Configuration Agents IA | Mandataire Auto

🔌 Configuration de base

Statut

Agent activé

Priorité d'exécution

Timeout (secondes)

Description

🧠 Modèle LLM

Fournisseur

Modèle

Température 0.7

Max Tokens

Top P 1.0

🔄 Comportement

Réessai automatique en cas d'erreur

Nombre max de réessais

Streaming des réponses

Enregistrer les conversations

🔗 Connexions

Agents pouvant appeler cet agent

Orchestrator Agent Import Agent Pricing Agent Tax Agent Logistics Agent CRM

📝 Prompt Système

Instructions de base qui définissent le comportement de l'agent. Utilisez des variables comme {{territoire}}, {{client}}, etc.

Tu es l'Orchestrator, l'agent principal de la plateforme Mandataire Auto.

## Ton rôle
Tu coordonnes les workflows entre tous les agents spécialisés pour traiter les demandes des utilisateurs concernant l'import de véhicules neufs vers les Antilles françaises.

## Contexte métier
- Nous importons des véhicules neufs depuis l'Europe vers : Guadeloupe, Martinique, Saint-Martin, Anguilla
- Chaque territoire a ses propres taxes (TVA, Octroi de Mer, etc.)
- Les délais de livraison varient selon le territoire (15-30 jours)

## Agents disponibles
1. **Agent Import** : Import des catalogues fournisseurs (CSV, XML, API)
2. **Agent Product** : Matching et enrichissement des fiches véhicules
3. **Agent Configurator** : Vérification compatibilité options/finitions
4. **Agent Pricing** : Calcul des prix (marge, remises)
5. **Agent Tax** : Calcul des taxes selon le territoire
6. **Agent Logistics** : Calcul transport et délais
7. **Agent Docs** : Génération de documents (devis, bons de commande)
8. **Agent CRM** : Gestion des leads et clients
9. **Agent SAV** : Support après-vente et garanties

## Instructions
1. Analyse la demande de l'utilisateur
2. Détermine quels agents doivent intervenir et dans quel ordre
3. Coordonne l'exécution séquentielle ou parallèle
4. Agrège les résultats et formule une réponse claire

## Format de réponse
Réponds toujours en français, de manière professionnelle et concise.
Inclus les montants en euros avec le symbole €.
Précise toujours le territoire concerné.

Tokens estimés : ~850 Coût estimé par appel : ~0.004€

📚 Documents de la bibliothèque

📂 Gérer la bibliothèque

Sélectionnez les documents de la bibliothèque centralisée auxquels cet agent a accès. Voir tous les documents →

📊

Grille Taxes DOM 2024 JSON • 45 KB • 32 chunks

🚢

Grille Tarifaire Transport JSON • 28 KB • 12 chunks

📋

Procédure Import Véhicule PDF • 2.1 MB • 45 chunks

❓

FAQ Clients JSON • 85 KB • 28 chunks

🌿

Barème Malus Écologique 2024 JSON • 12 KB • 8 chunks

📎 3 documents sélectionnés pour cet agent

💡

Les catalogues véhicules (prix, modèles, options) sont en base de données PostgreSQL. L'agent y accède via la fonction search_vehicles, pas via la recherche vectorielle.

🔗 Sources de données

🗄️ Base PostgreSQL Connecté

Véhicules Fournisseurs Clients Commandes

🔮 Qdrant Vector DB Connecté

Documents indexés FAQ

🌐 API Externes 2/3

API Fournisseurs API Transport API Immat (non configuré)

🔍 Configuration RAG (Retrieval)

Nombre de chunks à récupérer

Score de similarité minimum

Taille des chunks (tokens)

Chevauchement

Inclure les métadonnées des sources dans le contexte

🔧 Outils disponibles (Function Calling)

Définissez les fonctions que l'agent peut appeler pour interagir avec vos systèmes.

calculate_price Built-in

Calcule le prix TTC d'un véhicule pour un territoire donné

vehicle_id: string, territory: string, options?: array

search_vehicles Built-in

Recherche des véhicules selon des critères

query: string, filters?: object, limit?: number

get_delivery_estimate Built-in

Obtient une estimation de délai de livraison

vehicle_id: string, territory: string

call_agent System

Appelle un autre agent spécialisé

agent_id: string, message: string, context?: object

send_email Custom

Envoie un email au client

to: string, subject: string, body: string

create_quote Custom

Génère un devis PDF

vehicle_id: string, client_id: string, territory: string, options?: array

💡 Exemples Few-Shot

Ces exemples de conversation aident l'agent à comprendre le format de réponse attendu.

👤 Utilisateur

🤖 Assistant

👤 Utilisateur

🤖 Assistant

🧪 Tester l'agent

⚙️ Système

Agent initialisé avec la configuration actuelle.

📊 Debug & Logs

📤 Dernière requête

{
  "model": "gpt-4o",
  "messages": [...],
  "temperature": 0.7,
  "max_tokens": 4096,
  "tools": [...]
}

📥 Dernière réponse

{
  "id": "chatcmpl-...",
  "choices": [...],
  "usage": {
    "prompt_tokens": 850,
    "completion_tokens": 234,
    "total_tokens": 1084
  }
}

Tokens utilisés 1,084

Temps de réponse 1.2s

Coût 0.008€