Magentic-UI

Avant de toucher à quoi que ce soit, Magentic-UI rédige un plan étape par étape et vous le remet. Vous pouvez modifier les étapes dans l'éditeur de plan, en ajouter ou en retirer, ou envoyer un retour en texte libre pour orienter l'approche. L'exécution ne démarre qu'après votre validation, ce qui vous permet de corriger une mauvaise stratégie avant qu'elle ne consomme du temps. Un plan enregistré peut aussi être rappelé à la tâche suivante, sans repartir de zéro.

Pendant l'exécution, l'agent annonce ce qu'il s'apprête à faire et ce qu'il vient de voir, comme le bouton qu'il va cliquer ou ce qu'il a lu sur la page. À tout moment, vous pouvez mettre la tâche en pause, taper une correction ou prendre le navigateur pour faire l'étape vous-même, puis lui rendre la main. C'est là la différence avec un outil d'automatisation qui tourne seul : vous restez dans la boucle parce que vous voyez et recadrez chaque action au moment où elle se produit.

Les garde-fous de l'agent interrompent l'exécution pour demander votre accord avant une action difficile à annuler, comme envoyer un paiement ou un courriel. Vous décidez de la fréquence de ces points de contrôle, de chaque action risquée à un réglage plus souple pour les tâches de confiance. Rien d'irréversible ne s'exécute sans votre accord, et c'est l'idée de sécurité qui porte tout le projet.

La session du navigateur et le code écrit par l'agent tournent dans un environnement isolé Docker, à l'écart du reste de votre machine. Cette séparation compte parce que l'agent atteint des sites en direct, et un environnement à part limite ce qu'il peut toucher sur votre système si quelque chose tourne mal. Vous pouvez aussi restreindre les sites qu'il a le droit de visiter, pour qu'il reste dans les limites que vous fixez.

Magentic-UI répartit le travail entre agents spécialisés plutôt que de tout demander à un seul modèle. Un orchestrateur planifie et délègue, un WebSurfer pilote le navigateur, un codeur écrit et exécute des scripts et un agent de fichiers traite documents et dossiers. Comme il s'appuie sur AutoGen et parle Model Context Protocol, vous pouvez ajouter vos propres outils et agents à l'équipe. Le projet s'intègre aussi aux modèles et agents d'Azure AI Foundry.

L'agent tire parti des exécutions qui ont bien marché. Il peut enregistrer un plan terminé dans une galerie et le rappeler ensuite, automatiquement pour une tâche similaire ou à la main depuis la liste. Sur un travail répété, comme une extraction hebdomadaire de données ou un formulaire habituel, cela réduit le temps de préparation et pousse l'agent vers un flux que vous avez déjà validé. La réutilisation, c'est la récompense d'avoir guidé la première passe.

Vous pouvez lancer plusieurs sessions de tâche à la fois, et un indicateur vous dit laquelle attend votre attention et laquelle est terminée. Comme l'agent dépend de votre arbitrage aux points de contrôle, les mener en parallèle vous occupe à valider plutôt qu'à attendre qu'un seul agent avance. Le modèle human-in-the-loop se rapproche alors de la supervision d'une petite équipe.