OpenSage: Self-programming Agent Generation Engine

OpenSage est le premier kit de développement d'agents permettant aux grands modèles de langage de générer automatiquement leurs propres topologies et ensembles d'outils tout en bénéficiant d'une mémoire structurée hiérarchique, surpassant ainsi les solutions existantes et marquant un passage vers des paradigmes de développement centrés sur l'IA.

L'essentiel

Imaginez que vous voulez construire une équipe d'experts pour résoudre un problème complexe, comme réparer un avion en vol ou pirater un système de sécurité.

Jusqu'à présent, les "boîtes à outils" pour créer des intelligences artificielles (les agents) fonctionnaient un peu comme un bureau de l'administration. Pour chaque nouvelle tâche, un humain devait dessiner manuellement l'organigramme de l'équipe, choisir quels outils chaque employé aurait dans sa poche, et décider comment ils se souviendraient de ce qu'ils ont fait. C'était lent, rigide, et cela demandait beaucoup d'efforts.

Le papier que vous avez partagé présente OpenSage, une révolution qui change la donne. Voici une explication simple de ce que c'est, avec des analogies du quotidien.

🚀 OpenSage : Le "Chef d'Orchestre" qui se fabrique lui-même

OpenSage est un nouveau moteur qui permet à l'IA de devenir son propre architecte. Au lieu que l'humain construise l'équipe, l'IA le fait elle-même, en temps réel, pour chaque mission.

Voici les trois piliers de ce système, expliqués simplement :

1. La Topologie des Agents : L'Équipe qui se forme sur mesure

• Avant : C'était comme avoir une équipe fixe. Si vous aviez besoin d'un plombier et d'un électricien, vous deviez les avoir prévus à l'avance. Si le problème changeait, l'équipe était mal adaptée.
• Avec OpenSage : Imaginez un chef d'orchestre magique. Dès qu'il entend une musique (une tâche), il sait exactement quels musiciens (sous-agents) il doit appeler.
  • Il peut créer une équipe en cascade (Verticale) : Un expert analyse le problème, passe le relais à un spécialiste pour la solution, qui le passe à un autre pour la vérification.
  • Il peut créer une équipe en parallèle (Horizontale) : Il envoie 5 experts différents résoudre le même problème avec 5 méthodes différentes, puis il compare leurs résultats pour choisir le meilleur.
  • Le plus cool ? L'IA crée ces agents à la volée et les supprime une fois le travail fini. Pas de gaspillage !

2. Les Outils : L'Atelier qui s'auto-étoffe

• Avant : L'IA avait une boîte à outils fixe. Si elle avait besoin d'un tournevis spécial qu'elle n'avait pas, elle était bloquée ou devait faire des suppositions (ce qui mène à des erreurs, ou "hallucinations").
• Avec OpenSage : C'est comme si l'IA avait un atelier de menuiserie magique.
  • Si elle a besoin d'un outil spécifique pour une tâche (par exemple, un outil pour analyser un virus informatique), elle écrit elle-même le code de cet outil, le fabrique, et l'ajoute à sa boîte.
  • Elle gère aussi les conflits : si deux outils ont besoin de conditions différentes pour fonctionner, OpenSage crée des "ateliers isolés" (des conteneurs) pour qu'ils ne se marchent pas dessus.
  • Elle peut même lancer des tâches lourdes en arrière-plan (comme faire cuire un gros gâteau) pendant qu'elle continue à faire autre chose, et revenir vérifier quand c'est prêt.

3. La Mémoire : Le Journal de Bord Intelligent

• Avant : La mémoire des IA était souvent une simple liste de notes linéaire (comme un ruban magnétique). Plus la conversation était longue, plus l'IA oubliait le début, ou se perdait dans des détails inutiles.
• Avec OpenSage : Imaginez une bibliothèque vivante et connectée.
  • Au lieu d'une simple liste, la mémoire est une carte de relations (un graphe). Si l'IA apprend que "le code A cause le bug B", elle crée un lien direct entre les deux.
  • Il y a un bibliothécaire spécial (un agent de mémoire) qui trie les informations. Il sait quoi garder pour toujours (les connaissances générales) et quoi jeter ou résumer (les détails de la conversation d'aujourd'hui).
  • Cela permet à l'IA de se souvenir de ce qu'elle a appris il y a 100 pages de conversation, sans être submergée.

🏆 Pourquoi est-ce si important ?

Les chercheurs ont testé OpenSage sur des défis très difficiles (comme réparer des bugs de code complexes ou trouver des failles de sécurité). Les résultats sont impressionnants :

• Les agents créés par OpenSage battent les meilleurs systèmes actuels.
• Ils sont capables de résoudre des tâches que les autres ne peuvent même pas commencer.
• Ils le font en réduisant les coûts : en utilisant un gros cerveau intelligent pour planifier et de petits cerveaux moins chers pour exécuter les tâches simples.

En résumé

OpenSage marque le passage d'un monde où l'humain construit l'IA (comme un artisan qui sculpte chaque pièce) à un monde où l'IA se construit elle-même (comme un écosystème vivant qui s'adapte).

C'est le passage d'un "robot programmé" à un "robot qui apprend, s'organise et crée ses propres outils" pour résoudre n'importe quel problème, tout comme un humain le ferait, mais à la vitesse de la lumière. C'est l'avenir du développement d'agents intelligents.

Résumé technique

1. Problématique

Les Agent Development Kits (ADK) actuels (tels que Google ADK, OpenHands, LangChain, etc.) fournissent des plateformes pour construire des agents IA, mais ils reposent sur un paradigme centré sur l'humain. Cela implique que les développeurs doivent manuellement concevoir trois composants architecturaux critiques :

• La topologie de l'agent : La structure, les dépendances et les mécanismes d'interaction entre les agents.
• Le système d'outils (Tooling) : La sélection et l'intégration des outils disponibles.
• Le système de mémoire : La gestion du contexte et du stockage des connaissances.

Cette approche présente plusieurs limites majeures :

• Manque de généralisation : Les structures statiques ne s'adaptent pas dynamiquement aux besoins spécifiques de chaque tâche.
• Coût humain élevé : Nécessite une expertise de domaine substantielle pour chaque nouveau projet.
• Limitations fonctionnelles : Les ADKs existants ne permettent pas la création dynamique de sous-agents, la génération d'outils à la volée, ou une gestion de mémoire complexe et structurée.

L'article propose de passer d'un paradigme centré sur l'humain à un paradigme centré sur l'IA, où l'agent est capable de concevoir sa propre architecture.

2. Méthodologie : OpenSage

OpenSage est le premier ADK conçu pour permettre aux LLM (Large Language Models) de créer automatiquement des systèmes d'agents, de construire leurs propres outils et de gérer leur mémoire. L'architecture repose sur trois piliers techniques :

A. Topologie d'agent auto-générée (Self-generating Agent Topology)

• Création dynamique : Un agent parent peut créer, exécuter et terminer des sous-agents à l'exécution. L'agent génère une configuration (métadonnées, instructions système, outils) qui est ensuite parsée pour instancier un objet Python.
• Gestion des topologies : OpenSage supporte deux types de topologies :
  • Verticale : Décomposition d'une tâche complexe en sous-tâches séquentielles confiées à des sous-agents spécialisés.
  • Horizontale (Ensemble) : Exécution simultanée de la même tâche par plusieurs sous-agents avec des plans distincts, dont les résultats sont fusionnés.
• Pool unifié : Tous les sous-agents sont gérés dans un pool unifié, permettant la réutilisation, la recherche et la synchronisation (via un tableau de messages partagé) pour éviter les conditions de course.

B. Synthèse dynamique d'outils (Dynamic Tool Synthesis)

• Création d'outils : Contrairement aux ADKs statiques, OpenSage permet aux agents d'écrire, d'enregistrer et de gérer leurs propres outils (en Python, Bash, etc.) via des meta-outils.
• Structure hiérarchique : Les outils sont organisés sous forme de système de fichiers avec des métadonnées, facilitant la découverte et réduisant la charge de contexte.
• Gestion d'exécution (Sandboxing) : Chaque outil s'exécute dans un conteneur Docker isolé avec ses propres dépendances. Le système gère l'état des outils (stateful), permet l'exécution asynchrone pour les tâches longues (ex: compilation, analyse statique) et utilise des images Docker mises en cache pour réduire les temps de démarrage.
• Kit de domaine : Un ensemble d'outils spécifiques au génie logiciel (analyse statique/dynamique) est intégré nativement.

C. Gestion de mémoire hiérarchique (Hierarchical Memory Management)

• Mémoire à court terme : Représentée sous forme de graphe (Neo4j) suivant l'historique d'exécution de l'agent (appels d'outils, réponses, création de sous-agents). Cela permet une récupération précise des événements passés.
• Mémoire à long terme : Un graphe de connaissances structuré stockant des entités (classes, fonctions, concepts) et leurs relations. Ce graphe est construit itérativement par un agent mémoire dédié.
• Agent Mémoire : Un agent spécialisé qui gère l'écriture, la lecture et la mise à jour de la mémoire. Il décide quoi persister pour éviter la redondance et optimise la longueur du contexte en compressant l'historique.

3. Contributions Clés

1. Premier ADK centré sur l'IA : OpenSage est la première kit permettant aux agents de concevoir leur propre topologie, leurs outils et leur mémoire sans intervention humaine directe sur la structure.
2. Mécanisme de création de sous-agents : Introduction d'un système permettant la création dynamique de sous-agents avec des topologies verticales et horizontales, gérés via un pool unifié.
3. Synthèse et gestion d'outils : Capacité à générer des outils spécifiques à la tâche, à les exécuter dans des environnements isolés (sandbox) et à gérer leur état de manière asynchrone.
4. Système de mémoire basé sur le graphe : Combinaison d'une mémoire à court terme (historique d'exécution) et d'une mémoire à long terme (connaissances partagées) gérée par un agent dédié, permettant une récupération sémantique et structurelle supérieure.

4. Résultats Expérimentaux

Les auteurs ont évalué OpenSage sur trois benchmarks de pointe (SOTA) en utilisant divers modèles de base (GPT-5, Claude Opus, Gemini 3, etc.) :

• CyberGym (Vulnérabilités C/C++) : OpenSage (SageAgent) atteint un taux de résolution de 60,2%, surpassant largement les meilleurs agents existants (Anthropic Agent à 50,6% et OpenHands à 39,4%).
• Terminal-Bench 2.0 : Avec un taux de 78,4%, OpenSage se classe premier, surpassant les solutions OpenAI et Claude Code.
• SWE-Bench Pro (Génie logiciel Python) : OpenSage obtient 59,0% de résolution, battant SWE-agent (40,2%) et Agentless (9,4%).
• DevOps-Gym : OpenSage est le seul agent capable de résoudre des tâches de pipeline complet (17,7% de résolution), là où les autres obtiennent 0%.

Études d'ablation :

• La suppression de la topologie auto-générée (NoVertical) entraîne une chute drastique des performances due à la perte de contexte et à l'accumulation d'informations non pertinentes.
• La suppression du système d'outils (NoTools) réduit significativement la capacité de l'agent à résoudre des tâches complexes nécessitant des outils spécifiques.
• La suppression de la mémoire hiérarchique (NoMem) dégrade les performances sur les tâches à long terme, confirmant l'efficacité du design mémoire basé sur le graphe et l'agent mémoire.

5. Signification et Impact

OpenSage marque un tournant fondamental dans le développement d'agents IA :

• Changement de paradigme : Il passe d'une ingénierie manuelle et rigide à une approche où l'IA explore et optimise sa propre architecture pour atteindre des solutions globales.
• Évolutivité : En automatisant la conception des agents, OpenSage réduit la barrière à l'entrée pour créer des systèmes d'agents robustes et adaptés à des domaines complexes.
• Potentiel futur : Ce travail ouvre la voie à des agents auto-évoluant, capables d'apprendre de leurs expériences passées pour améliorer continuellement leurs topologies et leurs outils. Il suggère également des pistes pour l'entraînement de modèles sur des tâches réelles via des environnements sandbox massifs.

En résumé, OpenSage démontre que l'autonomie de l'IA dans la conception de ses propres systèmes d'agents est non seulement possible, mais nettement supérieure aux approches traditionnelles centrées sur l'humain pour des tâches complexes et dynamiques.