Grâce à de nouveaux agents d'IA et à la mise en oeuvre du protocole MCP - Model Context Protocol (*) - la société allemande Vector, fournisseur de solutions matérielles et logicielles pour l’automobile, veut automatiser plus profondément les flux de travail de développement et de test au sein de son environnement CANoe.

Il s’agit grâce à des agents d’IA couplés au protocole MCP d’exécuter des flux de travail complets à partir de simples instructions (prompts), transformant ainsi des exigences en tests validés en quelques minutes seulement, selon Vector.

La société indique que cet enrichissement de son environnement de développement et de test CANoe permet désormais de décrire des tâches de développement, d'analyse et de test en saisissant directement une instruction en langage naturel.

Des agents d'IA spécialisés déduisent alors les étapes correspondantes ou les flux de travail complets à partir de ces instructions et les exécutent automatiquement. Le modèle de langage sous-jacent est fourni par les utilisateurs eux-mêmes - par exemple, le LLM utilisé par GitHub Copilot ou Claude - et Vector fournit la couche d'IA ouverte composée d’agents et d'outils MCP, extensible avec des composants personnalisés et des connaissances spécifiques au domaine.

Ainsi, à partir d'une seule instruction, un agent d'IA crée le test CAPL (**) approprié en fonction d'une exigence, exécute le test dans CANoe, analyse les erreurs, corrige le code CAPL et relance le test. L'agent transmet ensuite le scénario au développeur qui valide les résultats à travers les fenêtres synchronisées de CANoe et les approuve. Des tâches qui nécessitaient auparavant des heures ou des jours peuvent désormais être accomplies en quelques minutes, selon Vector.

Au-delà, les utilisateurs peuvent aussi déterminent le degré d'autonomie des agents. Chaque étape reste donc transparente et peut être surveillée en temps réel, aussi bien dans leur environnement de développement habituel que directement dans CANoe, note Vector.

Grâce aux instructions, les utilisateurs peuvent ainsi lire et personnaliser des configurations, piloter des simulations, créer des tests, analyser les flux de communication, ainsi que générer et optimiser du code CAPL, C# et Python. De plus, grâce à la technologie RAG (***) intégrée, les agents peuvent accéder à une base de connaissances contenant des informations pertinentes issues de la documentation Vector.

Ainsi, les réponses s'appuient sur des connaissances d'experts vérifiées plutôt que sur des suppositions générées par le modèle de langage. Le “CANoe AI Package” est disponible en téléchargement gratuit sur le site web de Vector. Il est compatible avec la version 20 SP2 de CANoe et les versions ultérieures, et nécessite un modèle linguistique fourni par l’utilisateur.

(*) Le MCP - Model Context Protocol - est un protocole standard ouvert introduit par la société américaine Anthropic en 2024 conçu pour connecter des modèles d'intelligence artificielle (IA) - notamment les LLM - à des outils, services et sources de données externes. Il s’agit d’une interface universelle mise en oeuvre pour intégrer des données contextuelles et des fonctionnalités externes aux modèles, quel que soit le fournisseur

(**) CAPL - Communication Access Programming Language - est un langage de programmation procédurale similaire au C, développé par Vector Informatik. L'exécution des blocs de programme est pilotée par des événements. Les programmes CAPL sont développés et compilés dans un éditeur spécifique ce qui permet d'accéder à tous les objets contenus dans la base de données ainsi qu'aux variables système

(***) Le RAG - retrieval augmented generation, génération augmentée par récupération - est une technique de traitement du langage naturel qui combine les forces des modèles d’IA fondés sur la récupération et la génération de données. L’IA RAG fournit des résultats qui tirent parti des connaissances préexistantes, et peut également traiter et consolider ces connaissances pour créer réponses, instructions ou explications uniques, adaptées au contexte et rédigées dans un langage naturel.