Z.AI montre comment construire des systèmes d'agents prêts pour la production avec GLM-5 et le tool calling

Z.AI a publié un décryptage technique d'une rare utilité, qui présente GLM-5 non comme une énième interface de chat, mais comme la base de systèmes d'agents prêts pour la production. Le document suit pas à pas le chemin qui mène de la première requête au modèle à un agent multi-étapes complet, avec appel d'outils, réponse en streaming, mode de raisonnement et prise en charge du dialogue sur plusieurs tours. Pour les développeurs, c'est un signal important : le pari porte non seulement sur la qualité des réponses, mais aussi sur la maturité de l'intégration dans une pile produit réelle.

Au départ, les auteurs montent un environnement de base avec zai-sdk, openai et rich, récupèrent la clé d'API dans les variables d'environnement ou par saisie masquée dans le terminal, et instancient un ZaiClient pour les premiers appels au modèle. Vient ensuite un scénario minimal de chat completion : GLM-5 répond à une question technique simple, puis la même interface est utilisée en mode streaming, où les tokens arrivent au fil de la génération. Ce n'est pas une fonction cosmétique. Pour les interfaces, les assistants et les panneaux d'agents, le streaming influe directement sur la vitesse perçue, donc sur l'aptitude du modèle à servir des scénarios de travail où l'utilisateur ne veut pas attendre la fin d'une longue réponse.

Le bloc suivant porte sur le thinking mode et le contexte multi-tours. Dans l'exemple, le thinking est explicitement activé pour GLM-5 avec le paramètre enabled, et la réponse en streaming lit séparément reasoning_content, puis la réponse finale du modèle. Les auteurs construisent ensuite une chaîne de plusieurs messages : ils demandent d'abord la différence entre list et tuple en Python, précisent ensuite quand NamedTuple est pertinent, puis réclament enfin un exemple pratique avec des type hints.

L'intérêt de cette section ne tient pas aux questions elles-mêmes, mais à la démonstration que le modèle garde le contexte d'un tour à l'autre, tandis que le développeur peut suivre la croissance de l'historique des messages et la consommation de tokens. Pour les systèmes d'agents, c'est une exigence de base : sans mémoire de dialogue stable, les chaînes complexes se délitent vite.

La partie la plus appliquée commence quand GLM-5 est relié à des fonctions externes. Le tutoriel décrit deux outils : une consultation météo et une calculatrice pour évaluer des expressions en toute sécurité. Le modèle reçoit une requête en langage naturel, décide lui-même quel outil appeler et renvoie les arguments ; le code local exécute la fonction, puis le résultat est réinjecté dans le contexte du modèle pour la réponse finale.

Juste après, le tutoriel présente la sortie structurée : on demande à GLM-5 d'extraire des données financières d'un texte et de renvoyer un JSON propre, sans explications. On est très près d'un schéma de production typique, où le modèle doit non seulement bien écrire, mais aussi fournir de façon stable un résultat lisible par machine pour des pipelines, des CRM, de l'analytique ou des services backend internes.

Le dernier bloc technique rassemble le tout dans une classe GLM5Agent. Plusieurs outils y sont ajoutés d'un coup : météo, calculatrice, heure actuelle et conversion d'unités. L'agent fonctionne de façon itérative, appelle lui-même les fonctions nécessaires au fil de la résolution et poursuit la boucle jusqu'à obtenir une réponse finale ou atteindre la limite d'étapes.

Dans un exemple séparé, les auteurs comparent le traitement d'un problème de logique piégeux avec le thinking mode activé et désactivé, en mesurant le temps de réponse et le volume de tokens générés. Enfin, ils montrent que GLM-5 peut aussi être utilisé via le SDK Python standard d'OpenAI : il suffit de changer base_url, et l'interface familière chat.completions continue de fonctionner.

Selon la documentation officielle de Z.AI, GLM-5 dispose d'un contexte pouvant atteindre 200K tokens et d'un maximum de 128K tokens en sortie, ce qui rend ce scénario particulièrement intéressant pour les tâches longues en plusieurs étapes.

Que faut-il en retenir en pratique ? Z.AI cherche à abaisser le seuil de migration pour les équipes qui ont déjà du code compatible OpenAI, mais qui ont besoin d'un workflow agentique plus marqué : outils, JSON, streaming, mémoire de dialogue et boucles d'exécution contrôlables. Il compte aussi que le tutoriel ne se perde pas dans les abstractions et montre le circuit minimal fonctionnel autour du modèle.

Pour autant, pas question de se faire d'illusions : les exemples de météo et de calculatrice restent pédagogiques, et la production exigera quand même autorisation, journalisation, retries, restrictions sur les outils et protection contre les appels dangereux. Mais comme carte des capacités de GLM-5, ce document est utile : il montre que le modèle de Z.AI est déjà présenté non plus seulement comme un LLM de chat, mais comme une brique de construction pour des agents d'IA appliqués.