--- schema_version: "1" id: affd173df61d80bcd5ddd29af174c9bef7a047d7ded07082189518cef37d6cab title: Architecture de l'entreprise Agentic avec MuleSoft collection: architect version: current locale: fr-fr portal_url: https://docs.salesforce.com/architect/current/fr-fr/fundamentals/guides/mulesoft-architecting-agentic-enterprise.md canonical_url: https://architect.salesforce.com/docs/architect/fr-fr/fundamentals/guide/mulesoft-architecting-agentic-enterprise.html source_site: architect.salesforce.com content_type: documentation content_hash: e36ee2f689792dbaef405b813868e8cf20c56cb99bc464e74ed8c528a695366d products: - Fondamentaux - Architect Site Content Repo updated_at: 2025-10-01T00:00:00Z --- # De l'intégration composable à une entreprise agentique gouvernée La transition vers Agentic Enterprise représente le changement architectural le plus important depuis l'aube du cloud. Il promet des niveaux de productivité et d'automatisation sans précédent, mais il introduit également de profonds défis liés à la gouvernance, à la sécurité et à la complexité opérationnelle. Utiliser une approche fragmentaire - déployer des agents en silos sans stratégie rassembleuse - est une voie directe vers la dette technique et le chaos organisationnel. Le déploiement d'agents sans plan de gestion central entraîne des risques opérationnels importants, notamment des failles de sécurité liées à l'accès direct au système, un manque d'observabilité dans les interactions et les actions des agents, et des coûts élevés dus à des intégrations point à point redondantes. Cette stratégie de déploiement cloisonnée crée un environnement fragile et difficile à gérer à grande échelle. Un modèle durable nécessite une plate-forme unifiée pour l'intégration et la gouvernance des agents. _MuleSoft_ fournit une plate-forme complète, unifiée et ouverte pour guider en toute confiance les entreprises tout au long de leur parcours. Il exploite le paysage d'API existant de l'entreprise en tant que fondation pour les actions des agents, et accélère la création de nouveaux actifs prêts pour les agents à travers un cycle de vie de développement de confiance piloté par l'IA. Grâce à la prise en charge au niveau de l'entreprise de normes ouvertes telles que le protocole Model Context Protocol (MCP) et les protocoles Agent2Agent (A2A), ces actifs peuvent être exploités à la fois pour des commandes simples et une collaboration multi-agents complexe, quelle que soit l'évolution du paysage de l'IA. [_MuleSoft Agent Fabric_](https://docs.mulesoft.com/agent-fabric/) fournit une solution pour découvrir, orchestrer, gouverner et observer l'écosystème complet des agents. Grâce à cette approche intégrée, _MuleSoft Agent Fabric_ fournit une base éprouvée pour adapter un réseau d’agents d’Intelligence artificielle approuvés, qui transforme les promesses de l’IA en résultats commerciaux tangibles et automatisés et exploite tout le potentiel de l’entreprise intelligente. ## **La fondation composable pour l’IA actionnable** Architecture de connectivité pilotée par l'API à trois couches L'approche à trois niveaux établie de la connectivité pilotée par l'API - API système, API processus et API Experience - fournit un cadre puissant pour structurer l'actionnabilité des agents. - Les **API système** offrent une interface cohérente, sécurisée et abstraite aux systèmes d'enregistrement sous-jacents. Ils découplent les agents de la complexité des protocoles back-end et des modèles de données, ce qui garantit que toutes les actions des agents sont exécutées sur des points de terminaison gouvernés et fiables. - Les **API de processus** encapsulent une logique métier complexe à plusieurs étapes. Les agents n'ont pas besoin de comprendre l'orchestration complexe qui se cache derrière la création de commandes, la vérification de l'inventaire ou l'initiation d'expéditions. Ils peuvent utiliser des API Process (par exemple, « Process Order ») sans avoir à gérer les complexités sous-jacentes. Les API de processus offrent aux agents un mécanisme sûr, transactionnel et auditable pour exécuter des processus métiers, ce qui réduit considérablement le raisonnement des agents et garantit l'application cohérente des règles métiers. - **Les API Experience** étaient traditionnellement conçues pour servir des applications d'interface utilisateur spécifiques (par exemple, Order Management App). Cependant, elles peuvent également être redéfinies en actions riches en contexte pour les agents. Cela fournit aux agents des informations essentielles pour réaliser une tâche donnée sans avoir à appeler plusieurs systèmes en aval. ## 1\. Création générative : Accélération du développement d'actifs prêts pour l'agent Pour répondre à la demande croissante d'outils et de capacités prêts à être utilisés par les agents, les entreprises doivent accélérer le développement des API et des intégrations qui forment la base composable. _MuleSoft_ relève ce défi en incorporant l’IA générative directement au cycle de vie du développement, ce qui crée un cycle vertueux qui utilise l’IA pour élaborer les actifs de haute qualité que les autres agents consomment. ### **1.1 MuleSoft Vibes** Pour les développeurs, [MuleSoft Vibes](https://www.mulesoft.com/platform/api/anypoint-code-builder/announcing-mulesoft-vibes) agit comme un partenaire intelligent en automatisant les aspects les plus répétitifs du développement de l'intégration et en fournissant une interface unifiée et agentique pour tout le cycle de vie du développement logiciel. Grâce à MuleSoft Vibes dans [Anypoint Code Builder](https://docs.mulesoft.com/anypoint-code-builder/), les développeurs interagissent avec les capacités génératives pilotées par les [ _Pipelines IA Einstein_ de confiance](https://blogs.mulesoft.com/automation/how-mulesoft-turns-generative-output-into-value/), ce qui rend le processus de développement assisté par l’IA fluide et efficace. Ce pipeline - le _Service d'exécution de graphiques d'inférence (IGES)_ \- est un processus à plusieurs étapes utilisé pour obtenir des résultats de grande qualité. Il comprend l'ancrage, la validation, la correction des erreurs et une évaluation rigoureuse. Diagramme d'architecture montrant comment MuleSoft Vibes exploite les Pipelines IA Einstein de confiance - La fonctionnalité [**Generative Flows**](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/) dans _MuleSoft Vibes_ repose sur le cadre _Agentforce AI_. Il transforme la logique métier en langage naturel (invites utilisateur) en applications Mule fonctionnelles. Le _pipeline IGES_ comprend les étapes suivantes : - **Résumé de l'historique des conversations :** Le LLM analyse l'invite actuelle et les messages précédents de l'utilisateur pour créer une invite résumée qui capture l'intention de l'utilisateur et l'historique des conversations. Cette invite consolidée améliore la précision des étapes suivantes de récupération et de génération de données. - **Récupération sémantique de flux à partir d'une base de données vectorielle :** Le système reprend l'invite résumée de l'étape précédente et effectue une recherche sémantique dans une base de données vectorielle qui contient plus de 200 connecteurs, plus de 7000 opérations de connecteur et plus de 7000 exemples d'extrait de code. Il récupère les connecteurs, les opérations et les exemples de code les plus pertinents pour ancrer le processus de génération en utilisant des données précises, et garantit que les sorties sont alignées avec le vaste écosystème de connecteurs de MuleSoft. Comme MuleSoft est la norme de l'industrie pour les connecteurs et les opérations, cet ancrage fournit au modèle un contexte riche et une précision de domaine qui font défaut aux grands modèles de langage génériques. - **Augmentation :** Le contenu récupéré et les messages d'historique des conversations sont ensuite combinés à l'invite résumée. Cette invite augmentée guide le LLM afin de réduire les hallucinations. Il comprend également des instructions pour empêcher la génération de contenu toxique. - **Génération de flux :** Cette étape exploite le modèle _Einstein AI LLM_ pour générer un code XML brut basé sur le contexte et les exemples fournis. C'est l'étape principale du pipeline de génération. - **Post-traitement et validation :** Le post-processeur et le validateur vérifient le code pour s'assurer de la syntaxe correcte et de l'utilisation d'opérations de connecteur valides, tandis qu'un contrôle de toxicité séparé signale un contenu nocif. - **Correction d'erreur à plusieurs étapes :** Si toutes les générations initiales ne sont pas valides, le mécanisme automatisé de correction d'erreur analyse les messages d'erreur pour détecter des modèles. Il soumet ensuite de nouveau l'invite au grand livre avec des messages d'erreur enrichis et des métadonnées correctives. - **Génération de fichiers de configuration :** Cette étape extrait les métadonnées pertinentes du connecteur, augmente l'invite et l'envoie au grand livre pour générer des configurations de connecteur précises. Enfin, tous les espaces de noms POM et XML sont générés de façon déterministe en utilisant la dernière version de chaque dépendance, ce qui élimine les hallucinations et garantit la cohérence. - La transformation de données [**DataWeave Transformation Generation**](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/)**:** est souvent la partie la plus chronophage du développement de l'intégration. _MuleSoft Vibes_ s'attaque à ce processus en utilisant l'approche à plusieurs étapes similaire à la génération _XML Flux mulet_. - **Raisonnement de l'intention :** Le LLM analyse les échantillons de données d'entrée et de sortie des utilisateurs pour déduire et articuler une logique de transformation de haut niveau en langage naturel. Cette étape sépare l'objectif de l'utilisateur des valeurs de données littérales qui peuvent avoir été fournies dans l'invite. - **Récupération sémantique DataWeave :** Pour trouver la documentation sur les fonctions DataWeave la plus pertinente sur le plan sémantique et des exemples de transformation complets, le système utilise l'invite générée à l'étape précédente en tant que requête à la base de données vectorielle. Le processus de génération repose ainsi sur des informations vérifiées et de haute qualité. - **Augmentation :** Les fonctions et les exemples récupérés sont combinés à l'invite utilisateur d'origine afin de créer une série d'instructions contextuelles pour l'appel LLM suivant, qui influence le comportement du LLM pour réduire les hallucinations. - **Génération DataWeave :** Cette étape exploite le modèle LLM pour générer un script de transformation DataWeave et une explication d'accompagnement basée sur le contexte fourni et des exemples. C'est l'étape principale du pipeline de génération. - **Post-traitement et validation** Le script généré est évalué par rapport à deux métriques spécifiques : validité et exactitude. Le script doit compiler sans erreur de syntaxe (validité) et produire la sortie attendue lorsqu'il est exécuté en utilisant l'entrée exemple (correct). - **Correction d'erreur à plusieurs étapes :** Si la validation initiale échoue, ce plug-in identifie les catégories d'erreur et corrige les problèmes dans le script généré. Cette amélioration contribue à améliorer le taux de réussite global et la précision du système. - **Post-traitement et validation finaux** Le script corrigé du module de correction d'erreur est soumis à un processus de revalidation pour s'assurer qu'il est syntaxiquement valide et fonctionnel. Cette porte de qualité finale garantit la précision et la fiabilité de la sortie avant de la renvoyer à l'utilisateur. - Les développeurs [**de spécification d'API**](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec) **et de [génération de documentation](https://docs.mulesoft.com/exchange/generating-documentation-with-ai):** peuvent générer des spécifications _OpenAPI (OAS)_ ou _RAML_ entièrement validées en décrivant l'API souhaitée en langage naturel. _MuleSoft Vibes_ ingère l'invite (qui contient des détails sur les ressources, les méthodes, les schémas de sécurité et les paramètres) et produit une définition d'API valide et syntaxiquement correcte. Après la génération, il peut créer une documentation pour l'API dans _Anypoint Exchange_, qui couvre tous les aspects, depuis l'authentification jusqu'aux détails des points de terminaison et le traitement des erreurs, libérant ainsi les développeurs de ces types de tâches fastidieuses. - **Génération d'unités assistées par l'IA :** L'assurance qualité est primordiale pour les actifs consommés par des agents autonomes. _MuleSoft Vibes_ aide à générer des requêtes de test MUnit directement depuis le code de flux Mule. Cela permet de simuler les dépendances et les assertions externes, et d'identifier les écarts de test courants, ce qui réduit considérablement les efforts manuels nécessaires pour atteindre une couverture de test élevée et garantir la fiabilité de la logique d'intégration. ### **1.2 MuleSoft à votre façon** Les développeurs prospèrent dans leurs environnements préférés. C'est pourquoi _MuleSoft_ rencontre les développeurs là où ils se trouvent, ce qui leur permet d'élaborer des intégrations dans l'IDE IA de leur choix. [Le serveur MCP](https://www.npmjs.com/package/@mulesoft/mcp-server) (Model Context Protocol) de MuleSoft expose les capacités de développement, de déploiement et de gestion en tant qu'outils MCP que tout IDE natif basé sur l'IA basée sur un code VS (par exemple, Cursor, Windsurf ou Trae) peut consommer pour interagir avec la _plate-forme Anypoint_ en langage naturel. En empaquetant sa fonctionnalité IDE de base dans une [extension VS Code standard](https://marketplace.visualstudio.com/items?itemName=salesforce.mule-dx-extension-pack), _MuleSoft_ découple ses outils d'un shell IDE de marque, ce qui permet à l'outillage de développement d'être agnostique IDE. Au lieu de concurrencer l'évolution rapide des IDE, ce choix d'architecture permet aux outils de développement de MuleSoft de rester compatibles et accessibles dans l'écosystème croissant des IDE modernes pilotés par l'IA. ## 2\. Activer Actionability : Transformation des API en outils pour les agents Dans une entreprise agentique, disposer d'une base solide d'API composables est nécessaire, mais insuffisant. L’étape critique suivante consiste à s’assurer que ces actifs sont découvrables, compréhensibles et invocables par les agents IA. Cela nécessite une « couche actionnable » basée sur des normes ouvertes conçues spécifiquement pour la communication des agents. _MuleSoft_ fournit un outillage de niveau entreprise pour les deux protocoles émergents dominants : - **MCP** pour les interactions agent à système - **A2A** pour les interactions agent à agent Architecture d'entreprise agentique avec les protocoles MCP et A2A ### **2.1 Modèle de protocole de contexte (MCP)** _MCP_ s'est rapidement imposé comme la norme de l'industrie pour la communication agent-à-outil, ce qui est analogue à ce que _REST_ est devenu pour les services Web. _MCP_ permet aux agents IA de découvrir dynamiquement les capacités d'un système, de comprendre ses entrées et sorties, et de l'invoquer pour exécuter une action, le tout sans nécessiter de logique préprogrammée ou codée en dur. Le [connecteur MCP MuleSoft](https://docs.mulesoft.com/mcp-connector/latest/) permet de publier en tant que serveur MCP n'importe quelle API implémentée en tant qu'application Mule. Comme _MuleSoft_ fournit des centaines de connecteurs prédéfinis à pratiquement tous les grands systèmes d'entreprise (par exemple, SaaS, hérités et bases de données), cela transforme instantanément les API et les applications d'une organisation en un ensemble d'outils prêts pour l'agent. Une API conçue pour vérifier l'inventaire dans SAP, un flux qui traite une nouvelle piste dans Salesforce ou une application personnalisée connectée via _MuleSoft_ peuvent tous être mis à la disposition des agents IA en tant qu'outils atomiques et gouvernés en utilisant le _connecteur MCP_. ### **2.2 Protocole agent à agent (A2A)** Bien que le _MCP_ excelle dans les interactions hiérarchiques invoquant un outil, les processus métiers complexes nécessitent souvent la collaboration de plusieurs agents spécialisés. Le protocole _Agent à agent_ est la norme ouverte émergente conçue pour faciliter la communication pair à pair qui permet des workflows multi-agents sophistiqués. La prise en charge d'A2A par MuleSoft permet aux entreprises de concevoir et de construire des systèmes avancés avec le même niveau de gouvernance et de fiabilité que celui attendu pour leurs API. Le [connecteur MuleSoft A2A](https://docs.mulesoft.com/a2a-connector/latest/) permet aux développeurs d'exposer aisément n'importe quel agent en tant que serveur A2A ou d'invoquer n'importe quel agent conforme A2A à partir d'une application Mule. Par exemple, un processus de demande de prêt immobilier peut être orchestré entre un « agent de vérification du crédit », un « agent de signature de document » et un « agent de conformité réglementaire », chaque agent découvrant et invoquant les capacités des autres (au besoin) pour faire avancer la demande. En fournissant un outillage robuste de niveau entreprise pour MCP et A2A, MuleSoft prend en charge la création d'un écosystème flexible qui comprend des interactions directes agent à système (via des outils MCP) et des interactions agent à agent (A2A). Quelle que soit l’évolution du paysage de l’IA, cette approche positionne _MuleSoft_ comme la fondation sous-jacente qui connecte toutes les formes de communication des agents. ## 3\. MuleSoft Agent Tissu: Le système nerveux central de l'entreprise Agentic À mesure que les entreprises adoptent l’IA agentique, elles sont inévitablement confrontées au défi de l’étalement des agents. Pour éviter que cela ne dégénère en chaos, une couche d'orchestration dédiée est requise. [MuleSoft Agent Fabric](https://docs.mulesoft.com/agent-fabric/) ([demo](https://www.youtube.com/watch?v=GAqwPie16ic)) est une solution architecturale complète conçue pour relever ce défi. Il fournit un plan de gestion central pour découvrir, gouverner, orchestrer et observer l'ensemble du réseau d'agents IA, quel que soit leur lieu de construction ou leur mode d'exploitation. Fonctionnant comme le « contrôleur aérien » de la force de travail numérique de l'entreprise, _MuleSoft Agent Fabric_ transforme une collection d'agents fragmentés et cloisonnés en un réseau d'intelligence cohérent, sécurisé et hautement performant. _MuleSoft Agent Fabric_ repose sur quatre piliers intégrés qui couvrent la gestion complète du cycle de vie des agents en tant qu'actifs d'entreprise de premier ordre. ### **3.1 Registre des agents (Découvrir)** La base de tout écosystème géré est la découvrabilité. Le _Registre des agents_ sert de catalogue universel et centralisé pour chaque actif agent au sein de l'entreprise. Cela comprend les agents personnalisés, les agents incorporés à des applications SaaS, les serveurs MCP qui exposent des systèmes hérités et les points de terminaison A2A pour la collaboration inter-agents. En fournissant une source de preuve unique, le _Registre des agents_ résout le problème critique de découverte en empêchant les équipes de développer des capacités redondantes, et en permettant aux développeurs humains et aux autres agents IA de rechercher et de réutiliser dynamiquement des actifs existants à grande échelle. Capture d'écran du Registre des agents Le _Registre des agents_ s'appuie sur _Anypoint Exchange_ et ajoute trois nouveaux types d'actifs : Agents, serveurs MCP et LLM. Il capture des informations sur ces actifs, notamment les outils MCP, les protocoles de transport et les cartes d'agent, ainsi que les dépendances entre les agents et les serveurs et outils MCP qu'ils consomment. Les développeurs peuvent créer et gérer des actifs directement dans le registre. Ils peuvent également découvrir et réutiliser par programmation des actifs existants dans MuleSoft Vibes (via l'outil search_asset _de MuleSoft MCP Server_) en créant de nouvelles orchestrations. Cela fournit aux développeurs toutes les informations dont ils ont besoin pour comprendre et consommer ces actifs. ### **3.2 Agent Broker (Orchestrer)** Une fois que les actifs peuvent être découverts, ils doivent être orchestrés pour accomplir un travail utile. L'_agent Broker_ est un service d'orchestration qui exécute des processus métiers à plusieurs étapes. Il utilise un LLM configurable pour interpréter les tâches principales et générer des workflows correspondants. L'_agent Broker_ découvre, séquence et invoque dynamiquement les agents et les outils requis pour mener à bien ces processus. MuleSoft Agent Broker Architecture La connectivité est gérée via le _MCP_ pour les outils et un protocole _A2A_ pour les agents. Cela permet au système d'organiser les agents dans des domaines spécifiques à l'entreprise (par exemple, Supply Chain ou Finance) et d'acheminer les tâches à travers tous ces domaines. Une invite unique en langage naturel (par exemple « Embarquez un employé ») est décomposée en une séquence d'actions discrètes exécutées par différents agents ou outils à travers plusieurs systèmes back-end. L'orchestration d'Agent Broker comprend : - **Modèle d'orchestration dynamique :** Il s'agit d'un modèle Agent-Boucle qui détermine les sous-tâches et les orchestre à travers les agents et les outils les plus appropriés pour atteindre l'objectif global. En exploitant ce schéma, [les agents collaboratifs](/docs/architect/fr-fr/fundamentals/guide/agentic-patterns#15-agents-collaboratifs-essaims-dagents) peuvent être élaborés pour résoudre des cas d'utilisation complexes (par exemple, [gérer une escalade de service](/docs/architect/fr-fr/fundamentals/guide/agentic-patterns#35-cas-dutilisation-de-lagent-collaboratif--escalade-de-service-complexe) complexe). - **Raisonnement propulsé par le LLM :** Utilise un LLM pour interpréter les objectifs en langage naturel et générer des plans d'exécution, ce qui élimine la nécessité d'une logique de workflow rigide et codée en dur. - **Modèle LLM configurable :** Permet aux développeurs de spécifier le modèle LLM à utiliser, ce qui permet de contrôler les coûts, les performances et les capacités. - **Développement du langage naturel :** La logique _Agent Broker_ peut être définie en langage naturel via _MuleSoft Vibes_. - **Observabilité :** _Anypoint Monitoring_ fournit la consignation et le traçage lors du déploiement pour aider les utilisateurs à comprendre et à déboguer le raisonnement et les interactions de Agent Broker avec les outils _MCP_ et les agents _A2A_. - **Déploiement géré :** _Agent Broker_ est une application conteneurisée soutenue par _Mule Runtime_, qui gère la disponibilité et l'évolutivité du déploiement. ### **3.3 Passerelle Flex pour MCP et A2A (Gouvernance)** La _passerelle Flex Anypoint_ est le mécanisme par lequel certaines politiques sont techniquement appliquées. _MuleSoft Agent Fabric_ exploite la _passerelle Flex Anypoint_ pour [sécuriser, inspecter et gérer chaque interaction](https://docs.mulesoft.com/gateway/latest/flex-agent-secure) agentique qui se produit via les protocoles _MCP_ et _A2A_. Cela permet aux organisations d'appliquer une riche [série de stratégies](https://docs.mulesoft.com/gateway/latest/flex-agent-policies) à l'ensemble du trafic des agents pour s'assurer que chaque action est sécurisée, conforme et auditable avant son exécution. Pour faire évoluer l’adoption de l’IA en toute sécurité et de manière responsable, ces garde-fous sont essentiels. | Nom de la police | Protocole(s) | Description | | :----------------------------------------------------- | :---------- | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | **Politique de validation JWT/Politique d'application de l'ID client** | A2A, MCP | La **politique de validation JWT** sécurise les agents _A2A_ et les serveurs _MCP_ en limitant l'accès aux appelants authentifiés. | | **Validation du schéma** | A2A, MCP | La **Validation du schéma** garantit que les requêtes d'agent entrantes sont conformes à la spécification _A2A_ ou _MCP_, ce qui évite tout trafic déformé. | | **Détecteur PII A2A** | A2A | **A2A PII Detector** identifie les _informations d'identification personnelle_ dans les requêtes et les réponses, et permet de consigner ou de bloquer pour satisfaire aux exigences de conformité. | | **A2A Décorateur d'invite** | A2A | **A2A Prompt Decorator** injecte un contexte personnalisé ou des instructions dans des invites envoyées aux agents pour guider leur comportement et appliquer des garde-fous. | | **Contrôle d'accès basé sur les attributs MCP** | MCP | Le **Contrôle d'accès** basé sur l'attribut MCP régule l'accès à des outils et des ressources spécifiques exposés par un serveur _MCP_ en fonction des attributs utilisateur (par exemple, niveaux, IP ou réclamations JWT). | | **Journalisation SSE** | A2A, MCP | **La consignation SSE** enregistre le contenu des flux _Événements envoyés par_ le serveur (SSE) utilisés par les protocoles agents pour un audit complet et la traçabilité. | | **Limitation du débit et contrôle des pics** | A2A, MCP | Le **contrôle de limitation** tarifaire et de pointe protège les agents back-end et les systèmes contre les augmentations de trafic et les attaques par déni de service en appliquant automatiquement les limites en requêtes. | | **A2A Agent Card** | A2A | La **carte Agent A2A** réécrit l'URL de la carte Agent pour s'assurer que tout le trafic est correctement acheminé via l'instance de passerelle Flex régie. | **Politiques de gouvernance d'entreprise pour les protocoles agentiques** En plus de régir les requêtes entrantes, la _passerelle Flex Anypoint_ gère également toutes les connexions sortantes et les requêtes d'un agent à des services externes (par exemple, les serveurs et outils _MCP_ ou d'autres agents). Cela comprend : - **Consignation :** Fournit un point d'observabilité centralisé pour surveiller et consigner toutes les demandes d'audit et de dépannage des agents sortants. - **Sécurité :** Empêche la fuite de données confidentielles en inspectant le trafic sortant. - **Authentification :** Gère les identifiants de systèmes externes en appliquant des mécanismes d'authentification sortants, notamment des clés d'API, OAuth et ClientId/ClientSecret à partir d'un point unique. Le _kit Anypoint Flex Gateway_ [**Policy Development Kit (PDK**)](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview) permet aux utilisateurs de créer des stratégies personnalisées lorsque les stratégies prêtes à l'emploi ne remplissent pas des exigences spécifiques. En utilisant le _PDK_, les développeurs peuvent écrire une logique de stratégie dans le langage de programmation _Rust_ et la compiler dans un module _WebAssembly (WASM)_. Le module autonome est ensuite chargé dans _Anypoint Flex Gateway_ pour appliquer des règles de sécurité uniques, des transformations de données personnalisées ou une logique d'intégration spécialisée directement à la périphérie de l'API. Cela offre une méthode puissante et performante pour étendre les fonctionnalités de la passerelle à des cas d'utilisation uniques ou complexes. Voici les quatre composants clés du _PDK_: - **Plugin Anypoint CLI PDK :** Ce plug-in crée le projet _PDK_ et charge la stratégie compilée dans _Exchange_. Il génère également un _fichier Makefile_ qui simplifie le processus de développement en fournissant un ensemble clair de commandes pour élaborer et gérer la stratégie. - **Modèle de politique :** Lors de la création d'un projet, le _PDK_ génère un échafaudage ou un modèle de base. Cette structure inclut tous les fichiers et la configuration nécessaires pour réussir à compiler la stratégie, ce qui donne aux développeurs un point de départ pour une logique personnalisée. - **Outils de construction SDK :** Ces outils extraient l'architecture complexe pilotée par l'événement du proxy _Envoyé_ sous-jacent. En utilisant des modèles de réacteur et d'exécuteur, le _SDK_ fournit une méthode de codage linéaire et simple. Cela permet de réduire la complexité, d'améliorer le débogage et de réduire la courbe d'apprentissage pour les développeurs. - **Gestion des politiques :** Le [serveur MCP MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools) fournit des outils _MCP_ pour aider les utilisateurs à gérer le cycle de vie des stratégies personnalisées. Voici quelques exemples d'outils : - get_flex_gateway_policy_example - manage_api_instance_policy - manage_flex_gateway_policy_project ### **3.4 Agent Visualizer (Observe)** Capture d'écran de MuleSoft Agent Visualizer L'_Agent Visualizer_ fournit une carte dynamique en temps réel de l'ensemble du réseau d'agents, transformant ce qui pourrait être une « boîte noire » d'interactions IA en un système entièrement observable. Les architectes et les équipes d'exploitation peuvent utiliser le _visualiseur d'agent_ pour examiner comment les agents sont connectés, suivre leurs flux de décision, surveiller leur santé et leurs performances, et identifier les dépendances. Ce niveau de visibilité est crucial pour optimiser les performances, dépanner efficacement les pannes, détecter les blocages et renforcer la confiance dans les agents déployés. ## **4\. Unification de la plateforme Salesforce** ### **4.1 Catalogue d'API et Centre thématique** Le _catalogue d'API MuleSoft_ et le _centre thématique_ sont conçus pour améliorer la découverte, l'utilisation et la gestion des API, en particulier conjointement avec _Agentforce_ Toutes les API _MuleSoft_ conçues et publiées peuvent être découvertes et consommées via le [catalogue d'API](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5) dans _Salesforce Platform_. Le _catalogue d'API_ sert de référentiel centralisé et unifie toutes les API d'une organisation depuis _MuleSoft_, _Salesforce_, _Heroku_ et d'autres clouds dans une vue unique. Cela facilite la découverte, la compréhension et la réutilisation des API existantes pour les développeurs et les administrateurs en permettant leur utilisation dans des automatisations (par exemple, _Agentforce_, _Flow_ et _Apex_). [MuleSoft pour Agentforce : Le Centre thématique](https://blogs.mulesoft.com/news/mulesoft-for-agentforce-topic-center/) permet aux développeurs d'articuler leurs API autour de cas d'utilisation métiers spécifiques en définissant des métadonnées Agentforce **Rubriques** et **Actions** dès la conception. Cela comprend : - **Actions**, qui sont les tâches qu'un agent peut effectuer. - **Instructions**, qui guident l'agent sur la façon d'appliquer certaines actions. En [ajoutant cette couche sémantique](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center), le _Centre thématique_ rend les API compréhensibles et consommables par _Agentforce_, ce qui lui permet d'interagir efficacement avec les systèmes d'entreprise. MuleSoft Topic Center Architecture ### **4.2 Agentforce Gateway** _Agentforce Gateway_ est une couche de gouvernance centralisée conçue pour gérer et sécuriser les interactions au sein de l'écosystème _Agentforce_ en expansion. Comme _Agentforce_ intègre des API et des outils tiers supplémentaires via des protocoles tels que _MCP_, la fonction principale de l’_Agentforce Gateway_ est d’appliquer des politiques (par exemple, des limitations de taux et des restrictions d’outils) à tout le trafic sortant initié par _Agentforce_, et d’auditer toutes les requêtes sortantes. _Agentforce Gateway_ exploite le moteur de politique de gouvernance de l ' API _MuleSoft_, qui est intégré nativement à _Salesforce Platform_. Ce moteur de stratégie basé sur _Envoy_ intercepte le trafic des agents, applique des stratégies configurées (par exemple, contrôle d'accès basé sur l'attribut et limites en quotas), et gère l'authentification et l'autorisation, le tout sans demander aux clients d'installer une infrastructure de passerelle supplémentaire. Agentforce Gateway Architecture ### **4.3 Intelligence de l'intégration** Le déploiement d'un réseau régi d'agents est une avancée majeure. Il introduit toutefois de nouveaux défis opérationnels du Day 2. Elle nécessite un niveau d'intelligence opérationnelle amélioré pour surveiller, mesurer et dépanner un système dynamique et distribué d'acteurs autonomes. La vision architecturale ultime est un système où l’IA est utilisée non seulement pour exécuter des processus métiers, mais aussi pour surveiller, gérer et soigner l’infrastructure même sur laquelle elle fonctionne. _La_ vision de MuleSoft pour l'intelligence de l'intégration exploite la puissance de l'écosystème _Salesforce_ élargi pour fournir des connaissances approfondies et personnalisables sur les performances du tissu d'intégration et du réseau agentique. En capturant et en stockant des données [conformes OpenTelemetry (OTEL)](https://opentelemetry.io/) \- la nouvelle norme d'observabilité - dans **Salesforce Data 360**, les organisations peuvent créer un référentiel unifié pour les journaux, les métriques et les traces dans l'ensemble de leur paysage. Ces données peuvent être visualisées dans **Tableau** via des tableaux de bord prédéfinis et des visualisations personnalisées pour recueillir des connaissances détaillées sur les performances des API, les modèles d'interaction des agents et l'intégrité générale du système. Architecture de l'intelligence de l'intégration Ce système comprend trois composants clés : 1. **Ingestion :** Le service d'ingestion est le point d'entrée centralisé pour la collecte et le traitement des données télémétriques de diverses applications _Mule_, _agents courtiers_ et _passerelles flexibles_. Il effectue la validation du schéma, la normalisation des données et le filtrage afin de maintenir la qualité et la cohérence des données entre diverses applications. En outre, il applique des contrôles (par exemple, l'authentification, le cryptage, l'équité du locataire et la limitation du taux) dans le pipeline d'ingestion. 2. **Stockage :** Une tâche de streaming haut débit exécutée dans _Data 360_ lit les données des rubriques _Kafka_ multi-locataires et les transforme au format _OTEL_. Les données OTEL sont ensuite engagées dans _Data 360_ du locataire dans les _objets modèle de_ données TelemetryTraceSpan, _TelemetryLogs_ et _TelemetryMetrics_ du _Lakehouse_. 3. **Visualisation/Consommation :** Avec les données télémétriques disponibles dans _Data 360_, les clients peuvent consulter l'intégrité du système et recueillir des connaissances en utilisant des tableaux de bord prédéfinis ou personnalisés via _Tableau Suivant_. Les clients peuvent également utiliser [Tableau Concierge](https://help.salesforce.com/s/articleView?id=analytics.tua_metric_questions.htm&type=5), une compétence analytique prédéfinie et agentique dans _Tableau Next_, qui permet aux utilisateurs de poser des questions sur les données télémétriques en langage naturel et de recevoir des réponses fiables et actionnables avec des visualisations. Les clients peuvent également exporter les données vers des systèmes existants de _Gestion des performances applicatives_ (par exemple, _DynaTrace_, _Datadog_, _Splunk_, etc.). ## **Conclusion** La transition vers une entreprise agentique n'est pas seulement une mise à niveau informatique ; c'est un point d'inflexion architectural fondamental. Un déploiement fragmenté et cloisonné d’agents IA est une voie directe vers le chaos opérationnel, le shadow IT et la dette technique ingérable. La seule voie durable à suivre est une architecture unifiée et composable. En s'appuyant sur les bases éprouvées de la connectivité pilotée par l'API, le _tissu MuleSoft Agent_ fournit le « système nerveux central » requis pour gérer cette nouvelle force de travail numérique. Il fournit les capacités critiques de découverte, d'orchestration, de gouvernance d'entreprise et d'observabilité de bout en bout. C’est ainsi que nous dépassons l’expérimentation de l’IA et commençons à concevoir une entreprise réellement intelligente, automatisée et sécurisée, transformant un potentiel autonome en résultats métiers tangibles et gouvernés. ## **Guides techniques et références** - [Premiers pas avec le Générateur de code Anypoint](https://docs.mulesoft.com/anypoint-code-builder/start-acb) - [Guide technique d'Einstein pour Anypoint Code Builder : Flux génératifs](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/) - [Approfondissement de la transformation générative DataWeave : Innovation IA pour une transformation rapide des données](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/) - [Création de spécifications d'API avec MuleSoft Dev Agent](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec) - [Génération de documentation sur les API avec l'IA générative Einstein](https://docs.mulesoft.com/exchange/generating-documentation-with-ai) - [Vue d'ensemble du serveur MCP MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/) - [Outils du serveur MCP MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools) - [Connecteur MCP](https://docs.mulesoft.com/mcp-connector/latest/) - [Connecteur A2A](https://docs.mulesoft.com/a2a-connector/latest/) - [Commencez avec Agent Fabric](https://docs.mulesoft.com/agent-fabric/learning-map-agent-fabric) - [Sécurisation des interactions des agents avec Flex Gateway](https://docs.mulesoft.com/gateway/latest/flex-agent-secure) - [Politiques des agents Flex Gateway](https://docs.mulesoft.com/gateway/latest/flex-agent-policies) - [Vue d'ensemble du kit de développement de politiques (PDK) Flex Gateway](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview) - [Catalogue d'API MuleSoft pour Salesforce](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5) - [Activation d'un projet d'API pour les sujets et les actions des agents](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center) - [Utilisez Tableau Next](https://help.salesforce.com/s/articleView?id=analytics.tua_consume.htm&type=5) - [OpenTelemetry](https://opentelemetry.io/) - [Model Context Protocol](https://modelcontextprotocol.io/docs/getting-started/intro) - [Protocole Agent2Agent (A2A)](https://a2a-protocol.org/latest/) ## À propos de l'auteur Nikhil Aggarwal est architecte principal chez Salesforce, où il dirige l'architecture pour MuleSoft et Salesforce Automation Cloud. Nikhil apporte plus de 18 ans d'expérience dans la livraison de produits à grande échelle et est passionné par l'architecture évolutive, les expériences intuitives de développement et la création d'équipes très performantes. Avant Salesforce, il a dirigé plusieurs initiatives dans Microsoft Power Platform, Dataverse et Office 365, du concept au lancement. Son travail continue de façonner la façon dont les entreprises modernes connectent les systèmes, automatisent les workflows et libèrent la valeur métier à l’ère de l’IA.