Podcast

Écoutez cet article en audio

Dans les entreprises, les agents d’intelligence artificielle sont de plus en plus sollicités pour gérer des workflows complexes : télécharger des jeux de données, les transformer, produire des rapports ou coordonner plusieurs API. Le problème est connu : plus la bibliothèque d’outils grossit, plus l’agent se perd, consomme de jetons et devient coûteux.

Des chercheurs d’Alibaba proposent une réponse avec SkillWeaver, un framework de routage composé autour de trois étapes : décomposer la demande, retrouver les bons outils, puis composer un plan exécutable sous forme de graphe. Son innovation centrale, Skill-Aware Decomposition, réinjecte dans le raisonnement de l’agent les outils réellement disponibles afin de reformuler les sous-tâches avec le bon vocabulaire technique.

Les tests rapportés par VentureBeat sont significatifs. Sur un benchmark de 300 requêtes multi-étapes et 2 209 compétences issues de l’écosystème MCP, SkillWeaver réduit la consommation de contexte d’environ 884 000 jetons à près de 1 160 jetons par requête, soit plus de 99 % d’économie. La précision de décomposition progresse également, en particulier sur les tâches difficiles nécessitant plusieurs outils.

La promesse est stratégique : rendre les agents plus rapides, moins chers et mieux adaptés aux environnements de production. Mais le chantier n’est pas clos. Le framework planifie bien les chaînes d’actions, mais ne résout pas encore pleinement la récupération en cas d’échec d’API. Les entreprises devront donc ajouter des mécanismes de reprise, de surveillance et de validation humaine.

 

http://https://venturebeat.com/orchestration/new-alibaba-ai-framework-skips-loading-every-tool-cutting-agent-token-use-99