    regionname=\"us-west-2\",\n    temperature=0.2,\n    maxtokens=1500,\n)\n

Quelques explications sur ces paramètres :

\n
• temperature=0.2 : Plus ce nombre est bas, plus les réponses seront précises et moins créatives. Ici, on veut des réponses exactes.
\n
• maxtokens=1500 : Le nombre maximum de