Let's build an AI agent - Phil Nash - NDC Copenhagen 2026

Let's build an AI agent - Phil Nash - NDC Copenhagen 2026

🎙 Phil Nash 👥 227K 📅 6 juillet 2026 ⏱ 49 min 👁 5K 📄 tutoriel 🧭 2026-08-13
Disponible en : Français (actuel) English

Mots-clés

agentLLMoutilsboucleMCP

Résumé

Dans cette conférence de 50 minutes, Phil Nash, ingénieur chez IBM, propose une introduction pratique à la construction d’agents IA. Il commence par définir ce qu’est un agent, citant des définitions de Google, Nvidia et Simon Willison, et explique que l’essence d’un agent est une boucle qui exécute des outils pour atteindre un objectif. Il construit ensuite progressivement un agent en JavaScript, en partant d’un simple générateur de texte, puis en ajoutant la mémoire conversationnelle, puis des outils (calculatrice, date) et enfin une boucle d’exécution d’outils. Il montre comment les outils sont déclarés et appelés, et souligne que le modèle ne fait que générer du texte, l’exécution réelle étant assurée par le code de l’agent. Il évoque ensuite le Model Context Protocol (MCP) comme standard pour connecter des agents à des services, et mentionne des extensions comme la génération d’interfaces. La conférence se termine par une démonstration d’un agent multi-agents, où différents agents collaborent. L’approche est pédagogique, avec des exemples de code concrets et des explications claires.

167 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de cette présentation réside dans sa démonstration pratique et progressive de la construction d’un agent IA, démystifiant ainsi les mécanismes internes. L’argumentation est solide : l’orateur s’appuie sur des définitions reconnues et montre concrètement comment les concepts se traduisent en code. Il insiste sur le fait que la boucle d’exécution d’outils est simple (environ 12 lignes de code) et que la complexité réside dans la conception des outils et de l’orchestration. Il aborde également des points importants comme la gestion de la mémoire et la déclaration des outils via JSON Schema. La démonstration est crédible et reproductible, ce qui renforce la valeur pédagogique.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : l’orateur cite des sources fiables (papier de Google sur les agents, déclarations de Jensen Huang, articles de Simon Willison) et utilise des standards ouverts comme MCP. Les explications techniques sont précises et sans exagération. Le titre est parfaitement adéquat au contenu, qui est une construction en direct d’un agent. La qualité des sources est correcte, même si les références ne sont pas détaillées dans la description (seuls les liens vers les conférences NDC sont fournis). L’adéquation titre/contenu est excellente.

206 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : la conférence est une démonstration en direct de la construction d'un agent IA, de zéro jusqu'à un système multi-agents.

Qualité & fiabilité

8/10

Démonstration pratique et reproductible, s'appuyant sur des définitions reconnues (Google, Nvidia, Simon Willison) et des standards ouverts (MCP). Les explications sont claires et techniques, sans exagération ni promesses irréalistes.

Moments clés

Sources citées

  • NDC Conferences — Organisateur de la conférence où la présentation a été donnée.
  • NDC Copenhagen — Conférence spécifique où le talk a été enregistré.

Sources concordantes

  • Google Agents paper (2024) — Cité par l'orateur comme source de la définition d'un agent.
  • Simon Willison's blog — Cité pour la définition simplifiée d'un agent.

Apport & nouveautés

L’apport original de cette présentation est de montrer concrètement, étape par étape, comment construire un agent IA en JavaScript, en démystifiant les mécanismes internes. L’orateur insiste sur le fait que la boucle agentique est simple et que la complexité réside dans la conception des outils et de l’orchestration. Il introduit également le Model Context Protocol (MCP) comme standard pour connecter des agents à des services, ce qui est une avancée importante pour l’interopérabilité.

Pour aller plus loin :

  • Model Context Protocol (MCP) — Site officiel du protocole, pour approfondir les spécifications et les implémentations.
  • LangChain — Framework populaire pour construire des agents, avec des abstractions pour les outils et la mémoire.
  • OpenAI Function Calling — Documentation sur l’appel de fonctions dans les modèles OpenAI, concept similaire à celui présenté.

129 mots

Profil radar

Le profil radar montre des scores élevés en qualité et fiabilité, avec une quantité d'information correcte et un niveau technique modéré. Cela indique une présentation équilibrée, accessible mais précise, adaptée à un public de développeurs.

Fiabilité 8/10