En mars dernier, Confluent a annoncé plusieurs évolutions dans son offre cloud et la disponibilité d’Apache Flink ou le lancement de TableFlow consacrant les tables au format Iceberg, avec comme toile de fonds l’IA et les besoins de données en temps réel. L’éditeur se tourne maintenant vers les agents IA suivant ainsi la tendance initiée depuis quelques mois par les fournisseurs d’IA. Dans ce cadre, il présente Streaming Agents pour Apache Flink.

Cette fonctionnalité vise « à aider les entreprises à dépasser l’expérimentation et aller en production avec une connaissance des flux en temps réel, des évènements, la capacité de prendre des décisions et des reportings », explique Fred Cecilia, ingénieur solution chez Confluent. Elle intègre donc des données en temps réel dans les pipelines de traitement de données, pour que les entreprises puissent créer des agents capables de raisonner, de s'adapter et d'agir immédiatement en fonction de l'évolution des conditions métiers. Pour cela, Streaming Agents branche le traitement de flux basé sur Flink aux infrastructures des agents pour que ceux-ci puissent fonctionner en continu, répondre aux signaux et se servir d’outils comme les bases de données et des API. Confluent indique que ces systèmes reproduisent fidèlement la façon dont les humains réagissent aux environnements dynamiques. Par exemple, dans les services financiers, les flux de travail de lutte contre le blanchiment d'argent sont souvent déclenchés par une série de transactions suspectes

Le support de MCP

L'association de Kafka et de Flink est au cœur de l'approche de Confluent. Kafka offre des fonctionnalités de durabilité et de relecture pour les messages échangés entre les agents et les systèmes, tandis que Flink prend en charge les workflows de longue durée, l’étiquetage numérique, le SQL et les points de contrôle pour le traitement d'événements complexes. Avec Flink, Streaming Agents apporte l’intégration sécurisée avec les bases de donnée vectorielles, les LLM et autres systèmes de back-end. Les agents peuvent par ailleurs interroger et enrichir les flux Kafka en temps réel avec des données provenant de bases de données relationnelles, de transfert d'état représentatif ou d'API Rest, pour une meilleure prise de décision dans des applications telles que le RAG. Les développeurs sont capables également tester les agents avec des données réelles sans provoquer d'effets secondaires indésirables, ce qui permet des lancements immédiats, des tests A/B et des itérations plus sûres, a déclaré Confluent.

Enfin, Streaming Agents se base sur MCP pour invoquer en toute sécurité des outils externes comme les API et les applications. Ce protocole open source promue par Anthropic est en train de devenir un standard pour connecter les assistants IA aux systèmes où résident les données, notamment les référentiels de contenu, les outils métiers et les environnements de développement. « Le support de MCP donne des capacités supplémentaires aux agents en récupérant des informations des bases de données et en créant un contexte », souligne Fred Cecilia. Interrogé sur l’évolution vers le protocole A2A (agent to agent) sponsorisé par Google, il reste prudent, « nous sommes partenaires et très favorable à cette technologie, mais elle arrivera plus tard ». A noter que l’ensemble des fonctionnalités de Streaming Agents sont disponibles en preview pour les utilisateurs de Confluent Cloud.