Ce projet est une boîte à outils basée sur LangGraph permettant de créer des flux d'intelligence artificielle complexes et réutilisables pour améliorer l'expérience des voyageurs d'Île-de-France Mobilités.
Ce projet a été développé dans le cadre du Hackathon IA et Mobilités, organisé par Île-de-France Mobilités les 21 et 22 novembre 2024. Pour en savoir plus, voici le Guide des participants et participantes.
L'expérience voyageur dans les transports en commun d'Île-de-France fait face à plusieurs défis :
- Complexité des parcours multimodaux
- Difficulté à obtenir des informations personnalisées en temps réel
- Besoin d'automatiser des processus d'assistance aux voyageurs
Notre toolkit permet aux développeurs de :
- Créer rapidement des agents IA spécialisés pour différents aspects de l'expérience voyageur
- Composer des workflows complexes grâce à LangGraph
- Réutiliser des composants standardisés pour accélérer le développement
Notre solution s'articule autour d'une architecture monorepo comprenant :
apps/
├── docs/ // Documentation du projet
└── server/ // Serveur API principal avec Express et WebSocket
packages/
└── ai-toolkit/ // Cœur de la boîte à outils
├── graphs/ // Composants LangGraph réutilisables
├── rag/ // Système de RAG pour l'enrichissement contextuel
├── registry/ // Registre des agents et workflows
└── tools/ // Utilitaires communsLe toolkit s'appuie sur :
- LangGraph pour orchestrer des workflows IA complexes
- Un système de RAG (Retrieval Augmented Generation) pour enrichir les réponses
- Un registre centralisé des agents et des outils
- Un serveur Express/WebSocket pour la communication en temps réel
Le serveur se compose de deux parties principales :
- Serveur Express (Port 9999)
- Endpoints REST pour les requêtes traditionnelles
- Support des requêtes synchrones
- Serveur WebSocket (Port 9998)
- Communication bidirectionnelle en temps réel
- Support du streaming des réponses IA
- Types de messages supportés :
USER_MESSAGE: Messages des utilisateursTOOL_UPDATE: Mises à jour des outilsSYSTEM_MESSAGE: Messages systèmeNODE_UPDATE: Mises à jour des nœuds LangGraph
- Node.js 18+
- pnpm 8+
- Azure OpenAI API credentials
- Elastic Search credentials
# Cloner le repository
git clone https://github.com/IDFM-MobiWise/ai-framework
cd idfm-hackathon
# Installation de pnpm si non installé
npm install -g pnpm
# Installation des dépendances
pnpm install
# Configuration de l'environnement
cp packages/ai-toolkit/.env.example packages/ai-toolkit/.envÉditer le fichier .env avec vos paramètres :
# Azure OpenAI Configuration
AZURE_OPENAI_API_KEY=
AZURE_OPENAI_API_VERSION=
AZURE_OPENAI_ENDPOINT=
AZURE_OPENAI_MODELS=gpt-4o-mini
AZURE_OPENAI_MODEL_NAMES=gpt-4o-mini
# Elastic Search Configuration
ELASTIC_API_KEY=votre-mot-de-passe
ELASTIC_URL=https://votre-elastic-url.net/
# Node Configuration
# NODE_TLS_REJECT_UNAUTHORIZED=0 (si vous avez des problèmes avec les certificats)Ce projet utilise Turborepo pour la gestion du monorepo. Voici les principales commandes disponibles :
# Lancement du serveur de développement
pnpm dev
# Build du projet
pnpm buildLe serveur expose deux interfaces :
- API REST (Port 9999)
// Exemple de requête POST
const response = await fetch('http://localhost:9999/', {
method: 'POST',
headers: {
'Content-Type': 'application/json'
},
body: JSON.stringify({
messages: [{
role: "user",
content: "Comment marche le covoiturage?"
}]
})
});- WebSocket (Port 9998)
// Exemple de connexion WebSocket
const ws = new WebSocket('ws://localhost:9998');
// Envoi d'un message utilisateur
ws.send(JSON.stringify({
type: 'USER_MESSAGE',
payload: {
content: "Comment marche le covoiturage?"
}
}));
// Réception des mises à jour
ws.onmessage = (event) => {
const update = JSON.parse(event.data);
console.log('Received:', update);
};Le code et la documentation de ce projet sont sous licence MIT.
Développé avec ❤️ pour le Hackathon IA et Mobilités IDFM 2024.