21 outils open source gratuits pour assembler une pile d'agents IA
L'auteur de la chaîne @replay_0x a réuni 21 dépôts open source qui permettent de construire toute la pile d'un agent IA, de l'orchestration à la vérification avant la mise en production. La liste suit la chaîne complète : orchestration, outils, navigateur, mémoire, observabilité et exécution sécurisée du code. On y trouve notamment LangGraph, CrewAI, MCP, browser-use, mem0, Langfuse et E2B. Pour les équipes, c'est une carte prête à l'emploi : un candidat par couche, au lieu de partir de zéro.
Traité par IA depuis X: @replay_0x ; édité par Hamidun News
Quand une équipe décide de « construire un agent », la première semaine ne passe généralement pas sur le produit, mais sur le choix des outils : comment piloter les étapes, comment connecter les services, où stocker la mémoire et comment comprendre pourquoi l'agent a soudain répondu n'importe quoi. La sélection de 21 dépôts open source publiée par l'auteur de la chaîne @replay_0x tente de lever ce blocage. Elle est construite comme une chaîne : poser la tâche, organiser le travail des agents, connecter des outils, leur donner un navigateur, ajouter de la mémoire et passer en production. Ce n'est ni un classement ni un benchmark, mais une carte des couches ; elle reste utile pour démarrer.
Couche 1.
Orchestration : qui fait quelles étapes, et dans quel ordre
Huit entrées figurent ici, et beaucoup sont en concurrence directe.
Claude Agent SDK est le socle sur lequel tourne Claude Code, présenté sous forme de bibliothèque. LangGraph décrit l'agent comme un graphe à état : chaque étape est un nœud, et les transitions entre eux sont définies explicitement. CrewAI construit une « équipe » d'agents ayant chacun son rôle, comme les employés d'un petit service.
AutoGen, de Microsoft, mise sur des agents qui échangent des messages entre eux. OpenAI Agents SDK se concentre sur la délégation d'une tâche d'un agent à un autre. Mastra propose la même approche pour ceux qui écrivent en TypeScript.
Pydantic AI exige de l'agent une réponse typée et validée : au lieu d'un texte libre, vous obtenez une structure que vous pouvez transmettre directement au code. smolagents, de Hugging Face, propose des agents qui raisonnent directement en code.
Couche 2.
Outils, navigateur et mémoire
Pour qu'un agent fasse quelque chose d'utile, il lui faut des mains. MCP Servers est un ensemble de serveurs prêts à l'emploi basés sur le protocole Model Context Protocol : l'idée est de connecter n'importe quel outil à n'importe quel agent de la même manière. FastMCP permet d'écrire en quelques minutes son propre serveur MCP pour un service interne.
Quand une tâche n'a pas d'API, il reste le navigateur. browser-use permet aux agents de cliquer sur de vrais sites. Stagehand réduit le travail sur une page à deux commandes, act() et extract() : exécuter une action et extraire des données. Playwright MCP pilote le navigateur via ce même protocole MCP.
La mémoire règle un problème très concret : l'agent ne doit pas refaire connaissance avec vous à chaque fois. mem0 stocke une mémoire à long terme. Letta construit des agents à état qui se souviennent des sessions passées. Graphiti stocke les connaissances sous forme de graphe et suit le temps : il comprend ainsi que l'adresse d'un client peut être différente en mars et en novembre.
Couche 3.
Assemblage, observation et sécurité
Le dernier groupe sert à mener un prototype jusqu'à la mise en production. n8n est un outil d'automatisation offrant plus de 400 intégrations, pratique quand l'agent s'insère dans des processus métier classiques. Dify permet de construire des applications LLM sans code : c'est une voie rapide pour les product managers et les prototypes. Langfuse affiche les traces et le coût des requêtes, et aide à déboguer les chaînes. promptfoo lance des évaluations de qualité et des attaques de red teaming avant la publication. E2B fournit des bacs à sable isolés où l'on peut exécuter le code généré par l'agent sans risquer son propre serveur.
Que faire de cette liste, et où est le piège ?
La manière pratique d'utiliser la liste : choisir un outil par couche, sans tout prendre d'un coup. Pour un agent interne typique, par exemple, un orchestrateur comme LangGraph, quelques serveurs MCP, Langfuse pour l'observation et promptfoo pour les vérifications avant la mise en production suffisent.
Il y a aussi des limites à signaler. Premièrement, le « 100 % gratuit » ne concerne que le code. Les tokens des modèles, l'hébergement, les sessions de navigateur et les bacs à sable coûtent de l'argent.
Deuxièmement, les orchestrateurs se recoupent : LangGraph, CrewAI, AutoGen et OpenAI Agents SDK résolvent des problèmes proches, et il est inutile de les installer ensemble. Troisièmement, une sélection publiée sur un réseau social ne dit rien de la maturité des projets, de leurs licences ni de la qualité du support : il faut le vérifier soi-même avant de les déployer. Enfin, on ne dispose d'aucune donnée sur le fonctionnement de ces outils lorsqu'ils sont combinés : il faudra tester les intégrations sur ses propres cas d'usage.
Cela dit, comme checklist d'architecture, la liste est bonne : elle rappelle qu'un agent n'est pas seulement un modèle. Sans mémoire, observabilité, tests et isolation du code, il reste une démo. Si votre projet n'a pas au moins les trois dernières couches, c'est par elles qu'il faut commencer.
- 19 nov. 2026AG2 1.0 remplace le manager LLM par des canaux Network et plafonne les appels d'outils à 8
- 19 nov. 2026Google AI Studio vend des domaines dès $12 par an et installe les applications Android sur le téléphone
- 19 nov. 2026OpenAI montre comment le sandbox de Codex limite les commandes de l'agent sur votre machine
- 19 nov. 2026Le mot « jeu vidéo » fait passer la propension de GPT-6 Astra à choisir des cibles de 6% à 92%
Questions clés sur cet article
Que faire de cette liste, et où est le piège ?
La manière pratique d'utiliser la liste : choisir un outil par couche, sans tout prendre d'un coup. Pour un agent interne typique, par exemple, un orchestrateur comme LangGraph, quelques serveurs MCP, Langfuse pour l'observation et promptfoo pour les vérifications avant la mise en production suffisent. Il y a aussi des limites à signaler. Premièrement, le « 100 % gratuit » ne concerne que le code. Les tokens des modèles, l'hébergement, les sessions de navigateur et les bacs à sable coûtent de l'argent.
Que sait-on sur Couche 1. Orchestration : qui fait quelles étapes, et dans quel ordre ?
Huit entrées figurent ici, et beaucoup sont en concurrence directe. Claude Agent SDK est le socle sur lequel tourne Claude Code, présenté sous forme de bibliothèque. LangGraph décrit l'agent comme un graphe à état : chaque étape est un nœud, et les transitions entre eux sont définies explicitement. CrewAI construit une « équipe » d'agents ayant chacun son rôle, comme les employés d'un petit service. AutoGen, de Microsoft, mise sur des agents qui échangent des messages entre eux.
Que sait-on sur Couche 2. Outils, navigateur et mémoire ?
Pour qu'un agent fasse quelque chose d'utile, il lui faut des mains. MCP Servers est un ensemble de serveurs prêts à l'emploi basés sur le protocole Model Context Protocol : l'idée est de connecter n'importe quel outil à n'importe quel agent de la même manière. FastMCP permet d'écrire en quelques minutes son propre serveur MCP pour un service interne. Quand une tâche n'a pas d'API, il reste le navigateur. browser-use permet aux agents de cliquer sur de vrais sites.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.