OpenMolt

Qu'est-ce qu'OpenMolt ?

OpenMolt est un système programmatique Node.js pour créer des agents IA qui réfléchissent, planifient et agissent à partir de votre codebase. Au lieu d'exécuter la logique des agents dans une UI produit séparée, vous définissez les agents, connectez outils et intégrations, et orchestrez leur comportement directement depuis le code de votre application.

L'objectif principal est de vous aider à construire des workflows d'agents orientés production — agents utilisant des outils, avec sorties structurées et état persistant — tout en gardant les identifiants API sur votre serveur.

Fonctionnalités clés

• Création programmatique d'agents pour Node.js : Créez des agents depuis votre code via une API conviviale JavaScript/TypeScript.
• Support multi-fournisseurs LLM via des chaînes de modèles unifiées : Utilisez un format de modèle cohérent pour passer d'un fournisseur à l'autre, comme OpenAI GPT-4o, Anthropic Claude ou Google Gemini.
• Modèle de sécurité avec permissions basées sur les scopes : Les identifiants sont stockés côté serveur ; les appels d'outils sont rendus en requêtes HTTP pour que le LLM reçoive les résultats des outils et non les clés API ou tokens bruts.
• Outils et intégrations déclaratives : Définissez les outils comme des données (endpoint, template d'authentification et schémas) pour éviter d'écrire du code HTTP boilerplate.
• Sortie structurée avec schémas Zod : Fournissez un schéma Zod et recevez un objet validé et typé, au lieu d'analyser manuellement les réponses LLM.
• Planification et automatisation de type cron : Exécutez des agents sur des intervalles ou des plannings quotidiens cron avec support des fuseaux horaires.
• Visibilité événementielle dans la boucle de raisonnement : Accédez aux étapes de la boucle pour observer les appels d'outils, mises à jour des plans, sorties LLM et résultats finaux.
• Mémoire persistante avec callbacks : Maintenez des stocks de mémoire à long et court terme, et utilisez des callbacks onUpdate pour persister la mémoire externement ; les agents peuvent mettre à jour la mémoire en cours d'exécution.

Comment utiliser OpenMolt

1. Installez le package dans votre projet Node.js.
2. Initialisez OpenMolt avec la configuration de votre fournisseur LLM choisi (par exemple, définissez la clé API OpenAI via une variable d'environnement).
3. Créez un agent avec un nom, un identifiant de modèle (au format chaîne unifiée) et des instructions.
4. Exécutez l'agent avec un prompt utilisateur depuis votre code d'application.

Flux d'exemple affiché sur le site :

• Installation : npm install openmolt
• Création et exécution d'un agent : instanciez OpenMolt, appelez createAgent(...), puis agent.run('...') et affichez le résultat en log.

Cas d'usage

• Automatisation de rapports quotidiens : Planifiez un agent pour extraire des métriques (ex. depuis Stripe) chaque matin, générer un résumé et poster le rapport dans un canal Slack.
• Pipelines de contenu multi-étapes : Utilisez un agent pour rédiger du contenu basé sur une description stratégique, générer des assets associés et sauvegarder les sorties sur disque dans un workflow de bout en bout.
• Rédaction d'emails avec validation humaine : Rédigez des réponses à des messages Gmail entrants selon des guidelines fournies, tout en gardant la validation et l'envoi dans Gmail.
• Automatisation de workflows développeurs : Déclenchez des tâches GitHub comme le triage d'issues, l'application de labels, la publication de notes de release sur Slack et la génération de changelogs dans un pipeline CI/CD.
• Opérations et reporting e-commerce : Surveillez les commandes Shopify, mettez à jour des enregistrements dans Airtable, envoyez des notifications via Twilio et publiez des résumés de revenus quotidiens sur un tableau de bord Notion.

FAQ

Que signifie « agents IA programmatiques » pour OpenMolt ?

OpenMolt est conçu pour que vous définissiez agents, outils et workflows depuis votre codebase Node.js/TypeScript — plutôt que de configurer et exécuter des agents via une UI séparée.

Puis-je utiliser plusieurs fournisseurs LLM avec le même code d'agent ?

La documentation indique qu'OpenMolt supporte plusieurs fournisseurs LLM (dont OpenAI, Anthropic Claude et Google Gemini) via un format de chaîne de modèle unifié, permettant de changer de fournisseur sans modifier votre code.

Comment OpenMolt gère-t-il les clés API et l'accès des agents aux outils ?

OpenMolt utilise un modèle de permissions basé sur les scopes : les identifiants sont stockés côté serveur et insérés dans les requêtes HTTP via des templates Liquid. Le LLM reçoit les résultats des outils (sorties) plutôt que les clés API ou tokens bruts.

Quels types de sorties mon agent peut-il renvoyer ?

OpenMolt supporte les sorties structurées via schémas Zod ; vous pouvez fournir un schéma et recevoir un objet validé et typé.

OpenMolt supporte-t-il les exécutions récurrentes et l'automatisation ?

Oui. Il supporte la planification avec exécutions basées sur intervalles et plannings quotidiens cron, y compris le support des fuseaux horaires.

Alternatives

• Plateformes low-code pour workflows d’agents : Outils qui fournissent des constructeurs visuels pour intégrer LLMs, prompts et actions. Ils permettent un prototypage plus rapide mais déplacent généralement la configuration hors de votre code applicatif.
• Outils de workflow/orchestration généralistes avec appels LLM : Alternatives axées sur la création de workflows (étapes, planification, retries) tandis que vous implémentez vous-même les appels LLM/outils. Par rapport à OpenMolt, vous pourriez avoir besoin de plus de code d’intégration pour les sorties structurées, définitions d’outils et patterns de mémoire.
• Frameworks open-source d’agents dans d’autres écosystèmes : Bibliothèques d’agents en Python ou autres langages offrant des concepts similaires (outils, mémoire, sorties structurées). Les différences portent généralement sur l’intégration langage/runtime (Node.js vs autres stacks) et le niveau d’intégrations intégrées et patterns de sécurité.
• Services personnalisés d’appel d’outils : Construire votre propre runner d’agents et registre d’outils offre un contrôle maximal mais nécessite généralement plus d’efforts d’ingénierie pour la planification, validation des sorties structurées et persistance de la mémoire.