Anthropic Practice

Outils métier exposés au chatbot Claude via FastMCP en streamable-http. Defense in depth : authentification par service token rendu par un gestionnaire de secrets, ingress filtré au réseau privé applicatif, audit trail structuré (qui, quand, quel outil, statut), aucune exposition Internet. Le LLM ne touche jamais directement la base : il appelle des fonctions à scope étroit, contractualisées.

Le chatbot enchaîne plusieurs outils dans la même itération Anthropic quand la question l'exige (ex. « client passe en HC, gain annuel ? » → deux simulateurs appelés en parallèle, synthèse comparative générée à l'itération suivante). Boucle bornée pour maîtriser le coût et la latence. Pour les questions à fort risque d'hallucination (audit factures, calculs tarifaires), tool_choice forcé déterministiquement côté backend : le LLM ne peut pas répondre sans avoir consulté la donnée.

System prompt, schémas d'outils et contexte RAG mis en cache éphémère via cache_control. Le bloc est créé à la première requête utilisateur, toutes les requêtes suivantes le réutilisent. Économie de tokens significative sur les conversations multi-tours, latence réduite, coût d'inférence maîtrisé.

Plusieurs couches cumulatives. Règles système strictes interdisant tout chiffre tarifaire de mémoire et imposant l'usage des outils sur les sujets sensibles. Tool error contract : si l'outil est indisponible ou si la donnée manque, message explicite plutôt que fabrication. Tool_choice forcé déterministiquement côté backend sur les patterns à fort risque. Séparation stricte instructions système / contenu utilisateur sur les inputs multimodaux pour bloquer les tentatives de prompt injection.