7 briques fondamentales de la conception d'agents IA, tirées de la doc Opencode

Opencode est en train de devenir le deuxième outil de codage IA le plus discuté après Claude Code. En Corée, son adoption s’est accélérée grâce à Oh-my-opencode, et les communautés de développeurs du monde entier s’y intéressent.

Mais la vraie valeur d’Opencode va au-delà de l’assistance au codage. Comme il est open source, on peut inspecter exactement comment l’agent est conçu - de l’enregistrement des outils à l’orchestration des sous-agents. Les projets open source bénéficient des contributions de développeurs de toute la communauté, ce qui signifie que la documentation reflète les réflexions les plus actuelles en matière d’architecture d’agents.

La section Configure de la documentation d’Opencode se lit comme un manuel d’introduction à la conception d’agents. Voici les sept briques fondamentales qu’elle met en lumière, et pourquoi chacune compte.

Tools : comment les agents interagissent avec le monde

Les Tools définissent ce qu’un agent peut faire. Chaque outil est une capacité distincte - lire un fichier, écrire dans un fichier, exécuter une commande terminal, chercher sur le web - enregistrée comme une fonction appelable.

• L’ensemble des outils fournis détermine le périmètre de capacités de l’agent
• Les outils sont l’interface entre le modèle de langage et l’environnement extérieur
• D’après mon expérience, donner trop d’outils à un agent est contre-productif : il passe plus de temps à choisir quel outil utiliser qu’à réellement exécuter

Le principe de conception est simple : un agent sans outils n’est qu’un chatbot. Un agent avec les bons outils devient un travailleur autonome.

Rules (AGENTS.md) : les règles de comportement de l’agent

AGENTS.md est un format de fichier qui fournit le contexte et les contraintes spécifiques au projet à un agent. Considérez-le comme un README écrit pour l’IA plutôt que pour les humains.

• Il contient des directives comme « ne jamais modifier du code sans tests » ou « respecter cette structure de dossiers »
• Le standard AGENTS.md est déjà adopté par plus de 60 000 projets open source
• Les règles façonnent la prise de décision de l’agent sans modifier le modèle sous-jacent

Sans règles, un agent applique son apprentissage générique à votre projet spécifique. Avec des règles, il applique les conventions, contraintes et préférences de votre projet. La différence est considérable.

Agents (sous-agents) : diviser pour mieux régner

Les tâches complexes gagnent à être réparties entre plusieurs agents spécialisés plutôt que confiées à un seul généraliste.

• On peut définir des agents par rôle : Build, Plan, Review, Debug, et ainsi de suite
• Un agent principal élabore le plan ; les sous-agents exécutent les étapes individuelles
• Chaque sous-agent opère avec un contexte ciblé, ce qui réduit le bruit et la dérive des longues sessions mono-agent

C’est le même principe que les microservices appliqué aux workflows IA. La spécialisation améliore la qualité, et l’isolation empêche la pollution du contexte.

MCP (Model Context Protocol) : un standard pour les connexions externes

Le Model Context Protocol est un protocole ouvert créé par Anthropic qui standardise la façon dont les agents se connectent aux sources de données et services externes.

• Il fournit une interface cohérente pour les bases de données, systèmes de fichiers, API et autres intégrations
• Au lieu d’écrire des adaptateurs sur mesure pour chaque service, MCP offre aux agents un moyen unifié d’accéder à l’extérieur
• On peut s’attendre à un écosystème croissant d’applications de services construites sur la couche MCP

MCP résout un vrai problème d’interopérabilité. Avant, chaque framework d’agent inventait sa propre façon de se connecter aux outils externes. MCP rend ces connexions portables et composables.

LSP (Language Server Protocol) : la base de la compréhension du code

Le Language Server Protocol a été conçu à l’origine pour les IDE, mais il s’avère tout aussi précieux pour les agents IA qui doivent naviguer dans des bases de code.

• LSP fournit la navigation vers les définitions, la recherche de références, l’autocomplétion et les diagnostics
• Dans Opencode, l’intégration LSP est encore expérimentale, mais elle améliore significativement la précision de la navigation dans le code
• Au lieu de s’appuyer uniquement sur la recherche textuelle, les agents peuvent utiliser LSP pour comprendre sémantiquement la structure du code

Un agent capable de suivre un appel de fonction jusqu’à sa définition, de tracer toutes les références et de comprendre les hiérarchies de types opère à un niveau fondamentalement différent d’un agent qui ne fait que du pattern matching sur des chaînes de caractères.

A2A et ACP : des standards pour la communication inter-agents

Quand des agents sont construits avec différents frameworks, ils ont besoin d’un protocole partagé pour collaborer. Deux standards émergent pour combler ce manque.

• A2A (Agent-to-Agent) : créé par Google et offert à la Linux Foundation. Il définit comment les agents se découvrent mutuellement, négocient leurs capacités et échangent des messages
• ACP (Agent Communication Protocol) : développé par l’équipe BeeAI et récemment fusionné avec l’initiative A2A

Les deux en sont encore à leurs débuts, mais ils représentent les fondations des systèmes multi-agents où des agents de différents fournisseurs et frameworks travaillent ensemble de manière transparente. L’analogie, c’est le HTTP pour le web - une couche de transport partagée qui rend tout interopérable.

Skills : des paquets de capacités réutilisables

Les Agent Skills regroupent outils, règles et prompts en une seule unité installable. Introduit par Anthropic, ce format est désormais standardisé.

• Un agent charge un skill quand il a besoin d’une capacité spécifique - comme la revue de code, le workflow TDD ou l’analyse de sécurité
• Les skills sont partageables entre projets et équipes, créant un écosystème de comportements d’agents réutilisables
• Cela signale un passage de la consommation de documentation à la consommation de skills : au lieu de lire comment faire quelque chose, on installe la capacité de le faire

Les skills sont aux agents ce que les packages sont aux applications. Ils modularisent l’expertise et la rendent distribuable.

Ce qu’il faut retenir

Construire des agents IA efficaces, ce n’est pas connaître tous les outils disponibles. C’est comprendre l’architecture : comment les agents raisonnent, comment ils se connectent au monde extérieur, et comment ils collaborent entre eux.

Ces sept briques fondamentales - Tools, Rules, sous-agents, MCP, LSP, A2A/ACP et Skills - forment le vocabulaire structurel de la conception d’agents. Chacune répond à une préoccupation distincte, et ensemble, elles définissent ce à quoi ressemble un système d’agents bien architecturé.

Parce qu’Opencode est open source, sa documentation évolue avec les contributions de la communauté de développeurs. Si vous voulez vraiment comprendre l’architecture des agents, la documentation Opencode mérite d’être parcourue.