Outiller un agent IA : quand lui faire écrire du code

Pour préparer un rapport, un agent doit parfois chercher des commandes, filtrer les résultats et calculer des totaux. Il peut appeler un outil à chaque étape, ou écrire un script qui enchaîne ces opérations. Le code devient intéressant lorsque ces combinaisons se multiplient : il permet de travailler sur les données sans renvoyer chaque résultat intermédiaire au modèle.

Un grand catalogue devient difficile à présenter au modèle

Un outil décrit une action disponible, ses paramètres et son résultat. Avec quelques opérations bien nommées, cette interface peut être facile à utiliser. Avec des centaines d'outils proches, l'agent doit trouver le bon et comprendre des différences parfois subtiles.

Les descriptions occupent aussi une partie du contexte, le texte que le modèle reçoit pour préparer sa réponse. Présenter tout le catalogue à chaque appel peut coûter cher, même lorsque la tâche n'en utilise qu'une petite partie.

Une découverte à la demande limite ce coût : le modèle cherche d'abord les capacités pertinentes, puis lit leur documentation. L'exécution de code peut compléter cette approche pour combiner les appels retenus.

Le script exprime les boucles et les calculs intermédiaires

Supposons que l'API renvoie cent commandes. Le rapport demandé ne concerne que les commandes expédiées dont le montant dépasse un seuil. Un script peut parcourir les pages de résultats, filtrer les commandes et calculer le total avant de transmettre une synthèse au modèle.

Des appels d'outils séparés permettent aussi de réaliser cette tâche. Le script évite surtout de faire intervenir le modèle dans chaque boucle ou dans chaque transformation mécanique des données.

Cloudflare décrit cette approche sous le nom de Code Mode. L'agent utilise un langage de programmation pour composer les capacités mises à sa disposition. Le code exprime directement des variables, des conditions et des répétitions.

La connaissance générale de JavaScript ou de Python aide, mais elle ne dispense pas de documenter l'API. Le modèle doit encore connaître les adresses, les formats, les autorisations et les erreurs propres au service.

Les mesures publiées montrent un potentiel, pas un gain garanti

Plusieurs travaux comparent les approches. Leurs résultats portent sur des configurations et des tâches particulières ; ils ne prédisent pas à eux seuls le coût de votre agent.

Un token est une unité de texte traitée par le modèle. Réduire leur nombre peut diminuer le coût, mais un script incorrect peut demander plusieurs corrections. Mesurez donc la tâche complète, y compris les reprises.

MCP et l'exécution de code peuvent fonctionner ensemble

MCP, ou Model Context Protocol, permet à une application d'IA de découvrir et d'utiliser des outils et des sources de données. Il ne décide pas à lui seul si l'agent doit appeler chaque outil séparément ou les combiner par du code.

Cloudflare et Anthropic conservent MCP sous leur couche d'exécution. Le script compose des outils fournis par ce protocole. Une autre architecture peut appeler directement des API HTTP, si leurs contrats et leurs contrôles d'accès sont disponibles.

Je privilégie l'accès direct à une API claire lorsqu'une couche supplémentaire ne répond à aucun besoin d'intégration. Si MCP apporte la découverte, l'authentification ou la compatibilité avec les outils déjà utilisés, le conserver peut au contraire simplifier l'ensemble.

Une interface orientée ressources et une interface de procédures ont chacune leurs usages. Le critère utile pour l'agent reste la clarté du contrat : quelle action est possible, avec quels paramètres, et comment interpréter son résultat ?

L'environnement d'exécution doit limiter les effets du code

Un script généré peut contenir une erreur ou demander une action inadaptée. Son environnement doit donc limiter les accès réseau, les données accessibles, la durée de calcul et la mémoire. Les services appelés continuent à vérifier les droits et les règles métier.

Les identifiants restent dans la couche qui exécute les appels. Le modèle choisit une opération autorisée sans avoir à lire la clé qui l'authentifie. Les destinations réseau et les redirections demandent aussi un contrôle explicite.

Le bac à sable JavaScript avec QuickJS et WebAssembly illustre une manière d'organiser cette séparation. Le choix d'un interpréteur ne remplace pas l'analyse de ce que ses fonctions autorisent.

Un script utile peut devenir un traitement maintenu

Après validation, un script peut être conservé, testé et exécuté sans redemander au modèle de le produire. Cela convient aux tâches qui finissent par suivre toujours les mêmes étapes.

Le résultat n'est pas automatiquement fiable parce qu'il est écrit en code. Il faut définir les entrées, traiter les erreurs et vérifier les effets en cas de nouvelle tentative. Les outils dédiés peuvent eux aussi être réutilisés dans un workflow classique.

Gardez quelques outils spécialisés lorsque leur contrat protège une action sensible ou simplifie un usage fréquent. Préférez la composition par code lorsque les combinaisons variables apportent un bénéfice mesuré et que vous disposez d'un environnement d'exécution correctement limité.

Sources

• Cloudflare, Code Mode: the better way to use MCP, septembre 2025.
• Cloudflare, Code Mode: give agents an entire API in 1,000 tokens, février 2026.
• Anthropic, Code execution with MCP, 2025.
• X. Wang et al., Executable Code Actions Elicit Better LLM Agents (CodeAct), 2024.
• Model Context Protocol — Specification, 2025-06-18.