Open Multi-Agent : un framework TypeScript qui planifie les graphes de tâches à l'exécution
Cadre d'orchestration d'agents TypeScript AI avec flux de travail dynamiques. Décrivez l'objectif, pas le graphique : un coordinateur planifie la tâche DAG au moment de l'exécution et l'exécute sur n'importe quel LLM (Claude, ChatGPT, Gemini, DeepSeek ou modèles locaux).
En bref
- De quoi s’agit-il ?
- Le README décrit un coordinateur qui construit un DAG de tâches à partir d'un seul objectif et un planificateur déterministe qui l'exécute à travers une équipe d'agents, avec approbation, relecture et inspection hors ligne.
- À qui s’adresse-t-il ?
- Le README présente Open Multi-Agent comme une couche d'orchestration pour les équipes TypeScript qui veulent que les graphes de tâches émergent des objectifs à l'exécution, avec des fonctions de contrôle, d'observabilité et de reprise pour la production, publié sous licence MIT.
- 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 1 jour.
- 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
Décrire l'objectif, pas le graphe
Open Multi-Agent est un framework d'orchestration TypeScript pour agents IA qui s'exécute dans une application Node.js. Le slogan du README est « Décrire l'objectif, pas le graphe » : au lieu d'écrire un workflow nœud par nœud, le développeur confie un objectif à un coordinateur, qui construit un DAG de tâches à l'exécution. Un planificateur déterministe exécute ensuite ce DAG à travers une équipe d'agents, et le déroulement terminé est conservé comme des données que l'on peut inspecter, approuver et rejouer. Le README place le projet au niveau de l'orchestration, entre un framework graph-first où chaque nœud est écrit à l'avance et une boîte à outils LLM pour un seul appel d'agent.
Comment un déroulement est planifié et exécuté
L'API centrale est runTeam(), qui prend une équipe d'agents et un objectif. Dans l'exemple du README, une équipe est créée avec deux agents, un chercheur et un analyste, la mémoire partagée est activée, et l'objectif « Comparez trois approches et recommandez-en une » est transmis. Rien dans ce code ne déclare de graphe de tâches ; le coordinateur le planifie à l'exécution. Le framework propose aussi runAgent() pour un seul agent et runTasks() pour un pipeline explicite. L'objet résultat expose la liste des tâches avec statut, responsable et dépendances, ainsi que la sortie du coordinateur et l'utilisation totale de jetons.
Pour commencer
Le README exige Node.js 20 ou plus. Il y a deux chemins d'entrée. Le premier crée un nouveau projet avec `npm create oma-app@latest my-oma` ; dans un terminal interactif, cette commande sélectionne un starter et une exécution, installe les dépendances et lance une démo locale déterministe qui ne nécessite aucune clé API et n'envoie aucune requête modèle, car des réponses modèles scriptées pilotent le vrai planificateur, l'agrégation des résultats et le tableau de bord hors ligne. Le second ajoute le package cœur à un backend existant avec `npm install @open-multi-agent/core`, puis définit OPENAI_API_KEY pour exécuter l'exemple. La documentation couvre aussi d'autres modèles hébergés, des serveurs locaux, des points de terminaison compatibles OpenAI et les fournisseurs AI SDK.
Contrôle, reprise et budgets
Le README énumère plusieurs fonctions de contrôle et de fiabilité. Les plans et les répartitions individuelles peuvent être prévisualisés et approuvés avant exécution, et les plans approuvés peuvent être figés pour relecture. Lorsque la topologie ne doit pas dériver, les rôles et l'ordre requis peuvent être déclarés, et les sorties peuvent être vérifiées par consensus multi-agents. Les exécutions interrompues reprennent à partir de points de contrôle, ou le framework peut opter pour une réparation de plan en mode append-only aux barrières de résultats de tâches. Les nouvelles tentatives, les délais d'attente, la détection de boucles et les budgets de jetons et de coûts maintiennent l'exécution dans des limites. Le README ne quantifie pas les performances de ces fonctions en production ; il décrit seulement leur existence.
Observabilité et évaluation
Chaque exécution porte une identité stable, des reçus d'exécution et des traces. Le visualiseur d'exécution hors ligne intégré rejoue le DAG de tâches et une cascade de spans, montrant pour chaque tâche son statut, son responsable, ses jetons et ses appels d'outils. Un adaptateur OpenTelemetry optionnel exporte les traces vers une pile de surveillance centralisée, et les mêmes enregistrements alimentent des EvalSets versionnés, des rapports hors ligne, des portes CI et un échantillonnage en production. Le README note que les utilisateurs du package cœur peuvent stocker les traces localement et les inspecter avec le visualiseur, et que le package OTel n'est nécessaire que lorsque les traces doivent apparaître dans le même système de surveillance que le reste de l'application.
Exécution et fournisseurs
Le framework prend en charge plusieurs backends d'exécution. Les backends Process et ACP placent Claude Code, Gemini CLI et Codex sur le même DAG de tâches, la même mémoire partagée et les mêmes budgets que les agents LLM. Les modèles cloud et locaux peuvent être mélangés, avec des fournisseurs chinois intégrés nativement, des points de terminaison compatibles OpenAI et des fournisseurs AI SDK, plus un analyseur de secours pour les modèles locaux qui émettent des appels d'outils sous forme de texte. Le README dit que le projet s'exécute sur votre propre infrastructure et vos propres identifiants, localement, hors ligne ou en environnement isolé, mais il ne documente pas comment le fonctionnement isolé a été vérifié.
Écosystème et licence
Le README liste cinq utilisateurs connus et cinq intégrations. Parmi les utilisateurs figurent une plateforme d'analyse de sécurité WordPress, un contributeur qui exécute OMA entièrement hors ligne sur des modèles quantifiés locaux, un assistant de revue de pull request IA, un assistant de codage en terminal IA et un studio qui transforme des documents en graphiques. Les intégrations incluent un service de synchronisation mémoire, un sidecar qui détecte les cycles de délégation entre exécutions, un échafaudage de codage agentique, un serveur MCP de classeurs de formules et un adaptateur HTTP. Le projet est distribué en trois packages : @open-multi-agent/core, @open-multi-agent/otel et create-oma-app. Il a été lancé le 2026-04-01 sous licence MIT, qui accorde le droit d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre le logiciel, mais le fournit « tel quel » sans garantie. Le README ne mentionne pas de certifications de sécurité, de garanties de support ni de résultats de benchmarks.
Conclusion éditoriale
Le README présente Open Multi-Agent comme une couche d'orchestration pour les équipes TypeScript qui veulent que les graphes de tâches émergent des objectifs à l'exécution, avec des fonctions de contrôle, d'observabilité et de reprise pour la production, publié sous licence MIT.
Notes de la communauté