LLM Space v4 : un atelier de bureau pour les développeurs d'agents
Ce projet transforme « A desktop app to prototype agent ideas, inspect every harness step, replay failures, and evaluate performance, all in one place. Local-first, cloud-ready for managed agents. » en une solution open source exploitable, avec une chaîne d’outils réutilisable et des moyens d’intégration pour des cas d’usage concrets.
En bref
- De quoi s’agit-il ?
- Une application de bureau local-first qui combine prototypage, traçage, débogage, évaluation et génération de code LangGraph, construite avec TypeScript, Bun, Electrobun et React.
- À qui s’adresse-t-il ?
- LLM Space v4 est la quatrième itération majeure d'une application de bureau qui couvre tout le cycle de développement d'agents, et le README la présente comme l'outil avec lequel DeerFlow lui-même est construit et débogué. La licence MIT et le modèle de parrainage la maintiennent gratuite, tandis que les pull requests restent limitées à l'équipe principale de DeerFlow.
- Puis-je l’utiliser commercialement ?
- Oui. MIT est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 3 jours.
- En quel langage est-il écrit ?
- Principalement TypeScript, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 14 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
L'application de bureau avec laquelle DeerFlow est construit et débogué
LLM Space v4 est une application de bureau destinée aux personnes qui construisent des agents IA. Le README la décrit comme un endroit pour prototyper des idées d'agents, inspecter chaque étape de l'exécution du harnais, déboguer les échecs et évaluer les performances. C'est un projet frère de DeerFlow, le framework d'agents de ByteDance, et les deux projets sont étroitement liés : le README déclare que chaque version de DeerFlow est construite et déboguée avec LLM Space. Le développement a commencé en mars 2023, et v4 est la quatrième itération majeure du projet. Le README inclut également un lien vers le site officiel deer-flow.github.io/llm-space, une capture d'écran et une vidéo de démonstration en haut de la page.
Six capacités : construire, tracer, déboguer, évaluer, gérer, générer
La liste des fonctionnalités nomme six flux de travail concrets. Build couvre l'écriture et le versionnage des prompts, des messages système, des outils et des paramètres de modèle. Trace affiche chaque appel de modèle et chaque exécution d'outil dans la boucle de l'agent en temps réel. Debug permet de rejouer une exécution depuis l'historique et de la parcourir étape par étape pour trouver ce qui a mal tourné. Evaluate mesure les performances d'un agent sur plusieurs exécutions. Manage garde les fils de discussion organisés sous forme de fichiers sur votre propre machine. Generate laisse l'IA écrire vos prompts et outils, et peut transformer n'importe quel fil en agent LangGraph exécutable. Le README lie LangGraph comme framework cible pour les agents générés, ce qui signifie que le code généré vise ce framework public plutôt qu'un format privé.
Stockage local-first avec un petit flux de télémétrie
Le README est explicite sur l'emplacement des données : vos fichiers et vos clés API restent sur votre ordinateur local. Les fils sont stockés sous forme de fichiers, ce qui est à la base de la fonctionnalité Manage, et cela signifie aussi que vous pouvez voir ces fichiers de fil directement dans votre système de fichiers. La seule exception au principe local-first est la télémétrie. LLM Space collecte une petite quantité de données d'utilisation anonymes pour améliorer l'application, et le README renvoie à TELEMETRY.md pour savoir exactement ce qui est collecté et comment se désinscrire. Le README ne précise pas quelles métriques figurent dans ce fichier ni si l'opt-out est un argument de ligne de commande, un fichier de configuration ou une option d'interface ; ces détails restent à lire dans TELEMETRY.md.
Monorepo Bun avec une coque Electrobun et une boucle Pi Agent Core
Le projet est un monorepo Bun écrit en TypeScript. La structure comporte deux parties : packages/core contient la logique partagée, notamment les types, la boucle de l'agent et le stockage des fils ; apps/desktop est l'application de bureau elle-même, une coque Electrobun avec une interface React. L'interface utilise Tailwind CSS et shadcn/ui. Le framework d'agents est Pi Agent Core, décrit comme un framework léger pour construire des agents, et lié au dépôt earendil-works/pi. Electrobun est présenté comme un moyen léger de distribuer une application native. Au-delà de ce que contient le package core, le README ne donne pas plus de détails sur la structure de la boucle de l'agent.
Deux éditions macOS avec un répertoire de données partagé
Les téléchargements sont distribués sous forme de fichiers DMG depuis la dernière release sur GitHub, pour Mac Apple Silicon et Intel. Il existe deux éditions. LLM Space standard utilise le WebView du système, pèse environ 27 Mo et est décrit comme léger en mémoire et en batterie. LLM Space Performance embarque son propre moteur de rendu, environ 130 Mo, qui garde un rendu cohérent entre les versions de macOS et est généralement plus performant. Les deux éditions partagent le même répertoire de données ~/.llm-space, donc passer de l'une à l'autre conserve les fils et les paramètres, et les deux se mettent à jour automatiquement. Le README ne mentionne pas de builds Windows ou Linux, donc macOS est la seule plateforme confirmée.
Construire à partir des sources avec Bun ou mise
Pour construire à partir des sources, il faut d'abord Bun. Le README décrit Bun comme un runtime et gestionnaire de paquets JavaScript tout-en-un et rapide, positionné comme un remplacement direct de Node.js et npm, et renvoie au guide d'installation officiel de Bun. Une fois Bun installé, vous exécutez `bun install` à la racine du dépôt. Pour les contributeurs, ou pour la chaîne d'outils exacte utilisée par CI, le README suggère d'installer mise et d'exécuter `mise run setup`, qui installe en une étape la version verrouillée de Bun (depuis mise.lock) plus les dépendances JS. L'application démarre pour le développement local avec `mise run dev`, et une release canary se construit avec `mise run build:canary`. Les deux commandes passent par mise, ce qui fait de mise le point d'entrée du flux de développement quotidien.
Contributions, parrainage et licence MIT
Le modèle de contribution est volontairement restreint. Le README indique que seules les pull requests des membres de l'équipe principale de DeerFlow sont fusionnées ; tous les autres sont invités à aider en ouvrant des issues pour les rapports de bugs, les idées et les retours. Le projet a des sponsors : Superdesign est listé comme sponsor platine, et BytePlus Coding Plan de ByteDance comme sponsor or. Le README contient aussi un lien vers une page de don. Le projet est publié sous licence MIT, copyright 2023 LLM Space. La licence accorde le droit d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre des copies, et précise que le logiciel est fourni tel quel, sans garantie. Elle ne dit rien sur le support, la posture de sécurité ou les engagements de maintenance.
Conclusion éditoriale
LLM Space v4 est la quatrième itération majeure d'une application de bureau qui couvre tout le cycle de développement d'agents, et le README la présente comme l'outil avec lequel DeerFlow lui-même est construit et débogué. La licence MIT et le modèle de parrainage la maintiennent gratuite, tandis que les pull requests restent limitées à l'équipe principale de DeerFlow.
Notes de la communauté