LangChain dévoile un middleware d'agent pour le développement de harnais d'IA personnalisés
Felix Pinkston 26 mars 2026 15h31
LangChain présente le système AgentMiddleware permettant aux développeurs de personnaliser le comportement des Agents d'IA avec des hooks pour la détection des PII, la sélection d'outils dynamiques et des fonctionnalités prêtes pour la production.
LangChain a publié un système de middleware complet qui permet aux développeurs de personnaliser le comportement des Agents d'IA sans reconstruire l'infrastructure de base à partir de zéro. Le framework, détaillé dans un article de blog du 26 mars 2026, introduit six hooks distincts qui interceptent et modifient l'exécution de l'agent à chaque étape de la boucle.
L'architecture du middleware répond à un point de douleur persistant dans le développement d'agents : l'écart entre les prototypes prêts pour la démo et les systèmes de production. Alors que la personnalisation de base comme l'échange de prompts système ou l'ajout d'outils a toujours été simple, la modification de la boucle d'agent fondamentale — ce qui se passe avant les appels du modèle, comment les outils s'exécutent, quand les humains interviennent — nécessitait un code personnalisé étendu.
Comment fonctionne le système de hooks
AgentMiddleware expose six points d'intervention. before_agent se déclenche une fois lors de l'invocation pour charger la mémoire ou valider les entrées. before_model s'exécute avant chaque appel LLM, utile pour réduire l'historique ou capturer des données sensibles. wrap_model_call gère la mise en cache, les nouvelles tentatives et la liaison d'outils dynamiques. wrap_tool_call fait de même pour l'exécution des outils. after_model s'insère dans les workflows humains dans la boucle. after_agent gère le nettoyage et les notifications.
Ces middlewares s'empilent. Les développeurs peuvent superposer plusieurs modifications sans conflits.
Solutions intégrées pour les problèmes courants
LangChain propose des middlewares préconstruits pour les modèles qui continuent d'apparaître dans les déploiements de production. PIIMiddleware implémente les hooks before_model et after_model pour masquer, expurger ou hacher les informations personnellement identifiables — essentiel pour la conformité HIPAA où vous ne pouvez pas simplement vous frayer un chemin vers la sécurité juridique par des prompts.
LLMToolSelectorMiddleware s'attaque au gonflement du contexte en exécutant un modèle rapide pour identifier les outils pertinents à partir d'un registre avant l'appel principal, ne liant que ce qui est nécessaire. SummarizationMiddleware prévient le débordement du contexte en compressant l'historique des messages lorsque le nombre de tokens grimpe trop haut.
ModelRetryMiddleware encapsule les appels API avec une logique de nouvelle tentative configurable — nombre de tentatives, facteurs de recul, délais initiaux pour la limitation du débit. ShellToolMiddleware gère l'initialisation et la libération des ressources autour des boucles d'agents.
Deep Agents comme preuve de concept
LangChain a construit Deep Agents entièrement sur cette pile de middleware pour valider l'architecture. Le harnais d'agent s'exécute sur create_agent, le point d'entrée standard de LangChain, avec un middleware spécialisé superposé : FilesystemMiddleware pour la gestion du contexte basée sur les fichiers, SubagentMiddleware pour les sous-agents isolés du contexte, SkillsMiddleware pour la divulgation progressive des capacités.
L'approche permet aux équipes de gérer différentes préoccupations de manière indépendante. La logique métier reste découplée du code d'agent principal. Le middleware réutilisable peut se propager dans les organisations sans couplage serré.
Ce que cela signifie pour le développement d'agents
LangChain reconnaît que l'amélioration des capacités du modèle absorbera éventuellement certaines fonctions middleware actuelles — la synthèse, la sélection d'outils, la réduction de sortie pourraient migrer dans les modèles eux-mêmes. Mais l'application de politiques déterministes, les garde-fous de production et la logique spécifique à l'entreprise ne migreront pas. Ceux-ci restent dans la couche harnais.
Les développeurs peuvent commencer avec create_agent pour des configurations minimales ou create_deep_agent pour des fondations plus robustes. Les contributions de middleware personnalisés sont acceptées via la documentation d'intégration de LangChain.
- langchain
- Agents d'IA
- middleware
- deep agents
- outils de développement
