Analysez les fondements et la boucle d'action d'un agent IA

Dans le cadre de votre mission de développeur back-end sur une API REST (Express / NestJS avec Prisma ORM) comprenant des routes publiques (catalogue produits) et des routes sécurisées par jeton JWT (gestion des commandes), vous faites face à une importante dette de documentation. Pour automatiser la génération des spécifications OpenAPI (Swagger) et des guides Markdown synchronisés avec le code, vous devez appréhender le fonctionnement d'un agent IA dans VS Code. Ce chapitre vous amène à décomposer l'architecture d'un agent afin de distinguer un assistant conversationnel classique d'un agent autonome capable de lire votre code, d'exécuter des actions et de vérifier ses résultats dans votre dépôt Git. Vous poserez ainsi le diagnostic d'automatisation de la documentation d'API et identifierez l'architecture de l'agent Copilot nécessaire au projet.

Distinguez l'assistant conversationnel de l'agent autonomisé dans VS Code

Lorsque vous utilisez une intelligence artificielle dans votre quotidien de développeur, il est essentiel de différencier deux modes d'interaction : l'assistant conversationnel et l'agent autonome :

• Un assistant conversationnel classique fonctionne de manière passive : vous lui fournissez du texte, et il vous retourne des suggestions. Il n'a pas accès directement à votre environnement de développement et ne peut pas exécuter de commande dans votre terminal.

• À l'inverse, un agent autonomisé dans VS Code interagit activement avec votre espace de travail sous une autonomie contrôlée. Vous lui fixez un objectif technique global, et il prend des initiatives cadrées : il explore votre dépôt Git, lit les fichiers de routes Express, rédige les spécifications et exécute des scripts de validation dans le terminal.

Dans VS Code, demandez au chat classique d'énumérer les  endpoints  de  src/routes/user.routes.ts  sans transmettre le fichier : il ne peut pas répondre.

Activez le mode agent et formulez la même demande : l'agent utilise un outil de lecture, analyse le code source et dresse la liste exacte des routes d'authentification JWT et de profil.

Examinez l'architecture fondamentale modèle + instructions + contexte + outils

Un agent IA repose sur une équation à quatre piliers indissociables : Modèle + Instructions + Contexte + Outils.

1. Le modèle de langage (LLM) : Le moteur de raisonnement (ex. GPT-4o) qui analyse votre requête, planifie les étapes et décide des actions.

2. Les instructions : Les directives de rôle fournies à l'agent (viaAGENTS.md à la racine du dépôt), définissant sa spécialisation (ex. "Spécialiste OpenAPI").

3. Le contexte : Les informations du projet transmises au modèle (product.controller.ts,schema.prisma, historique de conversation).

4. Les outils d'environnement : Les fonctions permettant à l'agent d'agir sur le système (lire, écrire, rechercher via#codebaseou exécuternpm test).

Avant de lancer votre agent, cartographiez ses quatre composants : sélectionnez le modèle LLM, définissez son rôle OpenAPI, attachez schema.prisma et product.controller.ts comme contexte, et vérifiez que les outils de fichier sont activés dans VS Code.

Décomposez la boucle agentique comprendre → agir → vérifier → itérer

Pour mener à bien une tâche complexe, l'agent déploie un cycle itératif nommé boucle agentique :

1. Comprendre : L'agent explore votre projet, litproduct.controller.ts, repère les routes HTTP, inspecte l'authentification JWT et extrait les types depuisschema.prisma.

2. Agir : L'agent génère le fichier de spécification OpenAPI au format JSON/YAML dansdocs/openapi/.

3. Vérifier : L'agent contrôle son travail en exécutant un script de linter (npx @redocly/cli lint).

4. Itérer : En cas d'erreur de syntaxe ou de schéma, l'agent analyse l'alerte, corrige le fichier et réexécute la vérification jusqu'à obtenir un résultat conforme.

Lancez l'agent Copilot sur la route  /products  . Suivez sa console : observez la lecture initiale des fichiers, la création de  docs/openapi/products.json  , l'exécution automatique du linter et l'auto-correction immédiate d'un code retour HTTP 400 omis.

Dans la vidéo suivante, vous allez découvrir comment un agent IA utilise VS Code pour explorer le code d'une API REST, générer sa documentation et corriger automatiquement les erreurs détectées.

Étapes clés de la démonstration

1. Formulez une requête précise pour documenter la route/products, en fournissant le contexte nécessaire avec#file:schema.prisma.

2. Observez l'exploration du code par l'agent, qui utilise ses outils pour rechercher et analyser le fichierproduct.controller.ts.

3. Générez et validez la documentation OpenAPI dansdocs/openapi/products.jsonà l'aide de la commandenpx @redocly/cli lint.

4. Observez la boucle d'auto-correction : l'agent identifie une alerte, corrige le document, relance la validation et vous informe du résultat.

Vous savez désormais comment un agent combine exploration, génération et validation pour produire un livrable conforme. Voyons maintenant comment définir précisément ses missions.

Cadrez les tâches techniques attribuables à un agent de développement

Vous devez déterminer quelles tâches d'ingénierie logicielle confier à l'agent et lesquelles conserver sous votre responsabilité directe.

Tâches fortement éligibles

• Documentation d'API : Extraction des spécifications OpenAPI 3.0 depuis Express et Prisma, mise à jour des READMEs.

• Échafaudage de tests : Génération de stubs de tests d'intégration (Jest/Supertest) pour vos routes.

• Refactorisation ciblée : Harmonisation des conventions de nommage et passage des promesses versasync/await.

Périmètres à exclure

• Choix d'architecture globale : Décisions de découpage en services ou choix de bases de données.

• Logique métier sensible : Calculs financiers, paiement et règles d'accès JWT, qui requièrent une validation humaine stricte.

À vous de jouer !

Contexte

Votre lead développeur souhaite valider la faisabilité technique d'un agent Copilot dans VS Code pour résorber la dette de documentation de l'API REST Express/Prisma. Il vous demande d'établir une fiche de diagnostic sur la route  /api/v1/products  .

Consignes

Rédigez une fiche de diagnostic technique décrivant les 4 piliers de l'agent Copilot et le déroulement de sa boucle d'action pour la route  /api/v1/products  .

En résumé

• Un agent IA dans VS Code se distingue d'un assistant par son autonomie contrôlée et son utilisation d'outils pour agir directement sur votre dépôt.

• L'architecture de l'agent repose sur l'équation indissociable : Modèle (raisonnement) + Instructions (rôle) + Contexte (fichiers) + Outils (actions).

• La boucle agentique (Comprendre -> Agir -> Vérifier -> Itérer) garantit que chaque livrable est contrôlé et corrigé avant sa livraison.

• Le cadrage strict des périmètres d'écriture préserve la logique métier de votre API REST contre toute modification inopinée.

Vous avez analysé les fondements et la boucle d'action de votre agent IA ! Vous pouvez maintenant poursuivre avec le chapitre suivant pour transformer votre fichier de contexte en spécification exécutable.