Relations avec les investisseurs
search website
Entreprise
Service en ligne
Demo Store
TRY-ON
breadcrumb iconBlogbreadcrumb iconGeneralbreadcrumb icon
Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté
Generative ai

Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté

23 JUL, 2026 · Temps de lecture 3 minutes
Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté

Comment les marques de beauté peuvent-elles démarrer le parcours agent à agent (A2A) ?

Perfect AI Beauty Agent est un agent IA développé par Perfect Corp. isolé par marque etprêt à être appelé. Dans une configuration Agent-to-Agent (A2A), votre agent agit comme hôte : il reçoit la demande de l'utilisateur, délègue les tâches beauté via une interface SKILL.md et renvoie le résultat. Votre agent conserve le contrôle complet de la conversation et Perfect AI Beauty Agent apporte l'intelligence beauté.

Pourquoi ne pas simplement utiliser un LLM générique ?

Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté

Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté

Analyse de peau conçue sur mesure pour les flux Agent to Agent (A2A)

Développée avec des dermatologues et des experts en soins de la peau, notre analyse de peau mesure des métriques cutanées précises et quantifiées à partir d'un simple selfie :

  • Ridules, rides, taches, rougeurs
  • Pores, hydratation, sébum
  • Paupière tombante et plus encore

Un LLM générique ne peut pas déterminer de manière fiable un phototype exact, localiser les sillons nasogéniens ou produire une notation professionnelle de la répartition des taches et des rougeurs.

Pourquoi ne pas simplement utiliser un agent d'IA générique dans les flux Agent-to-Agent (A2A) ?

Architecture Mixture-of-Experts (MoE)

Une équipe de modules experts spécialisés et non un modèle unique :

  • Expert de la peau : ridules, taches, rougeurs, pigmentation
  • Expert en rednu maquillage : rendu AR et essai virtuel
  • Expert en recommandations produits : mise en correspondance des SKU avec les données de peau et l'intention utilisateur
  • Expert en connaissance de marque : RAG de marque, catalogue, contenus de campagnes
  • Expert esthétique : forme du visage, structure osseuse, ratios de couleur peau/cheveux/lèvres

RAG exclusif à la marque et intégration e-commerce

Les données de chaque marque sont isolées. Les corpus RAG, les catalogues de SKU, les règles de recommandation et l'historique utilisateur sont tous segmentés par brand_id. Les recommandations de produits et les réponses de consultation ne font remonter que le catalogue de votre marque, jamais celui d'un concurrent.

Appels autonomes multi-outils

Flux agentique de bout en bout en un seul flux utilisateur : analyserrecommanderessayerpanier. Appels autonomes d'outils MCP / API, pas un chatbot sans état.

Remarque : ce guide couvre la phase 2 (interface Agent Skill) de notre AI Beauty Agent. Les détails peuvent être amenés à évoluer.

Architecture du flux Agent-to-Agent (A2A)

Le flux comporte deux volets :

  • Côté client : utilisateur final → site/app de la marque → agent d'IA client charge SKILL.md → appelle Perfect AI Beauty Agent. L'entrée image (selfie / caméra live) est capturée via Perfect CameraKit ou la caméra native de l'appareil.
  • Côté Perfect Corp : Perfect AI Agent oriente la requête via : LLM (OpenAI ou LLM de votre choix) pour la compréhension de l'intention → RAG pour la connaissance de la marque, les SKU et la logique de recommandation (provenant de la Console Perfect) → Catalogue de Services pour l'exécution.
 Toutes les données — SKU, RAG, règles de recommandation — sont segmentées par brand_id.
 Aucune autre marque n'est mentionnée.

Intentions et fonctionnalités disponibles dans les systèmes Agent-to-Agent (A2A)

Perfect AI Beauty Agent : le guide d'intégration A2A pour les marques de beauté

Chaque fonctionnalité est exposée comme une intention. Votre agent hôte enregistre ces intentions comme des outils. Le runtime de l'agent sélectionne et appelle l'intention appropriée en fonction de la demande de l'utilisateur.

IntentionExemple de déclencheurEntrée requiseLa réponse inclut
skin_analysis« Analyse ma peau » / « Aidez-moi avec ma routine de soins »brand_id + image (CameraKit)Type de peau, scores de préoccupations, rapport complet, propositions de SKU
product_recommendation« Recommandez un sérum pour les taches brunes »brand_id + préoccupation ou analysis_idListe de SKU classés avec scores de correspondance et justifications
try_on« Laissez-moi essayer ce rouge à lèvres »brand_id + sku_id + modeJeton de session AR ou image d'essai virtuel rendue
beauty_consultation« Quel fond de teint convient aux peaux grasses ? »brand_id + promptRéponse en langage naturel fondée sur le RAG de la marque

Requête et réponse Agent-to-Agent (A2A)

4.1 requête – champs d'entrée

ChampTypeObligatoireDescription
intentstringOuiCapacité à invoquer : skin_analysis | product_recommendation | try_on | beauty_consultation
brand_idstringOuiVotre espace de nom de marque. Restreint toutes les données SKU, RAG et d'historique à cette marque.
promptstringOuiRequête ou instruction en langage naturel de l'utilisateur.
imagebase64 / URLConditionnelRequis pour skin_analysis et try_on. Selfie ou image produit, capturé via Perfect CameraKit.
sku_idstringConditionnelRequis pour try_on. SKU produit issu du catalogue de la marque.
modestringNonPour try_on : live_camera (défaut) ou photo.
contextobjectNonTours de conversation précédents ou un analysis_id précédent pour chaîner les résultats.

4.2 réponse – champs de sortie

ChampTypeObligatoireDescription
messagestringToujoursRéponse en langage naturel prête à être affichée à l'utilisateur final.
imageURL / base64ConditionnelRetournée pour skin_analysis (rapport annoté) et try_on (résultat rendu).
dataobjectConditionnelCharge utile structurée : scores de peau, liste de SKU avec scores de correspondance, répartition des préoccupations.
intent_handledstringToujoursRenvoi de l'intention exécutée. À utiliser pour les logs et le chaînage.
analysis_idstringConditionnelRetourné par skin_analysis. À transmettre à product_recommendation pour un flux personnalisé chaîné.

4.3 exemple : flux chaîné (analyse de peau → recommandation)

# Étape 1 — l'agent hôte envoie une requête d'analyse de peau{"intent": "skin_analysis",
  "brand_id": "acme-beauty",
  "prompt": "Help me with my skincare routine.",
  "image": "<base64 selfie from CameraKit>"}# Étape 1 — réponse de Perfect AI Beauty Agent{"intent_handled": "skin_analysis",
  "message": "Your skin type is Normal. Top concerns: Moisture (mild), Dark Circles (mild).",
  "image": "<annotated skin report URL>",
  "analysis_id": "ana_abc123",
  "data": {"skin_type": "Normal",
    "concern_scores": { "moisture": 68, "dark_circles": 72 }}}# Étape 2 — l'agent hôte enchaîne vers la recommandation{"intent": "product_recommendation",
  "brand_id": "acme-beauty",
  "analysis_id": "ana_abc123",
  "prompt": "Suggest serums for my top concerns."}# Étape 2 — réponse de Perfect AI Beauty Agent{"intent_handled": "product_recommendation",
  "message": "Based on your skin report, here are 2 serums for moisture and dark circles.",
  "data": {"recommendations": [{ "sku_id": "SERUM-VC01", "name": "Vitamin C Serum", "match_score": 0.94, "reason": "Targets dark circles and hyperpigmentation" },
      { "sku_id": "SERUM-HA02", "name": "Hyaluronic Acid Serum", "match_score": 0.89, "reason": "Deep hydration for moisture-deficient skin" }]}}

SKILL.md — référence du manifeste

Déposez le dossier de compétence dans le répertoire des skills de votre agent. Votre agent lit SKILL.md au démarrage, enregistre les intentions comme outils appelables et sélectionne automatiquement la bonne en fonction de l'intention utilisateur.

Structure du dossier

perfect-ai-beauty-agent/
├── SKILL.md                  # manifeste — capacités, authentification, isolation des données
├── references/
│   ├── intent-schemas.md     # définitions complètes des champs d'entrée/sortie
│   └── brand-onboarding.md   # checklist de configuration de la marque
└── assets/
    └── arch-overview.md      # notes d'architecture A2A

Champs clés du frontmatter

---
name: perfect-ai-beauty-agent
description: >
  Invoke Perfect AI Beauty Agent for skin analysis (CameraKit),
  skincare product recommendations, virtual try-on, or beauty consultation.
  Brand-scoped: all data partitioned by brand_id.
  Trigger: skin analysis, skincare advice, product recommendation,
  virtual try-on, beauty consultation, skin score, CameraKit.
license: Proprietary — contact api-support@perfectcorp.com
metadata:
  author: Perfect Corp RD
  version: 0.1-draft
---

Configuration et onboarding pas à pas pour les systèmes Agent-to-Agent (A2A)

1


provisionner une clé d'API de marque

Connectez-vous à Perfect Console → Settings → Integrations → Agent Skill. Générez une clé d'API de marque. Notez votre brand_id, requis pour chaque appel API.


2


ajouter le skill à votre agent

Clonez ou téléchargez le dossier perfect-ai-beauty-agent/. Placez-le dans le répertoire des skills de votre agent. Votre agent détectera et enregistrera les intentions au démarrage.


3


configurer CameraKit (pour les intentions basées sur l'image)

Initialisez le SDK Perfect CameraKit dans votre application hôte. CameraKit gère la capture de selfie pour skin_analysis et le rendu AR en direct pour try_on. Les sessions sont limitées par jeton et éphémères.


4


importer les SKU et les looks via Perfect Console

Dans Perfect Console, importez les SKU maquillage, les produits de soin et les looks de votre marque. Ceux-ci alimentent le catalogue de SKU et sont automatiquement reliés aux intentions de recommandation et d'essai virtuel.


5


tester l'isolation par marque

Effectuez un appel de test avec votre brand_id. Vérifiez que seules les produits de votre marque apparaissent dans les recommandations. Confirmez qu'une requête avec un brand_id sans rapport renvoie un 403.


Codes d'erreur et mode de gestion

CodeNomQuand il se produit / comment le gérer
400Bad RequestChamp obligatoire manquant (intent, brand_id ou image si nécessaire). Vérifiez la charge utile de la requête.
401UnauthorizedClé d'API de marque invalide ou manquante. Vérifiez la clé dans Perfect Console.
403ForbiddenLe brand_id de la requête ne correspond pas à la marque autorisée par la clé d'API. Accès inter-marques refusé.
404SKU Not FoundLe sku_id est introuvable dans le catalogue de la marque. Vérifiez que le SKU est bien importé dans Perfect Console.
415Unsupported ImageFormat d'image non pris en charge ou résolution trop faible. Utilisez JPEG/PNG, min. 480×480 px.
429Rate Limit ExceededTrop de requêtes. Mettez en œuvre un backoff exponentiel. Contactez le support pour augmenter le quota.
503Service UnavailableSession CameraKit ou modèle en aval temporairement indisponible. Réessayez avec backoff.

Garantir l'isolation des données et la sécurité dans les flux Agent-to-Agent (A2A)

  • brand_id est requis dans chaque requête. Tous les catalogues de SKU, corpus RAG, règles de recommandation et historiques utilisateur sont segmentés par brand_id au niveau des données.
  • Les clés d'API sont limitées à une marque. Une clé émise pour la marque A ne peut pas accéder aux données de la marque B : les requêtes renvoient 403.
  • Les sessions CameraKit sont éphémères et limitées par jeton. Aucun flux vidéo ni aucune image ne sont conservés côté serveur après la fin de la session.
  • user_id est un jeton opaque. Aucune donnée personnelle directement identifiable n'est requise ni stockée. Les marques peuvent choisir d'activer l'historique utilisateur persistant, désactivé par défaut.
  • Les clés d'API peuvent être renouvelées à tout moment depuis Perfect Console. Les anciennes clés sont immédiatement révoquées lors de la rotation.
# Plateforme numérique
Popular
PerfectCorp.com utilise des cookies et d’autres technologies de traçage pour offrir la meilleure expérience possible à l’utilisateur. En utilisant notre site, vous reconnaissez et acceptez notre politique de cookies. Pour plus d’info sur les cookies ou changez vos paramètres, lisez notre rapport sur les cookies.