Développer avec l'API Claude et les agents
Formation développeur : API Messages, streaming, erreurs et limites, maîtrise des coûts (batch, prompt caching), sorties structurées, outils, MCP, Agent SDK, sécurité, évaluation et déploiement. Projet fil rouge : un assistant support connecté à un ERP de démonstration.
Objectifs de la formation
- Structurer et diagnostiquer un appel à l'API Messages.
- Lire les raisons d'arrêt, gérer le streaming, les erreurs, les retries et les limites de débit.
- Maîtriser les coûts : choix du modèle, effort et réflexion, batch, prompt caching, gestion du contexte.
- Obtenir des sorties structurées fiables et exploiter documents, fichiers et citations.
- Donner des outils à Claude, développer un serveur MCP et choisir entre workflow et agent.
- Construire un agent avec l'Agent SDK et personnaliser Claude Code (hooks, permissions, sous-agents, skills).
- Sécuriser, évaluer, versionner et déployer progressivement une application Claude.
Public concerné
- Développeurs et lead techs.
- Architectes logiciels.
- Data engineers.
- Intégrateurs.
Prérequis
- Pratique de Python ou de TypeScript.
- HTTP, JSON, Git et ligne de commande.
- ECI-IA-101 ou expérience équivalente recommandée.
- Un poste avec Python 3.11+ ou Node.js 20+ et VS Code.
Programme détaillé
Jour 1 — Les fondations de l'API
- L'API Messages : anatomie d'un appel et de sa réponse, en-têtes, paramètres obligatoires, prompt système, blocs de contenu, rôles et API sans état, objet usage et identifiant de requête. Lab 1 : premier appel, erreurs volontaires et wrapper de journalisation
- Raisons d'arrêt et streaming : valeurs de stop_reason, dont le refus et le dépassement de la fenêtre de contexte, vérification avant tout parsing JSON, événements SSE et types de delta, erreur possible en plein flux. Lab 2 : chatbot multi-tours en streaming avec gestion de max_tokens
- Erreurs, retries et limites de débit : codes d'erreur à corriger ou à réessayer, plafond de dépenses, backoff exponentiel avec jitter, limites de requêtes et de tokens, montée en charge progressive, idempotence des outils. Lab 3 : client résilient (retries, circuit breaker, lissage du trafic)
Jour 2 — Données, contexte et coûts
- Prompt, contexte et sorties structurées : emplacement des instructions selon la confiance, balises XML et exemples, ingénierie de contexte (compaction, édition de contexte, mémoire, recherche d'outils), JSON Schema et outils stricts, validation métier. Lab 4 : extraction de 20 factures en JSON validé et contrôlé
- Documents, fichiers et citations : images et PDF, Files API et cloisonnement par espace de travail, citations natives et RAG. Lab 5 : base documentaire de l'assistant avec réponses citées
- Modèles, réflexion, batch et caching : coût par tâche réussie et routage petit ou grand modèle, configuration de la réflexion selon les générations de modèles, épinglage des versions, traitement par lots, prompt caching et ses invalidateurs. Labs 6 et 7 : migrer la configuration de réflexion vers un modèle récent, mesurer le gain du cache et du batch
Jour 3 — Outils, MCP et agents
- Tool use : définition d'un outil (nom, description, schéma d'entrée), boucle tool_use et tool_result, erreurs d'outils et appels parallèles, tool_choice, outils serveur (recherche web, exécution de code). Lab 8 : outils ERP (commande, stock, ticket) et boucle complète
- Model Context Protocol : hôte, client et serveur, JSON-RPC 2.0, primitives tools, resources et prompts, transports stdio et Streamable HTTP, sécurité et authentification, configuration dans Claude Code et connecteur MCP de l'API. Lab 9 : serveur MCP de l'ERP de démonstration
- Workflows et agents : workflow à étapes connues ou agent à étapes inconnues, cinq patterns (enchaînement, aiguillage, parallélisation, orchestrateur-exécutants, évaluateur-optimiseur), boucle agentique et garde-fous, modes de déploiement. Lab 10 : aiguillage petit ou grand modèle et orchestrateur
Jour 4 — Sécurité, ingénierie et production
- Agent SDK et Claude Code avancé : Agent SDK (outils intégrés, sous-agents, sessions), CLAUDE.md, hooks, permissions deny, ask et allow, skills, mode non interactif en CI. Labs 11 et 12 : assistant porté sur l'Agent SDK, revue de PR avec Claude Code en CI
- Sécurité et vie privée : injection directe et indirecte, défenses par moindre privilège, isolation, séparation des canaux, filtrage, validation humaine et tests adverses, gestion des secrets, données personnelles et rétention, conformité aux lois 09-08 et 2013-450, risques multi-locataires. Lab 13 : attaquer puis corriger l'assistant (5 injections)
- Ingénierie, évaluation et déploiement : REST, idempotence, pagination et versioning, configuration hors du code, un prompt modifié est un déploiement (versionner, tester, canary, rollback), robustesse, jeu de tests, seuils, juge LLM et traces. Lab 14 : jeu d'évaluation de 30 cas, puis mises en situation et projet final
Modalités et évaluation
- Présentiel ou distanciel en direct, 70 % de pratique ; sessions intra-entreprise sur demande
- Formation dispensée en français (documentation officielle en anglais)
- 14 labs, 10 mises en situation et 1 projet final noté
- Évaluation : quiz (15 %), labs validés (35 %), mises en situation (10 %), projet final fonctionnel, évalué et sécurisé (40 %)
- Attestation de formation ECINTELLIGENCE remise à partir de 60 %
Livrables remis aux participants
- Manuel de cours et cahier de labs ECINTELLIGENCE (PDF)
- Dépôt Git du projet fil rouge (code de référence par étape)
- Aide-mémoire API : paramètres, raisons d'arrêt, codes d'erreur, compteurs d'usage, limites
- Gabarits : prompt système, outils, serveur MCP, jeu d'évaluation, hooks
- 10 mises en situation corrigées
- Annexe « État de l'art » datée (modèles, tarifs, fonctions en bêta, retraits)
Suite de parcours
- ECI-IA-301 — Claude pour les ingénieurs Cloud et DevOps
- ECI-IA-210 — Fondamentaux du Deep Learning avec PyTorch
Les modèles, versions et fonctions évoluant rapidement, le contenu est actualisé avant chaque session. Les noms de produits cités (PyTorch, OpenShift, Kubernetes, Proxmox, NVIDIA, Hugging Face…) sont des marques de leurs propriétaires respectifs.
Formation indépendante conçue par ECINTELLIGENCE. Claude et Anthropic sont des marques d'Anthropic. Cette formation n'est ni délivrée ni approuvée par Anthropic et ne prépare pas à une certification officielle Anthropic.
Certification
À l'issue de cette formation, vous recevrez une attestation de participation délivrée par ECINTELLIGENCE.
Autres formations qui pourraient vous intéresser
Panorama de l'IA pour décideurs
Présentiel et distancielUne journée sans jargon pour les décideurs : panorama de l'IA prédictive, générative et agentique, conditions de réussite d'un projet, …
Claude pour les professionnels
Présentiel et distancielFormation pratique pour tous les métiers : bien formuler ses demandes, choisir le bon modèle, exploiter projets, documents, recherche et …
Fondamentaux du Deep Learning avec PyTorch
Présentiel et distancielFormation pratique sur PyTorch : tenseurs, calcul sur GPU (CUDA et Apple MPS), autograd, boucle d'entraînement, évaluation, réseaux convolutifs, puis …
Prêt à développer vos compétences ?
Rejoignez des centaines de professionnels qui ont fait confiance à ECINTELLIGENCE pour leur montée en compétences.
Voir toutes nos formations