from letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Utilisation de Letta ADE (voie No-Code/Low-Code)
Si vous préférez le prototypage visuel, l’ADE vous permet de composer agents, mémoire et outils sans écrire de code.
- Lancez un nouveau projet d’agent dans l’ADE.
- Définissez le rôle de l’agent (prompt système), son ton, ses limites.
- Configurez la persistance et les stratégies de récupération de mémoire.
- Ajoutez des outils en sélectionnant parmi les connecteurs ou en définissant des actions personnalisées.
- Testez les conversations en ligne, observez les écritures mémoire, ajustez les seuils.
- Exportez ou transmettez aux développeurs une fois que votre prototype fonctionne bien.
Consultez l’annonce et le tutoriel de l’ADE pour une visite guidée et une courte vidéo d’intro.
## Concevoir d’excellents agents Letta : bonnes pratiques recommandées
1) Commencez par le besoin à accomplir
- Définissez un périmètre restreint (ex. « trier les tickets de support pour erreurs web »), pas un généraliste vague.
2) Encodez les procédures opératoires
- Intégrez vos procédures dans le prompt système. Exemple : « Quand la triage suggère un impact production, escaladez et définissez priorité=haute. Incluez toujours les étapes de reproduction si disponibles. »
3) Rendre les schémas d’outil stricts
- Imposer enums et champs requis. Cela réduit les paramètres hallucinés.
4) Considérez la mémoire comme une surface produit
- Décidez ce qui doit être mémorable (contacts, préférences, résolutions antérieures) et ce qui est éphémère (calculs ponctuels). Inspectez régulièrement les traces mémoire.
5) Testez avec des données réelles
- Alimentez l’agent avec des tickets, documents et exemples anonymisés. Observez les modes d’échec (contexte manquant, mauvaise priorité) et affinez prompts/outils.
6) Prévoir des garde-fous > nettoyage après coup
- Ajoutez des validations dans les outils. Si l’agent propose des entrées invalides, votre gestionnaire doit détecter et répondre avec des conseils.
7) Instrumenter tout
- Enregistrez les appels d’outils, écritures mémoire et télémétrie niveau messages. Créez des tableaux de bord pour les métriques clés (taux de réussite, temps de résolution).
8) Versionnez vos agents
- Suivez les changements des prompts, outils et politiques mémoire. Épinglez les versions stables pour la production, itérez en pré-prod.
## Workflows courants à déployer avec Letta
- Support client
- Résumer les fils, proposer une résolution, créer des tickets, notifier les parties prenantes.
- Assistant de recherche
- Planifier des requêtes, rechercher des sources, synthétiser, stocker les notes sources en mémoire.
- Sales/CS Ops
- Analyser les notes d’appels, extraire les prochaines étapes, mettre à jour le CRM via outils, relancer avec des emails types.
- Automatisation interne
- Surveiller les files d’attente, déclencher des runbooks, faire des rapports de statut, et conserver le contexte entre les shifts.
## Dépannage : quand ça ne marche pas
- L’agent oublie des choses
- Vérifiez que la mémoire est activée et que les seuils de récupération sont adaptés. Assurez-vous que vos éléments sont bien persistés.
- Appels d’outils mal formés
- Renforcez les schémas, ajoutez des enums et renvoyez des erreurs structurées avec des indications correctives.
- L’agent est trop verbeux ou trop succinct
- Ajustez le guide de style du prompt système et fournissez 2–3 exemples intégrés.
- Instructions conflictuelles
- Consolidez vos règles opératoires. Utilisez des priorités explicites : « Faites toujours X avant Y. »
- Dérive après mises à jour
- Bloquez la version en production. Déployez les changements progressivement (canari).
## Notes rapides sur sécurité et conformité
- Considérez les outils comme des chemins de code de confiance — authentifiez-les et limitez leur portée.
- Masquez les données sensibles avant d’enregistrer les traces mémoire.
- Prenez en compte les données personnelles dans la mémoire : politiques de rétention, contrôles d’accès, chiffrement.
## Du prototype à la production : checklist rapide
- OKR clairs pour l’agent (qu’est-ce que le succès ?).
- Périmètre restreint et prompt système guidé par SOP.
- Schémas stricts pour les outils avec validation et tests.
- Stratégie mémoire documentée et validée avec des tâches réelles.
- Observabilité (logs, métriques, alertes) configurée.
- Plan de versioning et de rollback.
- Environnements pré-prod et production séparés.
## Ressources d’apprentissage supplémentaires
- Vidéo d’intro : créez votre premier agent persistant.
- Quickstart (Python/TS) avec extraits de code.
- Architecture des agents et bonnes pratiques.
- Annonce et tutoriel ADE.
- Notes sur le renommage du package et sa compatibilité.
- Dépôt open-source et contexte.
## Au passage : itération plus rapide avec [Sider.AI](https://sider.ai)
Si vous documentez des prompts, testez des exemples, ou comparez les sorties entre versions d’agents, il est utile de garder les artefacts côte à côte et d’itérer rapidement. À noter, [Sider.AI](https://sider.ai) (https://sider.ai/) aide les équipes à capturer prompts, notes et diffs pendant que vous construisez et testez des agents — pratique quand plusieurs personnes affinent une SOP ou évaluent des schémas d’outil.
## Points clés à retenir
- Letta vous aide à construire des agents avec état, mémoire, outils et persistance d’état.
- Commencez par un besoin précis à accomplir et des schémas stricts pour la stabilité.
- Utilisez le SDK pour les workflows à base de code ou l’ADE pour le prototypage visuel.
- Instrumentez, versionnez et testez avec des données réelles avant de passer en production.
- Servez-vous du quickstart officiel et des guides agents pour rester aligné avec les meilleures pratiques.
### FAQ
Q1 : Qu’est-ce que Letta et en quoi diffère-t-il d’un chatbot classique ?
Letta est une plateforme pour construire des agents IA avec mémoire persistante et orchestration d’outils, pas juste un wrapper de chat sans état. Il stocke l’état des agents, impose des schémas d’outils et vous permet de gérer mémoire et workflows entre sessions.
Q2 : Comment démarrer rapidement avec Letta ?
Suivez le quickstart développeur pour Python ou TypeScript afin de créer votre premier agent et ajouter des outils. Si vous préférez une approche visuelle, utilisez l’ADE pour configurer mémoire, prompts et outils avant d’exporter votre setup.
Q3 : Letta peut-il mémoriser les préférences utilisateurs et les tâches passées ?
Oui. Letta supporte la mémoire persistante, permettant aux agents de stocker préférences, décisions, et résultats, puis de les récupérer contextuellement lors d’interactions ultérieures. Configurez les politiques mémoire et validez avec des tâches réelles.
Q4 : Comment fonctionnent les outils dans les agents Letta ?
Vous enregistrez des fonctions avec des schémas d’entrée stricts pour que l’agent puisse les appeler de façon fiable. Ajoutez de la validation, utilisez des enums, et renvoyez des erreurs structurées pour guider les corrections quand les entrées sont erronées.
Q5 : Letta est-il la même chose que MemGPT ?
Letta s’appuie sur les recherches et l’écosystème MemGPT mais est la plateforme et le package actuels à utiliser. Les notes sur le renommage et le dépôt ouvert expliquent la transition et les API mises à jour.