Agno

Qu’est-ce que Agno ?

Agno est un framework Python utilisé pour construire, exécuter et gérer des plateformes d’agents IA, dont le code principal est open source sous la licence Apache 2.0. Il offre non seulement une abstraction d’agent unique, mais couvre également les équipes d’agents multiples, les workflows déterministes, les connaissances, la mémoire, les outils, l’évaluation et le fonctionnement en production.

Actuellement, Agno divise la plateforme en trois couches : le SDK est chargé de la construction, AgentOS Runtime s’occupe du fonctionnement, et le Control Plane gère et débogue. L’équipe peut déployer le runtime, les sessions, la mémoire, les connaissances et les traces sur ses propres infrastructures et bases de données.

Fonctionnalités clés

• Créer rapidement un Agent avec des outils et des instructions à l’aide de Python
• Organiser plusieurs agents spécialisés pour collaborer et former une équipe
• Orchestrer des flux déterministes, multi-étapes et à état avec Workflow
• Connecter plusieurs fournisseurs de modèles propriétaires et ouverts
• Traitement d’entrées et de sorties multimodales telles que du texte, des images, de l’audio et de la vidéo
• Ajouter une base de connaissances, RAG, mémoire et stockage de session à l’agent
• Utiliser une sortie structurée pour retourner des données de type précis
• Génération automatique d’API de production et d’ensembles de flux via AgentOS
• Vérifier les sessions, les indicateurs, les connaissances et les traces dans le plan de contrôle
• Configurer Guardrails, l’approbation manuelle, RBAC et l’isolation des requêtes
• Compatibilité avec Claude Agent SDK, LangGraph et DSPy Agent

Architecture en trois couches de la plateforme

Agno Agent

L’Agent est un cycle de contrôle à état qui s’appuie sur un modèle sans état ; ce modèle raisonne en fonction des instructions et invoque des outils jusqu’à avoir terminé la tâche ou atteint les conditions d’arrêt. Les développeurs peuvent ajouter, selon les besoins, des connaissances, du stockage, de la mémoire, une participation humaine et des Guardrails.

• Définir les rôles, les objectifs, les instructions et les résultats attendus
• Sélectionner le modèle ainsi que sa température, son contexte et ses paramètres d’appel
• Enregistrer des outils et contrôler les actions que l’agent peut exécuter
• Conserver l’historique des sessions et l’état de fonctionnement
• Rechercher des connaissances spécialisées et intégrer le contenu pertinent dans le contexte
• Mémoriser les informations utilisateur sélectionnées et le résumé de l’historique
• Renvoie du texte, des événements en flux ou des objets structurés
• Vérifier les appels d’outils, les erreurs et le trace complet

Équipe à plusieurs agents

Une équipe permet à plusieurs agents de travailler ensemble et en collaboration au sein du même système, avec un chef d’équipe qui coordonne les membres pour accomplir les tâches. La structure en équipe convient pour séparer la recherche, l’analyse, la rédaction, la vérification et l’exécution, afin de réduire la charge de responsabilités portée par un seul agent.

• Définir des modèles, des connaissances et des outils spécifiques pour chaque membre
• Choix ou coordination des membres appropriés par l’agent de direction
• Partager un contexte et des résultats de tâches conçus.
• Exécuter différentes tâches secondaires en parallèle ou séquentiellement
• Faire un résumé, une comparaison et une vérification des résultats des membres
• Enregistrer la délégation, l’utilisation des outils et la réponse finale
• Ajouter une approbation manuelle pour les capacités des membres à haut risque

Agentic Workflows

Workflow organise les Agents, les Équipes, les fonctions et la logique métier à l’aide de étapes claires, ce qui convient aux tâches nécessitant un état, des tentatives de réessai et un ordre d’exécution prévisible. Il complète les Agents entièrement autonomes en limitant le raisonnement dynamique aux endroits où un jugement est réellement nécessaire.

• Définir les étapes, les conditions, les branches et les entrées/sorties
• Mélanger des fonctions ordinaires, des Agents et des Équipes
• Enregistrer l’état du flux de travail et permettre la reprise des tâches longues
• Définir des tentatives de réessai et des chemins de secours pour les étapes échouées
• Définir l’approbation pour les écritures externes et les actions sensibles
• Utiliser des données structurées pour connecter les étapes suivantes
• Créer des traces et des indicateurs indépendants pour chaque phase

Soutien aux modèles

Agno n’est pas lié à un seul fournisseur de modèles ; il peut se connecter à plusieurs API commerciales, des modèles à poids ouverts et des services d’inférence locaux. Les capacités réelles des modèles, les coûts, les politiques de données et les régions disponibles sont déterminés par le fournisseur correspondant.

• Choisir un modèle en fonction de la tâche entre vitesse, coût et qualité
• Configurer des fournisseurs de modèles différents pour chaque agent
• Utiliser des modèles de raisonnement ou des outils de raisonnement pour traiter des tâches complexes
• Réduire l’envoi de données sensibles grâce à un modèle local
• Utiliser une sortie structurée ou des contraintes de schéma JSON pour les résultats
• Créer le même ensemble de données d’évaluation pour le basculement des modèles
• Vérifier les pannes du fournisseur, les quotas et les changements de version

Capacités multimodales

Agno Agent peut recevoir du texte, des images, de l’audio et de la vidéo, et générer des sorties sous différentes formes en fonction des capacités du modèle. Le support multimodal dépend du modèle et des outils spécifiques ; on ne peut pas supposer que toutes les combinaisons soient disponibles simplement en se basant sur les interfaces du framework.

• Comprendre les images, les graphiques, les scans et les captures d’écran d’interfaces
• Gérer la transcription audio, l’entrée vocale et la sortie audio
• Analyser des vidéos ou du contenu médiatique pertinent
• Rechercher conjointement les informations visuelles et les connaissances textuelles
• Générer des images ou d’autres médias pris en charge
• Conserver les fichiers originaux, les résultats des modèles et les enregistrements de vérification manuelle

Écosystème des outils

Agno propose de nombreux outils prédéfinis, et permet également aux développeurs de transformer des fonctions Python, des API tierces ou des MCP Server en capacités d’Agent. Ces outils doivent disposer d’un schéma clair, de permissions minimales et de résultats vérifiables.

• Appeler les API de recherche, financières, de base de données et métier
• Exécuter des fonctions Python autorisées et des services internes
• Connecter des outils externes standardisés via MCP
• Restreindre les noms des outils, les paramètres, le réseau et la portée des permissions
• Exécuter les garde-fous d’entrée/sortie avant et après l’appel
• Confirmer manuellement les écritures, suppressions, paiements et envois
• Enregistrer le temps consacré aux outils, les erreurs et l’impact réel sur les activités commerciales

Base de connaissances et Agentic RAG

Agno peut se connecter à diverses bases de données vectorielles, modèles d’embedding et sources de contenu, afin de fournir aux Agents des recherches en temps réel. Le RAG agent permet aux Agents de décider quand effectuer des recherches, quels savoirs utiliser et s’ils doivent poursuivre avec de nouvelles requêtes.

• Lire des connaissances à partir de documents, de pages web, de bases de données et de sources personnalisées
• Séparer le contenu, l’incorporer et l’écrire dans une base de données vectorielle
• Prend en charge plus de 20 méthodes de connexion aux bases de données vectorielles
• Rechercher en fonction de la question et retourner les extraits pertinents
• Laisser l’agent continuer à chercher en cas d’informations insuffisantes
• Conserver les métadonnées de source pour répondre aux vérifications
• Mettre en place une gouvernance pour la mise à jour, la suppression et les droits d’accès aux connaissances

Mémoire, conversation et stockage

Agno distingue l’historique de la session en cours, la mémoire à long terme, les connaissances et l’état des applications, et offre diverses solutions basées sur des bases de données. Un système de production doit définir clairement ce qui peut être mémorisé, pendant combien de temps, ainsi que la manière dont les utilisateurs peuvent consulter et supprimer ces informations.

Capacité de raisonnement

Agno considère le raisonnement comme une capacité de cadre, qui prend en charge les modèles de raisonnement natifs, les outils de raisonnement ainsi que des méthodes de raisonnement personnalisées. Le raisonnement permet d’améliorer la décomposition des tâches complexes, mais il augmente également les délais, le coût en tokens et l’imprévisibilité.

• Planifier explicitement les étapes intermédiaires dans les problèmes complexes
• Utiliser des outils professionnels pour vérifier les calculs et les faits
• Faire en sorte que les membres de l’équipe analysent chacun différents angles.
• Réfléchir aux conclusions ou effectuer une vérification secondaire
• Limiter le nombre maximal d’étapes et le temps total de fonctionnement
• Ne pas exposer au utilisateur final le contenu des raisonnements du système privé

Sortie structurée

L’agent peut retourner des résultats précis pour les champs à l’aide de modèles de type ou de schémas JSON, ce qui facilite leur utilisation par les API, les workflows et les bases de données. Une syntaxe structurée correcte ne signifie pas que les valeurs métier sont correctes ; une validation des champs et des règles reste nécessaire.

• Utiliser les types Python pour définir les champs et les niveaux attendus
• Laisser le modèle générer des objets selon un schéma fixe
• Vérification des énumérations, des dates, des montants et des identifiants
• Conserver l’état pour les champs manquants ou à faible confiance
• Refuser de déclencher directement des actions à haut risque à partir de données non vérifiées
• Enregistrer la réponse originale et les erreurs de parsing pour le débogage

AgentOS Runtime

AgentOS Runtime est un service FastAPI qui exécute des Agents, des Équipes et des Flux de travail, capable de fournir automatiquement plus de 50 points d’entrée en production et de prendre en charge les événements en flux SSE. Il fonctionne dans les conteneurs et environnements cloud propres à l’utilisateur, et son API peut également fournir des fonctionnalités directement au produit final.

• Enregistrer un ou plusieurs Agents, Équipes et Flux de travail
• Démarrer l’exécution et obtenir l’historique via une API unifiée
• Émettre des tokens, des appels d’outils et des événements d’état via SSE
• Connecter la base de données d’entreprise pour enregistrer les sessions et le suivi
• Ajouter du middleware d’application, de l’authentification et du routage métier
• Déploiement dans n’importe quel environnement pris en charge à l’aide de conteneurs
• Connecter le même Runtime au Control Plane

Control Plane

Le Control Plane est l’interface visuelle pour gérer et déboguer AgentOS, permettant d’examiner les sessions, les indicateurs, les connaissances, la mémoire, les traces et les évaluations. Le navigateur se connecte directement au Runtime de l’utilisateur ; Agno indique qu’il ne proxye ni les conversations ni les données en cours d’exécution.

• Voir le fonctionnement en temps réel et historique des agents
• Vérifier la sortie du modèle, les appels d’outils et les délais
• Gestion du contenu de connaissances et mémoire à long terme
• Tests d’interaction avec Agent, Team et Workflow
• Exécuter des tests de système et comparer les changements de configuration
• Attribuer des droits aux personnes chargées du développement, de l’exploitation et de la gouvernance
• Se connecter à un environnement AgentOS local ou de production

Propriété des données et vie privée

AgentOS stocke les sessions, la mémoire, les connaissances et les traces dans la base de données propre à l’entreprise, tandis que Runtime s’exécute également dans l’environnement cloud de l’entreprise. Selon les indications officielles, le navigateur du Control Plane se connecte directement à Runtime, et Agno ne conserve que les points d’extrémité en cours d’exécution sans acheminer les données métier.

• Sélectionner une base de données conforme aux exigences régionales et sectorielles
• Déploiement d’AgentOS Runtime dans un réseau d’entreprise
• Éviter d’envoyer les traces vers des plateformes tierces inutiles
• Définir soi-même les stratégies de chiffrement, de sauvegarde et de conservation des données
• Restreindre les points de terminaison Runtime accessibles par le Control Plane
• Il reste nécessaire d’évaluer séparément le flux de données du fournisseur de modèles sélectionné.
• Désactiver la télémétrie non essentielle et vérifier les sorties réseau réelles

Sécurité et gouvernance

AgentOS offre JWT RBAC, des scopes hiérarchisés, une isolation des requêtes, Guardrails, un mécanisme de participation humaine et des processus d’approbation. Les capacités du framework ne créent pas automatiquement un système de conformité ; les entreprises doivent encore configurer correctement les identités, les permissions, les données et les limites des opérations.

• Utiliser JWT pour valider l’identité des utilisateurs, des applications et des services
• Niveau de portée défini par locataire, utilisateur, agent et ressources
• Prévenir la contamination d’état entre différentes requêtes, sessions et utilisateurs
• Configurer Guardrails pour les entrées, les sorties et les appels d’outils
• Introduire un processus d’approbation manuelle pour les opérations sensibles
• Vérification des droits d’enregistrement, prise de décision par l’agent et modification manuelle
• Créer des ensembles de test pour la injection de suggestions, les dépassements de privilèges et les fuites de données

Soutien à plusieurs cadres

AgentOS peut exécuter à la fois l’Agno Agent natif, ainsi que les Agents construits avec le Claude Agent SDK, LangGraph et DSPy, dans le même Runtime, API et UI. Les adaptateurs sont chargés du routage unifié, de la sortie en flux continu et de la persistance des sessions.

Le cadre externe Agent peut utiliser des points d’entrée unifiés, SSE, le stockage de sessions et la visibilité des outils, mais les délégations exclusives Agno, les connaissances, les dépendances, les Hook, les Skills et Learning ne sont pas ajoutés automatiquement.

Canaux et accords

• Fournir un agent via Slack, Telegram, WhatsApp et Discord
• Utiliser le protocole d’interaction frontend pris en charge par AG-UI
• Collaborer avec d’autres systèmes d’agents compatibles via A2A
• Utiliser l’outil de connexion MCP et le service de documentation
• Intégrer l’API AgentOS dans des produits web ou mobiles
• Configurer la correspondance des identités et l’isolation des sessions pour chaque canal
• Vérifier la longueur du message du canal, les pièces jointes et les règles de tentative.

Planification et tâches en arrière-plan

Agno prend en charge les tâches planifiées basées sur Cron ainsi que les jobs en arrière-plan, permettant d’exécuter des processus d’agent périodiques sans avoir besoin d’une infrastructure de planification complète. En environnement de production, il reste nécessaire de gérer l’idempotence, la concurrence, les tentatives de réessai et la récupération en cas de panne.

• Génération automatique de recherches, de rapports et de résumés de données
• Mise à jour périodique de la base de connaissances et des index
• Traiter des documents longs et des tâches en masse en arrière-plan
• Restreindre l’exécution concurrente des tâches du même plan
• Utiliser la clé primaire métier pour éviter les exécutions répétées
• Délai de surveillance dépassé, échecs et file d’attente en surcharge

Scénarios d’application

• Assistant de chat intégré au produit et Copilot contextuel
• Recherche, analyse, rédaction et révision multi-agents
• Extraction de documents, classification et traitement structuré
• Annotation de données textuelles, d’images, audio et vidéo
• Assistant de connaissances d’entreprise et Agentic RAG
• Automatisation des processus avec approbation manuelle
• Rapports périodiques, surveillance et tâches d’agent en arrière-plan
• Gestion unifiée d’Agno, LangGraph, DSPy et Claude Agent
• Plateforme d’agent nécessitant des données privées, Trace et une base de données propre

À qui s’adresse-t-il

• Équipe de développement utilisant Python pour créer des produits d’IA
• Chercheurs ayant besoin d’un framework multi-agent open source
• Les entreprises qui souhaitent disposer de données de fonctionnement de l’agent et de traces
• L’équipe d’ingénierie de plateforme pour passer du prototype à une API de production
• Organisation gérant plusieurs frameworks d’Agents en même temps
• Équipes nécessitant une surveillance et une gouvernance unifiées par le plane de contrôle
• Les entreprises capables de déployer elles-mêmes des conteneurs, des bases de données et des barrières de sécurité

Prix d’Agno

Agno propose trois niveaux : Free, Pro et Enterprise. Le SDK et l’agent local AgentOS peuvent être utilisés gratuitement en open source ; Pro s’adresse aux équipes qui se connectent à AgentOS en production, tandis qu’Enterprise ajoute un support, des personnalisations et une plateforme de contrôle auto-hébergée.

Frais supplémentaires Pro

Selon Pro, Unlimited vise principalement la surveillance du plan de contrôle, la conservation, les connaissances, la mémoire et les chats, et ne signifie pas que les modèles tiers, les bases de données vectorielles ou l’infrastructure cloud sont gratuits. Le coût total doit inclure les tokens de modèle, les bases de données, le réseau et les frais d’exploitation.

Tutoriel pour commencer rapidement

1. Préparer l’environnement Python et installer le SDK Agno.
2. Créer un agent de base avec un modèle et des instructions claires.
3. Ajouter des outils en lecture seule et tester les entrées normales et anormales.
4. Se connecter à la base de données pour enregistrer les sessions et les traces.
5. Ajoutez Knowledge, Memory et sortie structurée selon les besoins.
6. Enregistrer un Agent avec AgentOS et générer un service FastAPI.
7. Connecter le plane de contrôle local pour vérifier le fonctionnement et les appels d’outils.
8. Déployer en production uniquement après avoir terminé les tests d’évaluation, de sécurité et de charge.

Tutorial pour la construction de systèmes multi-agents

1. Découper les objectifs commerciaux en tâches professionnelles aux responsabilités claires.
2. Choisir le modèle, les connaissances et les outils appropriés pour chaque tâche.
3. Créer un membre Agent et restreindre ses droits ainsi que la portée de ses sorties.
4. Utilisez Team pour configurer la direction, la délégation et la consolidation.
5. Utiliser Workflow pour les étapes de détermination plutôt que de laisser tout au raisonnement autonome.
6. Mettre en place des processus de transfert structurés et des chemins de retrait en cas d’échec.
7. Évaluer la stabilité de la collaboration et le coût total en effectuant plusieurs exécutions.
8. Utilisez Trace pour déterminer dans quel membre ou outil l’erreur se produit.

Tutoriel de déploiement d’AgentOS

1. Sélectionnez la base de données, le service de modèle et l’environnement cloud cible.
2. Enregistrer des Agents de production, des Équipes et des Flux de travail dans AgentOS.
3. Configurer JWT, RBAC, les locataires et l’isolation des sessions.
4. Utiliser la gestion de clés pour les identifiants des bases de données, des modèles et des outils.
5. Créer un conteneur et exécuter des vérifications complètes de l’API dans un environnement de test.
6. Se connecter au plan de contrôle et vérifier que les traces ne sont pas émises de manière inattendue.
7. Configurer l’élargissement et la réduction de capacité, les vérifications de santé, les sauvegardes et la récupération en cas de panne.
8. Surveiller en continu les retards, les erreurs, les coûts et les incidents de sécurité une fois le service mis en ligne.

Évaluation de l’efficacité

Avantages du produit

• Le noyau de SDK et AgentOS est open source sous la licence Apache 2.0
• De l’Agent, de l’équipe au Workflow : une couche d’abstraction complète.
• Soutien aux modèles multiples, multimodaux, outils, connaissances et mémoire
• AgentOS peut générer rapidement des endpoints FastAPI et SSE pour la production.
• Les sessions, la mémoire, les connaissances et les traces sont stockés dans une base de données propre.
• Connexion directe du navigateur de plane de contrôle au runtime pour réduire le transfert de données
• Permet d’exécuter de manière unifiée Agno, Claude Agent SDK, LangGraph et DSPy
• Inclut RBAC, isolation des requêtes, Guardrail et capacités d’approbation manuelle
• Les prix Pro, les places et les frais de connexion sont clairement affichés.

Restrictions d'utilisation et précautions

• Les frameworks open source exigent que l’on assume soi-même les coûts liés aux modèles, aux bases de données, au cloud et à l’exploitation.
• Pro ne contient qu’une seule connexion de production ; des connexions supplémentaires en temps de exécution nécessitent un paiement supplémentaire.
• L’utilisation illimitée ne comprend pas les frais de modèles et d’infrastructure tiers.
• Les systèmes multi-agents sont plus difficiles à déboguer que les systèmes à un seul agent et peuvent augmenter considérablement le nombre de tokens.
• L’adaptateur de cadre externe ne prend pas en charge toutes les fonctionnalités natives d’Agno.
• Les capacités de sécurité d’AgentOS doivent être correctement configurées pour être effectivement actives.
• Les connaissances, la mémoire et les traces peuvent conserver des contenus sensibles, nécessitant une gouvernance.
• Les modèles et outils peuvent encore entraîner des erreurs, des dérogations aux permissions ou des risques d’injection de commandes.
• Le cadre est mis à jour rapidement, les projets de production doivent utiliser une version fixe et testée.
• La télémétrie par défaut enregistre l’utilisation par le fournisseur du modèle, et peut être désactivée selon les paramètres.

GitHub et le monde du logiciel open source

Le dépôt GitHub officiel d’Agno met à disposition l’SDK, le code lié à AgentOS, des exemples et des Cookbook, sous la licence Apache License 2.0. Cette licence autorise l’utilisation, la modification et la distribution, mais exige que la licence, les droits d’auteur ainsi que les informations NOTICE nécessaires soient conservés.

La gestion autonome du plan de contrôle par l’entreprise, le support dédié et les solutions sur mesure font partie des avantages commerciaux Enterprise. Un SDK open source ne signifie pas que les API des modèles, les ressources cloud ou tous les services d’entreprise soient gratuits.

Informations de base

Indice de recommandation

4,8 / 5. Agno convient aux équipes qui souhaitent créer leur propre plateforme d’agents avec Python, maîtriser le traitement des données et passer de la phase de développement à la production ; l’SDK open source, AgentOS et plusieurs frameworks offrent un fonctionnement relativement complet ; les entreprises doivent cependant assumer la configuration de sécurité, le coût des modèles et la maintenance de systèmes complexes.

Questions fréquentes

Qu’est-ce que fait principalement Agno ?

Il aide les développeurs à créer des Agents, des Équipes et des Flux de travail, et permet d’exécuter, de gérer et de surveiller les plateformes d’Agents en production via AgentOS.

Agno est-il gratuit ?

Le SDK et l’agent local AgentOS peuvent être utilisés gratuitement en open source, tandis que la version Pro pour le plane de contrôle en production coûte 150 dollars par mois.

Agno est-il open source ?

Open source, le dépôt principal officiel est actuellement soumis à la licence Apache 2.0.

Qu’est-ce que AgentOS ?

Il se compose d’un Runtime de production et d’une Plane de Contrôle, il exécute les Agents à l’aide d’une API unifiée et fournit des interfaces de surveillance, de débogage et de gouvernance.

Les données seront-elles envoyées à Agno ?

Les sessions AgentOS, la mémoire, les connaissances et le stockage des traces sont conservés dans la base de données des utilisateurs ; le plane de contrôle se connecte directement au Runtime depuis le navigateur selon l’architecture officielle ; le flux de données des fournisseurs de modèles doit encore faire l’objet d’une évaluation distincte.

Agno prend-il en charge LangGraph ?

Soutien : AgentOS peut emballer et exécuter LangGraph, tout en prenant en charge le Claude Agent SDK et DSPy.

Combien de places Pro y a-t-il ?

Pro comprend 4 places et 1 connexion en direct, avec des places supplémentaires pour 30 dollars par mois.

Combien coûte la production supplémentaire de connexions ?

Le prix public est de 95 dollars américains par mois pour chaque connexion Live supplémentaire.

Agno peut-il être déployé localement ?

Oui, AgentOS Runtime fonctionne dans les conteneurs et environnements cloud du propre utilisateur ; le plane de contrôle auto-hébergé fait partie des fonctionnalités Enterprise.