5 conteneurs Docker pour les développeurs d'agents AI : on les lance et on travaille

Lancer un agent d’AI exige plusieurs services en même temps : un modèle de langage, une base vectorielle pour la mémoire, un orchestrateur de tâches, des outils d’observabilité. Chacun d’eux demandait auparavant des heures de configuration. Docker change l’équation : le bon ensemble de conteneurs se lance en quelques minutes et est prêt à l’emploi immédiatement.

Ollama : des LLM locaux sans cloud

Ollama est un conteneur Docker qui exécute des modèles de langage ouverts sur du hardware local. À l’intérieur, on trouve un serveur REST avec une API compatible OpenAI : vous changez un endpoint dans le code de l’agent, et au lieu de GPT-4, c’est Llama 3.1 qui tourne sur votre GPU. Aucun changement dans le reste du code.

Pris en charge nativement :

• Llama 3.1, Mistral 0.3, Gemma 2, Qwen2.5, Phi-3 et plus de 50 modèles
• Accélération GPU via nvidia-container-toolkit (CUDA)
• Téléchargement automatique et mise en cache des poids du modèle
• Requêtes parallèles avec file d’attente interne

Pour le développement, cela signifie zéro coût d’API, zéro rate limits et un contrôle total sur le modèle — sans risque de fuite de données vers le cloud.

Qdrant : des vecteurs pour la mémoire de l’agent

Les agents ont besoin d’une mémoire long terme : conserver les résultats des outils, indexer des documents, retrouver du contenu sémantiquement proche. Qdrant est l’une des bases vectorielles les plus rapides, avec une API REST et gRPC, un filtrage par métadonnées intégré et une interface web prête à l’emploi.

Quand l’agent ne trouve pas le bon document, l’inspection visuelle des points fait gagner des heures de debugging — dans l’interface, on voit à la fois les vecteurs et le payload à côté. Qdrant passe bien à l’échelle : en partant d’un prototype sur localhost, on peut passer à un cluster avec réplication sans modifier le code client.

Les alternatives sont ChromaDB (plus simple pour démarrer) et Weaviate (plus riche en fonctionnalités). Qdrant l’emporte généralement en vitesse à partir de collections de plusieurs millions de vecteurs.

n8n : orchestration visual-first

n8n est une plateforme d’automatisation self-hosted que les développeurs d’agents utilisent comme orchestrateur de workflow. Plus de 400 intégrations natives, des nœuds pour OpenAI et Anthropic, des triggers HTTP, des webhooks et une gestion des erreurs intégrée avec retries.

«

Le schéma visuel du flux de données n’est pas compréhensible uniquement pour les développeurs — les équipes produit et QA voient tout de suite ce que fait l’agent », voilà un argument typique en faveur de n8n dans la communauté des développeurs.

C’est pratique pour les systèmes multi-agents, où plusieurs agents échangent des résultats : chaque étape est journalisée, visible dans l’interface et peut être relancée depuis le point voulu sans recalculer tout le pipeline.

Flowise : drag-and-drop pour les chaînes d’agents

Flowise est construit au-dessus de LangChain et LlamaIndex et propose un visual builder pour les chaînes d’agents, les pipelines RAG et les systèmes multi-agents. Chaque flow reçoit automatiquement un REST API endpoint — il suffit d’ajouter un seul appel HTTP dans l’application.

Ensemble de fonctionnalités :

• Nœuds AgentExecutor, Tool Use, Memory et ReAct
• Connexion à Ollama, OpenAI, Anthropic, Hugging Face et Bedrock
• Prise en charge de fonctions JavaScript personnalisées dans les nœuds
• Export de la configuration du flow en JSON pour la reproductibilité

Flowise est particulièrement précieux au stade du prototypage, quand il faut valider rapidement une hypothèse sans s’enfoncer dans le boilerplate code et la configuration manuelle de LangChain.

Open WebUI : test de prompts sans scripts

Open WebUI est une interface de chat complète qui se connecte à Ollama ou à n’importe quel backend compatible OpenAI. Il fonctionne avec Ollama via docker-compose et permet d’ajouter des documents directement dans la conversation pour tester rapidement le RAG.

Pour un développeur, c’est un outil de test pratique sans code supplémentaire : changer le prompt système, connecter un autre modèle, charger un document et comparer les résultats — en quelques clics. Il prend en charge plusieurs utilisateurs et conserve l’historique des conversations.

Ce que cela signifie

Cinq conteneurs — Ollama, Qdrant, n8n, Flowise, Open WebUI — couvrent la stack de base du développement d’agents : LLM, mémoire vectorielle, orchestration, visual builder et UI de test. Docker a abaissé la barrière d’entrée au point qu’entre l’idée et un prototype fonctionnel, il n’y a plus qu’un `docker-compose up`.