Kodosumi
Masumi Network (NMKR) · Programmation
Kodosumi est un runtime Python open source qui exécute des services d'agents IA en production. Bâti sur Ray Serve, il gère le déploiement, la mise à l'échelle et le suivi.
À propos de Kodosumi
What Is Kodosumi
Kodosumi s'adresse aux développeurs qui veulent faire tourner leurs agents IA comme de vrais services, et pas seulement comme une démo sur un portable. Vous écrivez la fonction de l'agent en Python, vous la décrivez dans un seul fichier YAML et le framework se charge du reste : il la transforme en endpoint HTTP, répartit le travail sur un cluster Ray et suit chaque exécution. Le projet est porté par l'équipe Masumi Network, sous licence Apache 2.0.
Ce qu'il comble, c'est l'écart entre un prototype qui démarre et un agent qui encaisse du vrai trafic. Un agent peut tourner plusieurs minutes, voire des heures, et une rafale de requêtes s'accumule très vite. Kodosumi s'appuie sur Ray pour ordonnancer, si bien que les tâches s'étendent d'une machine à l'autre et continuent quand la charge grimpe. Il apporte un panneau d'administration avec ce que la plupart des codes d'agents laissent de côté : une chronologie de chaque exécution, le suivi des erreurs et une vue analytique.
Il y a des limites à regarder en face. C'est un outil de développeur, donc il faut Python et un peu d'aisance avec un cluster pour en tirer quelque chose. La partie payante est rattachée au protocole Masumi sur Cardano, ce qui ne compte que si vous prévoyez de faire payer l'accès à vos agents. Et comme il reste indépendant du framework, il ne vous fournit pas la logique d'agent que vous auriez de toute façon à écrire.
Getting Started
- Installez le paquet avec
pip install kodosumiet lancez un nœud principal Ray avecray start --head. - Écrivez une fonction d'agent en Python et déclarez un point d'entrée avec le décorateur
@app.enter. - Lancez
koco servepour ouvrir le panneau d'administration, puis déployez votre app sur Ray avecserve run. - Créez une entrée Expose dans le panneau et cliquez sur Boot pour mettre en ligne les agents configurés.
- Suivez chaque exécution dans les tableaux Timeline et Analytics, et ajustez à partir de là.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Kodosumi.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs IA
- Équipes backend et plateforme
- Équipes qui vendent des services d'agents
- Ateliers attachés à l'ouverture
Tâches
- Exposer un agent comme endpoint
- Mettre à l'échelle des tâches longues
- Surveiller l'exécution des agents
- Gérer des étapes avec un humain dans la boucle
- Facturer l'accès à un agent
Cas d'usage
- Une démo à transformer en service
- Trafic en rafales
- Tâches de recherche longues
- Installations auto-hébergées
- Facturer le résultat d'un agent
Fonctionnalités clés
Exécution distribuée sur Ray Serve
Kodosumi fait tourner vos agents sur Ray Serve, la même couche d'ordonnancement qui porte de grosses charges en production. Une app démarre sur un portable puis s'étale sur un cluster entier sans réécrire la logique de l'agent. Cela pèse quand les tâches sont longues ou arrivent par vagues, car Ray place chacune sur un worker disponible au lieu de bloquer un seul processus.
Panneau d'administration avec Timeline et Analytics
Le panneau est justement la partie que la plupart des frameworks d'agents laissent tomber. Il liste vos services enregistrés, affiche une chronologie de chaque exécution et consigne les erreurs à mesure qu'elles surviennent. Une vue analytique ajoute le débit et le compte des échecs, et un tableau distinct suit les revenus Masumi. Vous avez la vue opérationnelle sans monter d'abord une pile de journaux sur mesure.
Intégration d'agents indépendante du framework
Kodosumi ne vous impose pas sa façon de construire des agents. Il emballe ce que vous utilisez déjà, qu'il s'agisse d'une simple fonction Python, d'un équipage CrewAI ou d'un appel à un modèle auto-hébergé. Comme il reste en dehors de la logique de l'agent, vous gardez vos outils et pouvez changer de modèle ou de bibliothèque plus tard sans toucher au framework.
Formulaires déclaratifs et transfert de fichiers
Vous décrivez l'entrée dont un agent a besoin avec quelques champs de formulaire, et le framework produit le HTML et valide les données côté client. Les agents envoient et reçoivent aussi des fichiers, avec un transfert par morceaux pour les envois et les téléchargements. De quoi transformer une fonction brute en page qu'une personne non technique peut réellement utiliser.
Workflows avec humain dans la boucle
Certaines tâches demandent une personne au milieu. Kodosumi gère un motif de verrou et de bail qui suspend un agent, passe la main à un humain pour une décision ou une retouche, puis reprend le passage. C'est la pièce qui manquait pour les étapes de relecture, les validations et les agents qui touchent à des données sensibles.
Paiements Masumi et protocole MIP-003
Pour les agents vendus comme service, Kodosumi se connecte au système de paiement Masumi sur Cardano et parle le protocole MIP-003 pour la découverte et la gestion des tâches. Vous disposez d'un tableau de paiements avec suivi des revenus et des échecs, de sorte qu'un agent peut facturer à la tâche sans que vous construisiez une couche de facturation à la main.
Avantages et inconvénients
Avantages
- Gratuit et open source sous Apache 2.0, donc vous pouvez le lire, le forker et l'auto-héberger
- Bâti sur Ray, qui encaisse aussi bien les tâches longues que les pics de trafic soudains
- Suivi, chronologies et analytique sont inclus au lieu d'attendre une solution sur mesure
- Indépendant du framework, il emballe donc les outils d'agents que vous utilisez déjà
- Prise en charge du paiement et de la découverte intégrée pour qui vend l'accès aux agents via Masumi
Inconvénients
- C'est un outil de développeur, donc une personne qui ne code pas n'a aucun moyen de s'en servir
- En tirer le maximum suppose de monter et de régler un cluster Ray, un vrai travail d'exploitation
- La partie payante et le suivi des revenus sont rattachés au protocole Masumi et à Cardano, ce qui ne convient pas aux autres systèmes de facturation
- La documentation et la communauté sont jeunes face à des plateformes d'agents déjà installées
Questions fréquentes
Kodosumi exécute des agents IA comme services en production. Vous écrivez un agent en Python, vous le décrivez dans un fichier de configuration et le framework le transforme en endpoint scalable avec suivi, au lieu de le laisser en script qui ne tourne qu'une fois.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Kodosumi.
Alternatives à Kodosumi
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.