JarvisCore
Prescott Data · Programmation · Productivité · Autres
JarvisCore est un runtime Python open source où les agents IA travaillent en pairs sur un maillage, prennent les tâches dans un registre partagé et joignent les services externes via un broker zero trust.
À propos de JarvisCore
What Is JarvisCore
JarvisCore est un framework multi-agents destiné aux équipes qui font tourner des agents IA en Python dans un système réel. Au lieu de nommer un orchestrateur chargé de planifier chaque étape et de garder tout l'état, il répartit les agents sur un maillage d'agents où chaque pair annonce ce qu'il sait faire et prend du travail dans un registre partagé. Ce détail change ce qui se passe quand un processus tombe : un autre pair reprend l'étape en cours et l'objectif continue d'avancer.
Le runtime fournit deux profils d'agent. Un AutoAgent raisonne sur la tâche, écrit du code, l'exécute dans un sandbox et répare ses propres erreurs. Un CustomAgent exécute le Python que vous écrivez dans execute_task, avec la même identité, la même mémoire et la même messagerie que le profil autonome. Les deux cohabitent sur un maillage, donc un worker d'API à logique fixe et un agent qui raisonne peuvent coopérer sans second framework.
Les identifiants passent par Nexus, un broker qui injecte le jeton au moment de l'appel externe. L'agent déclare les services dont il a besoin. Il ne voit jamais la clé, et celle-ci n'apparaît ni dans les prompts, ni dans le code généré, ni dans les traces. Le projet est porté par Prescott Data, et le framework est publié sous licence Apache 2.0.
Mieux vaut connaître les limites avant de commencer. JarvisCore est une bibliothèque pour développeurs, pas un outil sans code, et la documentation suppose que vous lisez Python et que vous savez éditer des variables d'environnement. Les workflows durables, la reprise après incident et la découverte entre machines demandent Redis et, pour plusieurs nœuds, l'extra P2P. La version 3.0 ajoute une couche de contrôle qui enregistre chaque effet, mais son mode rapport observe par défaut au lieu de bloquer.
Getting Started
- Installez Python 3.10 ou plus récent, puis lancez
pip install jarviscore-frameworketjarviscore initdans un nouveau dossier. - Copiez
.env.examplevers.envet ajoutez une clé Anthropic, Google Gemini, Azure OpenAI ou un endpoint local. - Exécutez
jarviscore check --validate-llmpour vérifier le paquet et la connexion au fournisseur. - Écrivez une classe d'agent avec un rôle, des capacités et un prompt système, ajoutez-la à un
Meshet appelezmesh.run_task(). - Ajoutez les extras selon le besoin :
[redis]pour les workflows durables,[browser]pour Playwright et[p2p]pour des agents répartis sur plusieurs machines.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de JarvisCore.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Ingénieurs backend et plateforme
- Équipes qui lancent des traitements longs sur plusieurs processus
- Entreprises avec des règles strictes sur les secrets
Tâches
- Recherche et rapport en plusieurs étapes
- Workflows qui doivent survivre à un redémarrage
- Travail de navigateur sur des sites réels
- Actions soumises à validation humaine
Cas d'usage
- Un pipeline nocturne qui enrichit des fiches depuis trois systèmes internes, où un lot en échec ne doit pas relancer toute l'exécution.
- Une équipe support qui veut qu'un agent propose des modifications de fichiers dans un salon Slack pendant que chaque personne les accepte avec son propre compte.
- Une preuve de concept qui doit passer en production sans réécriture, parce que les mêmes agents tournent dans un seul processus ou sur plusieurs nœuds.
Fonctionnalités clés
Un maillage de pairs sans orchestrateur central
Les agents annoncent leurs capacités par gossip SWIM et se trouvent selon ce qu'ils savent faire. Quand un processus s'arrête, un autre reprend son étape dans le registre partagé et poursuit l'objectif. Aucun agent chef ne peut faire tomber tout le système, ce qui est le point faible habituel des architectures à orchestrateur.
Des objectifs durables sur un registre partagé
Mesh.execute_goal() stocke l'objectif d'origine et un registre d'obligations dans Redis, compile un DAG adressé par capacité sous un bail de planification temporaire et laisse les pairs éligibles prendre les étapes prêtes de façon atomique. Le pair qui planifie perd son autorité de routage dès que le plan existe, et c'est ce qui fait tenir les workflows d'agents durables après un redémarrage. Les tentatives restent immuables, et la réconciliation n'ajoute du travail que pour les obligations encore ouvertes.
Deux profils d'agent sur un même runtime
AutoAgent porte la boucle de raisonnement, la découverte d'outils, l'exécution de code en sandbox et la réparation. CustomAgent expose des handlers déterministes que vous écrivez en Python pur. Les deux partagent identité, mémoire, messagerie et stockage, donc vous pouvez faire changer un agent de profil sans reconstruire le système autour.
Des identifiants zero trust avec Nexus
Nexus résout l'identifiant du fournisseur à la frontière de l'exécution et le place dans la requête sortante. Les agents qui déclarent requires_auth obtiennent l'appel, et le jeton n'entre ni dans le contexte du modèle, ni dans le code qu'il écrit, ni dans le journal de traces. La configuration OAuth2 se fait en local avec jarviscore nexus init et jarviscore nexus register.
Une mémoire qui survit au processus
Les faits qu'un agent décide de garder sont écrits dans .jarviscore/memory/ et rappelés lors des exécutions suivantes, rattachés à son rôle et séparés par locataire avec memory_scope_field. Pointez le runtime vers Athena pour partager la mémoire sémantique entre machines. Mémoire de travail, épisodique et long terme passent par la même interface.
Contrôle, preuve et rejeu
La version 3.0 tranche sur chaque appel fournisseur, programme en sandbox, requête de navigateur et modification de fichier avant qu'ils aient lieu, puis écrit la décision dans un journal chaîné par hash. jarviscore verify contrôle ce journal hors ligne, jarviscore evidence liste ce qu'un agent a fait pour une personne ou un locataire, et jarviscore replay rejoue une session enregistrée contre son propre relevé sans rien appeler en direct.
Avantages et inconvénients
Avantages
- Sans orchestrateur central, un worker tombé ne bloque pas l'objectif, puisque les pairs reprennent les étapes restantes dans le registre.
- Les identifiants restent hors du modèle, ce qui supprime le motif habituel de refus d'un pilote d'agents par la sécurité.
- AutoAgent et CustomAgent partagent le même runtime, donc workers déterministes et agents qui raisonnent cohabitent dans un seul système.
- La couche de contrôle de la version 3.0 produit un journal vérifiable et un rejeu hors ligne, utile quand quelqu'un demande ce qu'un agent a réellement fait.
- La licence Apache 2.0 autorise des produits commerciaux sans seuil de revenu ni d'utilisateurs, et l'installation tient en une commande pip et une clé de modèle.
Inconvénients
- Il faut connaître Python. Aucun constructeur visuel n'est proposé, et la mise en route passe par des fichiers d'environnement et des commandes CLI.
- Les workflows durables et la découverte entre nœuds exigent Redis et l'extra P2P, donc un travail d'exploitation qu'une démo mono-processus masque.
- Les traces servent au débogage, pas à l'audit : les prompts sont des aperçus, les résultats d'outils sont coupés à 2 000 caractères et les entrées expirent au bout de sept jours.
- Les contrôles d'accès délégué, le système de coûts Maven et les DAG de workflow auto-améliorés sont des modules commerciaux chiffrés au projet.
Questions fréquentes
JarvisCore est un framework d'agents open source écrit en Python. Les agents rejoignent un maillage, trouvent leurs pairs par capacité, prennent du travail dans un registre partagé et appellent des services externes via un broker d'identifiants. Le projet est maintenu par Prescott Data.
Contenus associés
Découvrez des outils, des compétences et des articles liés à JarvisCore.
Alternatives à JarvisCore
Base Code
Base44 (Wix) · Programmation · ProductivitéBase Code est un environnement de développement cloud partagé signé Base44. Votre équipe décrit des modifications sur un dépôt GitHub dans le chat, les vérifie en aperçu et les renvoie sous forme de pull requests.
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
GitGlow
GitGlow · Programmation · ProductivitéGitGlow est un client Git de bureau qui place votre code et les modifications de vos agents IA dans une même revue, pour savoir ce qui quitte votre machine avant de livrer.