Chainlit

Qu’est-ce que Chainlit ?

Chainlit est un framework open source conçu en Python pour créer des applications d’IA conversationnelle, offrant des interfaces de chat prêtes à l’emploi, des rappels d’événements, une sortie en flux continu, une présentation par étapes et des options de déploiement adaptées. Les développeurs peuvent conserver leurs propres modèles et leur logique métier pour transformer leurs scripts en pages web interactives ou en assistants intégrés avec peu de code.

À partir du 1er mai 2025, l’équipe originale de Chainlit cesse le développement actif, et le projet est pris en charge par des mainteneurs communautaires qui s’occupent des revues de code, des publications et de la sécurité conformément à un accord de maintenance officiel. Chainlit SAS ne garantit pas de mises à jour futures, mais des versions stables continueront d’être publiées dans le dépôt jusqu’en 2026.

Fonction principale

Application de chat Python et interface fluide

• Intégrer les fonctions Python existantes à l’interface de chat grâce à des rappels de cycle de vie tels que les messages, le démarrage de la conversation, l’audio et les sessions.
• Les messages peuvent être envoyés de manière progressive en flux, ce qui convient pour afficher les réponses mot par mot d’un grand modèle, l’état de fonctionnement des outils et l’avancement des tâches longues.
• Le composant Step permet de distinguer les modèles, les outils et les étapes de traitement, ce qui aide au débogage d’agents à plusieurs étapes et explique le processus d’exécution aux utilisateurs.
• Les paramètres de chat, les messages d’initialisation, les modes et le profil de chat permettent à l’utilisateur final de choisir le modèle, le rôle ou la configuration de la tâche.
• Le framework gère la couche d’interaction et ne dispose pas de grands modèles pouvant être utilisés gratuitement et indéfiniment ; les développeurs doivent configurer séparément des modèles ou des services d’inference.

Multimodal, fichiers et audio en temps réel

• La barre de chat prend en charge le glisser-déposer ou la sélection de fichiers ; le backend peut lire des images, de l’audio, des vidéos et des fichiers ordinaires à partir des éléments de message.
• Le développeur décide du type de fichier, de sa taille, de la méthode de traitement et de savoir s’il doit être transmis au modèle, il peut également désactiver le téléchargement automatique de fichiers.
• La callback audio peut recevoir des blocs audio en temps réel provenant du micro de l’utilisateur, pour les assistants vocaux, la transcription et le traitement audio en temps réel.
• Les éléments d’interface peuvent afficher des images, de l’audio, des vidéos, des PDF, des tableaux, des graphiques et des composants personnalisés.
• Une présentation multimodale ne signifie pas que le modèle possède les mêmes capacités ; la capacité à comprendre les entrées dépend du modèle backend et du code de développement.

Intégration de modèles, de cadres et d’agents intelligents

• Peut être combiné avec OpenAI, Mistral, LangChain, LangGraph, LlamaIndex, Semantic Kernel, AutoGen et d’autres bibliothèques Python.
• Le gestionnaire de rappel peut convertir certaines appels de modèles ou de frameworks en étapes visuelles, ce qui facilite l’observation de la chaîne d’outils et des résultats intermédiaires.
• Les développeurs peuvent se connecter à des modèles locaux, des modèles cloud, des bases de données vectorielles, des systèmes de recherche et des API métier personnalisées.
• Chainlit ne lie pas les fournisseurs de modèles ; les frais, les débits, le contexte et les règles d’utilisation des données varient en fonction du service choisi.

Connexion de l’outil MCP

• Chainlit peut se connecter aux serveurs MCP via SSE, des transferts réseau en flux ou stdio, pour découvrir des outils et intégrer les résultats des appels dans le flux de l’agent.
• Chaque session WebSocket peut gérer plusieurs connexions MCP nommées ; lors de la fermeture de la session, les connexions correspondantes sont fermées.
• À partir de 2.7.0, il est nécessaire d’activer explicitement la fonction MCP dans la configuration, et il est possible de contrôler séparément les différents modes de transmission.
• stdio lance des processus enfants réels sur le serveur Chainlit ; il est nécessaire d’utiliser une liste blanche des fichiers exécutables et de limiter les entrées utilisateur.
• Pour une collaboration MCP au niveau entreprise, il est possible de contacter l’équipe projet, mais les prix publics, la portée du support et la durée du service ne sont pas encore divulgués.

Installation et prise en main rapide

1. Préparez un environnement Python 3.10 ou supérieur de la série 3.x, et créez un environnement virtuel isolé.
2. Installez Chainlit depuis le répertoire de paquets Python, puis exécutez les exemples intégrés pour vous assurer que l’interface du navigateur s’ouvre.
3. Créez un fichier Python, importez Chainlit et enregistrez une fonction de rappel pour les messages, afin de lire les messages de l’utilisateur dans cette fonction.
4. Appeler son propre modèle, son moteur de recherche ou sa fonction métier, puis envoyer les résultats via un objet de message ou les retourner en flux.
5. Exécutez l’application et activez la rechargement automatique en mode développement pour tester le comportement lors de multiples sessions, d’exceptions et d’interruptions.
6. Ajouter avant le lancement l’authentification, la persistance, les journaux, la limitation du trafic, la gestion des clés et les vérifications de sécurité pour les entrées et sorties.
7. Fixez la version des dépendances et suivez en continu les annonces de publication et de sécurité ; ne laissez pas fonctionner longtemps des versions anciennes non corrigées.

Workflow de développement minimal

1. Définir les objectifs de l’application et la gamme de données autorisées, choisir le modèle, les outils, les bases de recherche et les systèmes de stockage.
2. Commencer par une conversation, organiser le cycle de vie de la session avec des appels de retour pour les messages et l’arrêt.
3. Emballer les appels du modèle à fort temps de calcul en étapes visuelles, et activer une sortie en flux pour le contenu pouvant être affiché en toute sécurité.
4. Définir des listes blanches, des limites de taille, des délais d’expiration et des vérifications de permissions pour les fichiers, l’audio et les outils MCP.
5. Configurer l’authentification des utilisateurs et une identité unique, afin de s’assurer que les différentes comptes ne peuvent pas lire les sessions les uns des autres.
6. Connecter la couche de données et tester l’ensemble du processus de création, de restauration, de suppression et d’exportation des données de chat.
7. Effectuer des tests de charge et de défaillance dans des environnements d’agents, de WebSocket et de multiples instances cohérents avec la production.
8. Surveiller les erreurs après le déploiement, les coûts des modèles, les vulnérabilités des dépendances, les appels anormaux d’outils et les tâches de conservation des données.

Entrée, sortie et formes d’application

Authentification et persistance des données

L’authentification n’est pas une barrière de sécurité activée automatiquement après l’installation ; les applications non configurées sont par défaut accessibles. Une fois la couche de données activée, il est également nécessaire de tester l’autorisation au niveau des objets, afin d’éviter que la simple vérification de connexion ne permette de lire des threads ou des fichiers entre utilisateurs.

Mode de déploiement

• Chainlit dépend de WebSocket ; la plateforme d’hébergement et le proxy inversé doivent prendre en charge l’upgrade de connexion.
• L’expansion automatique nécessite généralement de l’affinité de session, sinon le même utilisateur pourrait voir son état de session perdu entre plusieurs instances.
• L’adresse d’écoute doit être spécifiée dans le conteneur, et les commandes de production doivent éviter d’ouvrir automatiquement un navigateur du côté serveur.
• Les tutoriels de déploiement tiers listés dans le document de cadre ne signifient pas que la plateforme correspondante est gratuite ou que Chainlit en assure l’exploitation.

Prix et coûts

Il n’existe pas de forfait d’hébergement cloud unifié de premier niveau confirmé ; le fait que la structure de base soit gratuite ne signifie pas que toute application d’IA coûte zéro. Les règles de remboursement ne s’appliquent pas au code gratuit ; pour les partenariats d’entreprise, les ressources cloud et les services de modèles, il convient de se référer respectivement au contrat et aux politiques du fournisseur.

Licences et usage commercial

• Le dépôt principal de Chainlit est sous licence Apache 2.0 ; il peut être utilisé pour des projets personnels, commerciaux et d’entreprise, et autorise les modifications ainsi que la redistribution.
• Lors de la distribution du code ou de versions dérivées, il est nécessaire d’accompagner ce dernier d’une licence, de conserver les droits d’auteur et d’inclure une notice, en indiquant les modifications majeures apportées.
• Les licences de brevet, les règles de contribution et les conditions de résiliation doivent être appliquées conformément au texte intégral d’Apache 2.0 ; la licence ne confère pas automatiquement le droit d’utiliser des marques commerciales.
• Les licences open source ne couvrent pas les poids des modèles intégrés, les API, les polices, les images, les composants tiers et le contenu utilisateur.
• Le logiciel est fourni tel quel, sans aucune garantie de commercialisabilité, d’adaptation à un usage particulier ou d’absence de violation de droits de propriété ; l’organisme qui le met en œuvre à des fins commerciales doit mettre en place lui-même des mécanismes de soutien et assumer les risques.

Confidentialité et responsabilité des données

• Selon la documentation sur la confidentialité du projet, à partir de la version 2.6.1, le framework ne collecte pas de données des utilisateurs.
• Cette indication ne signifie pas que les applications déployées par le développeur ne collectent pas de données, car les modèles, les bases de données, le stockage d’objets, les journaux et les services d’identité peuvent continuer à traiter des informations.
• Par défaut, le fait de ne pas persister les conversations peut réduire les données stockées, mais les requêtes des modèles, le proxy inversé et les journaux de fonctionnement peuvent encore laisser des contenus ou des métadonnées.
• L’opérateur de l’application doit fournir sa propre déclaration de confidentialité, les bases du traitement, la durée de conservation, la procédure de suppression et la liste des prestataires tiers chargés du traitement.
• Lors du traitement de secrets d’entreprise ou de données personnelles sensibles, il convient de choisir une zone de modèle appropriée, un stockage chiffré, des droits minimaux et un contrôle d’accès auditable.
• Pour le téléchargement de fichiers et d’audio, il convient de définir des règles concernant le type, la taille, le scan, l’isolement et la suppression automatique, et on ne peut pas se fier uniquement aux restrictions côté client.

Précautions de sécurité

• Il convient d’utiliser la version stable actuelle et de vérifier régulièrement les mises à jour des dépendances ; à la date de vérification, la version stable actuelle de PyPI est 2.11.1.
• Les versions antérieures à 2.9.4 présentaient un problème de falsification de requête côté serveur déjà connu ; les déploiements utilisant la couche de données SQLAlchemy nécessitent en particulier une mise à niveau.
• 2.10.1 Les problèmes liés à la restauration des sessions WebSocket et à la vérification des utilisateurs authentifiés ont été corrigés ; les anciennes versions en production ne doivent plus être mises à disposition.
• L’application est par défaut publique ; avant le déploiement, il est nécessaire de configurer la clé d’authentification, le callback d’authentification, l’identifiant unique de l’utilisateur et l’autorisation au niveau de l’objet.
• La méthode stdio de MCP lance un sous-processus serveur, ne permet que des commandes fiables et restreint les paramètres, le répertoire de travail, les permissions réseau et système.
• Ne montrez pas directement aux utilisateurs ordinaires les chaînes de réflexion du modèle non filtrées, les suggestions système, les clés, les paramètres des outils internes ou les piles d’erreurs.
• L’équipe de maintenance communautaire est de taille limitée, et les objectifs de la politique de sécurité ne correspondent pas à des engagements de correction fixes ; les entreprises doivent être prêtes à disposer de processus d’évaluation et de correctifs indépendants.

Avantages et limites des capacités

Résumé

Chainlit convient aux développeurs qui souhaitent créer rapidement des chatbots, des assistants de recherche, des applications vocales ou des agents MCP en utilisant Python. Son avantage réside dans sa couche d’interaction prête à l’emploi, ses intégrations multiples et la liberté de l’hébergement autonome. Lors de son utilisation en production, il convient d’inclure dans le plan de maintenance à long terme l’état de maintenance de la communauté, l’isolation des identités et des données, le déploiement via WebSocket, ainsi que les coûts liés aux tiers et les mises à jour de sécurité.