Cette IA construit son propre logiciel

Les agents de codage IA promettent une productivité révolutionnaire, mais leur itération actuelle génère souvent le chaos. Bien que capables de générer des extraits de code impressionnants ou même des fonctions entières, ces agents sont notoirement non déterministes, se comportant plus comme un pile ou face qu'un partenaire de développement fiable. Cette imprévisibilité inhérente signifie que la même invite peut produire des résultats très différents d'une exécution à l'autre, faisant d'une sortie cohérente et de haute qualité un objectif insaisissable pour les équipes professionnelles.

Une telle incohérence crée des obstacles importants à l'intégration de l'IA dans un cycle de vie de développement logiciel structuré. Les développeurs sont confrontés à un manque de contexte d'une interaction IA à l'autre, ce qui entrave le débogage, la refactorisation et la collaboration. Sans une sortie prévisible ou une piste d'audit claire des décisions de l'IA, le contrôle de version devient un cauchemar, et garantir la qualité du code ou les normes de sécurité est presque impossible dans un environnement d'équipe. Cela rend les outils d'IA puissants largement inadaptés aux tâches critiques et répétables.

Voici Archon, un moteur de flux de travail open-source méticuleusement conçu pour apprivoiser ce Far West de l'IA générative. Créé par Cole Medin, Archon transforme la nature chaotique du codage IA en un processus structuré et répétable. Il offre la solution définitive pour apporter ordre, cohérence et fiabilité de niveau professionnel au développement logiciel assisté par l'IA, dépassant l'ère des interactions imprévisibles des agents.

Archon y parvient grâce à des flux de travail définis en YAML, qui servent de modèle pour les agents IA. Ces flux de travail, souvent structurés comme des Directed Acyclic Graphs (DAGs), spécifient les tâches, les entrées, les sorties et les dépendances, garantissant que la même séquence s'exécute à chaque fois. Ce cadre robuste garantit la répétabilité et permet des fonctionnalités cruciales comme l'isolation via les Git worktrees, permettant à plusieurs flux de travail de s'exécuter simultanément sur des branches isolées sans conflits. Archon orchestre des systèmes multi-agents spécialisés, s'intégrant avec des LLMs comme OpenAI, Anthropic Claude et Google Gemini, pour construire et optimiser le code de manière prévisible.

Archon, un projet open-source de Cole Medin, introduit un puissant changement de paradigme pour le développement logiciel piloté par l'IA : l'ingénierie de harnais. Ce "constructeur de harnais" innovant orchestre les agents de codage IA, transformant leurs sorties souvent chaotiques en outils d'ingénierie prévisibles et répétables. Pensez à Archon comme aux Dockerfiles pour l'IA ou aux GitHub Actions pour le codage, fournissant un cadre structuré autour des modèles génératifs.

Cette approche va au-delà de la simple ingénierie d'invite (prompt engineering), qui donne souvent des résultats incohérents, vers un système robuste qui impose la fiabilité. L'ingénierie de harnais dicte la construction d'un processus défini et versionné autour d'une IA, garantissant des résultats déterministes. Elle s'attaque au problème fondamental des "pile ou face" de l'IA en imposant une structure, permettant aux développeurs d'intégrer l'IA comme un composant fiable dans leur cycle de vie de développement logiciel.

Archon définit ces processus structurés via des flux de travail YAML déclaratifs. Ces fichiers spécifient les tâches, les entrées, les sorties et les dépendances, un peu comme un Directed Acyclic Graph (DAG), pour guider les systèmes multi-agents. Cette conception fondamentale garantit que chaque flux de travail suit la même séquence, éliminant la variabilité inhérente aux interactions brutes de l'IA.

Le système isole les flux de travail à l'aide de Git worktrees, permettant plusieurs exécutions parallèles sur des branches distinctes sans conflits. Cela garantit à la fois la répétabilité et l'isolation, essentielles pour le développement logiciel professionnel. Les flux de travail d'Archon sont également portables ; les développeurs peuvent commiter ces fichiers YAML versionnés dans un dépôt et les partager entre les équipes, favorisant un développement collaboratif et cohérent assisté par IA.

Archon prend en charge l'orchestration d'agents IA spécialisés, y compris des agents raffineurs, qui collaborent pour construire et optimiser d'autres composants IA. Il s'intègre à divers assistants de codage IA comme Claude Code et OpenAI Codex CLI, et prend en charge plusieurs fournisseurs de LLM, d'OpenAI et Anthropic Claude à Google Gemini et aux modèles locaux via Ollama. Cette intégration complète transforme l'IA d'un partenaire créatif mais peu fiable en un atout d'ingénierie cohérent, prévisible et inestimable.

La fondation technique d'Archon repose sur des fichiers YAML simples et lisibles par l'homme. Ces configurations déclaratives définissent des flux de travail complexes et multi-étapes, transformant les sorties souvent imprévisibles des agents de codage IA en processus fiables et répétables. Cette approche apporte la rigueur de l'infrastructure-as-code au développement logiciel basé sur l'IA.

Les flux de travail au sein d'Archon se structurent comme un Graphe Orienté Acyclique (DAG). Chaque fichier YAML décrit une série de nœuds interconnectés, représentant des tâches individuelles. Ces tâches spécifient leurs entrées requises, leurs sorties attendues et leurs dépendances explicites vis-à-vis d'autres nœuds, garantissant un ordre d'exécution précis. Ce contrôle granulaire prévient la variabilité aléatoire courante dans les interactions IA brutes.

Considérez un flux de travail de base comme 'fix-github-issue'. Un extrait YAML pour une telle tâche pourrait ressembler à ceci : ```yaml nodes: - name: analyze_issue task: agent: claude-code prompt: "Analysez le problème GitHub fourni pour en déterminer la cause première et suggérez une solution." inputs: [issue_description] outputs: [analysis_report] - name: implement_fix task: agent: openai-codex prompt: "Implémentez la solution basée sur le rapport d'analyse." inputs: [analysis_report, codebase] outputs: [proposed_changes] depends_on: [analyze_issue] ``` Cette structure définit clairement chaque étape, l'agent IA responsable (par exemple, `claude-code`, `openai-codex`), et le flux de données.

Une telle puissance déclarative permet une orchestration robuste d'agents IA spécialisés. Archon peut s'intégrer de manière transparente avec divers fournisseurs de LLM, d'OpenAI et Anthropic Claude à Google Gemini et aux modèles locaux via Ollama. Cette flexibilité permet aux développeurs de sélectionner le meilleur outil pour chaque tâche spécifique au sein d'un flux de travail, garantissant des performances et une cohérence optimales. Pour une exploration plus approfondie des capacités d'Archon, visitez coleam00/archon - GitHub.

L'approche basée sur YAML prend également en charge intrinsèquement le contrôle de version et la portabilité. Les équipes committent les définitions de flux de travail dans leurs dépôts, les traitant comme n'importe quel autre actif de base de code. Cela garantit que chaque membre de l'équipe exécute le même processus de développement basé sur l'IA, réduisant les écarts et rationalisant la collaboration. Archon utilise même des Git worktrees pour isoler les exécutions parallèles de flux de travail, prévenant les conflits.

La véritable puissance d'Archon réside dans sa capacité à gérer plusieurs flux de travail IA complexes sans sombrer dans le chaos. Une fonctionnalité clé, les Git worktrees, sous-tend cette capacité, offrant une isolation cruciale pour les tâches de développement concurrentes. Elle transforme la nature souvent imprévisible des agents IA en un processus d'ingénierie parallélisé structuré, changeant fondamentalement la façon dont les équipes abordent le développement basé sur l'IA.

Les Git worktrees offrent une fonctionnalité Git puissante, mais souvent sous-utilisée. Ils permettent aux développeurs de maintenir plusieurs répertoires de travail attachés à un seul dépôt, chacun sur une branche différente. Imaginez avoir simultanément des copies séparées et entièrement fonctionnelles de votre projet, chacune axée sur une tâche distincte. Cela permet un changement de contexte et un développement parallèle fluides sans les frais généraux liés au clonage de dépôts entiers ou à la gestion de stashes désordonnés.

Archon exploite ce mécanisme avec précision. Pour chaque nouveau AI workflow qu'il orchestre, Archon déploie un Git worktree dédié. Ce processus crée une instance isolée légère du dépôt. Chaque worktree existe sur sa propre branche éphémère ou spécifique à une fonctionnalité, offrant un environnement immaculé et sandboxé où l'agent IA peut construire, tester et commettre des changements sans affecter la base de code principale ou toute autre tâche IA concurrente. Cela garantit que même si un agent IA commet une erreur significative, elle reste contenue dans son propre worktree.

Cette isolation offre d'immenses avantages aux équipes de développement, améliorant fondamentalement la productivité. Plusieurs agents IA peuvent opérer en parallèle, chacun s'attaquant indépendamment à une fonctionnalité distincte, à une refactorisation ou à une correction de bug. Un agent pourrait développer un nouveau API endpoint, un autre pourrait optimiser une requête de base de données, et un troisième pourrait intégrer un nouveau service tiers – tout cela sans introduire de conflits de fusion ni de changements cassants dans la base de code partagée. Cette approche accélère considérablement les cycles d'itération, dépassant le goulot d'étranglement traditionnel de l'exécution séquentielle des agents IA et offrant un véritable paradigme de développement logiciel concurrent pour les projets complexes. Archon rend la gestion de multiples flux de développement IA non seulement possible, mais efficace.

Archon orchestre un système multi-agents, dépassant les limitations des assistants IA uniques et monolithiques. Au lieu de cela, il assemble une « équipe de rêve » spécialisée d'agents, chacun conçu pour des phases distinctes du développement logiciel. Cette architecture distribuée permet des résultats plus robustes, efficaces et prévisibles qu'une IA seule tentant chaque tâche.

Ces agents adoptent des rôles qui reflètent une équipe de développement humaine. Un agent planificateur pourrait décortiquer les exigences initiales, les décomposant en sous-tâches gérables. Les agents Coder implémentent ensuite les fonctionnalités et écrivent le code, tandis que les agents Refiner examinent, testent et améliorent les solutions générées, garantissant la qualité et le respect des normes.

Considérez le workflow pré-construit `archon-idea-to-pr`, un excellent exemple de cette puissance collaborative. Ce pipeline complet transforme un concept de haut niveau en une pull request fusionnée, présentant un cycle de vie de développement complet. Il commence par un agent initial décrivant la portée du projet, suivi d'étapes itératives où les coders génèrent des solutions, et les refiners testent et déboguent rigoureusement jusqu'à ce que le code réponde à toutes les spécifications.

Cette chorégraphie sophistiquée garantit qu'Archon ne se contente pas de produire du code, mais conçoit des logiciels prêts pour la production. Chaque agent transmet sa sortie au suivant, s'appuyant sur le travail précédent dans une séquence structurée et vérifiable définie par la configuration YAML du workflow. Cette approche systématique élimine une grande partie du non-déterminisme qui afflige les interactions brutes de l'IA.

De manière cruciale, Archon offre un contrôle de modèle par nœud granulaire, permettant aux développeurs d'assigner des Large Language Models (LLMs) spécifiques à des étapes individuelles au sein d'un workflow. Cette optimisation signifie qu'un modèle rapide et rentable comme Claude Haiku ou GPT-3.5 peut gérer les tâches de planification initiale ou de résumé. Des modèles plus puissants et gourmands en ressources tels que GPT-4 ou Claude Opus s'attaquent ensuite aux défis complexes de codage, de débogage ou de raisonnement critique.

Cette flexibilité permet aux développeurs de maximiser l'efficacité et de minimiser les coûts de calcul, en utilisant l'IA optimale pour chaque tâche spécifique. Archon prend en charge un large éventail de fournisseurs de LLM, y compris : - OpenAI - Anthropic Claude - Google Gemini - Modèles locaux via Ollama

Cette large compatibilité garantit que le bon outil d'IA est toujours disponible, précisément quand et où il est nécessaire dans le flux de travail.

Cole Medin a dévoilé l'AI Dark Factory, un projet révolutionnaire propulsé par Archon. Cette initiative ambitieuse démontre le potentiel profond d'un développement logiciel véritablement autonome, fonctionnant sans intervention humaine, du concept au déploiement.

Son premier grand triomphe : le développement et la livraison autonomes d'une application complète 'AI Tutor'. Il ne s'agissait pas seulement de générer des extraits de code ; la Dark Factory a orchestré chaque phase de développement, y compris la planification initiale, le codage itératif, les tests rigoureux et le déploiement final, livrant une application entièrement fonctionnelle directement aux utilisateurs.

Les workflows YAML structurés d'Archon se sont avérés indispensables à cette réalisation. Le système a méticuleusement défini et exécuté chaque étape, assurant le déterminisme et la fiabilité tout au long du processus de développement complexe et multi-agents. Cet environnement contrôlé a transformé la sortie chaotique de l'IA en un logiciel prévisible et livrable, un contraste frappant avec les « coups de dés » des agents d'IA précédents.

Le projet 'AI Tutor' illustre un changement de paradigme. Un système d'IA, guidé par Archon, peut désormais conceptualiser une solution logicielle, la construire de toutes pièces et la mettre en production sans qu'une main humaine ne touche le clavier. Ce niveau d'autonomie logicielle redéfinit fondamentalement les pipelines de développement.

Cette réalisation ouvre la voie à un avenir d'applications auto-évolutives et de cycles de développement considérablement accélérés. Imaginez une IA identifiant un besoin du marché, puis générant, déployant et maintenant la solution elle-même, le tout dans un cadre opérationnel sans intervention humaine. L'usine fonctionne en continu, itérant et affinant le logiciel en fonction des retours en temps réel ou des nouvelles exigences.

Les implications vont bien au-delà des simples gains d'efficacité. L'AI Dark Factory valide la vision de l'ingénierie logicielle autonome, où des applications entières se matérialisent à partir de directives de haut niveau, nécessitant une supervision humaine minimale. Cette capacité promet de débloquer une innovation sans précédent, permettant le prototypage rapide et le déploiement de systèmes complexes auparavant limités par la bande passante humaine.

Le travail de Medin fournit un exemple tangible du pouvoir d'Archon à structurer et contrôler les agents d'IA, transformant des idées abstraites en logiciels concrets et déployables. Pour en savoir plus sur la façon dont Archon transforme le codage d'IA d'un coup de dés en un processus répétable et fiable, consultez Archon Turns AI Coding From a Coin Flip Into a Repeatable Process - Medium.

Ce modèle de « dark factory » promet de révolutionner la façon dont les entreprises abordent le développement logiciel, offrant une vitesse, une cohérence et une évolutivité inégalées. Il marque un pas significatif vers un avenir où l'IA non seulement assiste, mais construit et fait évoluer de manière indépendante les logiciels qui alimentent notre monde.

Le paysage florissant du développement logiciel piloté par l'IA voit désormais de multiples concurrents se disputer l'attention des développeurs. Alors que des acteurs majeurs comme GitHub introduisent leurs propres Agentic Workflows, souvent profondément intégrés à leurs plateformes existantes, Archon apparaît comme une alternative distincte, centrée sur le développeur, privilégiant une flexibilité et une transparence inégalées.

Archon, un 'harness builder' open-source, se distingue par son architecture sophistiquée. Il offre une Directed Acyclic Graph (DAG) execution complète, permettant aux développeurs de définir des workflows complexes à plusieurs étapes avec des dépendances précises et des couches parallèles optionnelles. Cela va au-delà des orchestrations d'agents séquentielles plus simples, offrant un cadre robuste pour des tâches d'automatisation complexes et concurrentes.

Le contrôle granulaire s'étend directement aux large language models (LLMs) alimentant chaque étape. Archon implémente le per-node model control, permettant aux utilisateurs de spécifier différents LLMs pour des nœuds individuels au sein d'un workflow. Imaginez un agent de planification fonctionnant sur Anthropic's Claude 3 Opus, suivi d'un agent de codage utilisant OpenAI's GPT-4o, et un agent de test exploitant un modèle local Ollama économique—le tout au sein du même pipeline optimisé.

Ce niveau de personnalisation permet une optimisation précise de la performance et du coût opérationnel, un facteur crucial pour les déploiements professionnels. Les workflows définis en YAML d'Archon ne sont pas seulement lisibles par l'homme ; ils sont contrôlés par version, intrinsèquement portables et entièrement auditables, apportant une rigueur d'ingénierie essentielle aux interactions des agents IA.

Contrairement aux outils propriétaires qui fonctionnent souvent comme des boîtes noires opaques, la nature open-source sous licence MIT d'Archon assure une transparence complète. Cela favorise l'innovation communautaire et permet aux développeurs d'inspecter, de modifier et d'étendre ses fonctionnalités, un impératif pour les entreprises intégrant l'IA dans des systèmes critiques où la confiance et la compréhension sont primordiales.

Cole Medin, le créateur d'Archon, articule une vision claire pour l'autonomisation des développeurs, fréquemment discutée dans les forums communautaires et la "Live Roadmap Session". Cet engagement se manifeste par un support complet pour divers fournisseurs de LLM—OpenAI, Anthropic Claude, Google Gemini, et les modèles locaux via Ollama—prévenant activement le vendor lock-in, une préoccupation courante dans la technologie en évolution rapide.

Son système multi-agents, orchestrant des planificateurs, des codeurs et des raffineurs spécialisés, collabore avec des rôles distincts, imitant la dynamique des équipes humaines. Couplé aux Git worktrees, qui assurent une isolation parfaite pour les tâches de développement d'IA concurrentes, Archon offre la stabilité et la répétabilité que les développeurs sérieux exigent.

Pour les organisations recherchant une solution puissante, flexible et transparente pour l'automatisation de l'IA de niveau industriel, Archon présente une alternative ouverte et convaincante. Il transcende le scripting agentique de base, fournissant l'infrastructure robuste nécessaire pour un développement logiciel piloté par l'IA véritablement déterministe, auditable et prêt pour la production.

Archon a récemment subi une refonte architecturale significative, relançant en tant que V3 avec une réécriture complète. Ce changement substantiel a déplacé le projet de sa base de code Python originale vers une pile moderne construite sur TypeScript et Bun. La décision priorise la performance, l'expérience développeur et la pérennité, marquant un moment charnière dans l'évolution d'Archon pour l'orchestration des agents de codage IA.

Cette réécriture complète offre un moteur central nettement plus léger et plus rapide. La transition vers Bun, un runtime et toolkit JavaScript tout-en-un, réduit considérablement les temps de démarrage et optimise la consommation de ressources à tous les niveaux. Cela impacte directement l'efficacité des workflows d'IA complexes et multi-agents, permettant aux utilisateurs de bénéficier d'une exécution de tâches plus rapide et d'un système plus réactif pour leurs besoins de développement.

Au-delà de la vitesse brute, la pile TypeScript et Bun offre un alignement supérieur avec les AI SDKs contemporains et les pratiques de développement web modernes. Cette modernisation simplifie les intégrations avec les modèles de langage de pointe et les outils externes, rendant Archon plus adaptable à l'écosystème de l'IA en évolution rapide. Elle améliore également considérablement la gestion des dépendances, atténuant les points de friction courants souvent associés aux environnements basés sur Python et à leur résolution complexe de paquets.

Le projet maintient une vitesse de développement impressionnante, comme en témoignent les ajouts continus de fonctionnalités et les améliorations des outils. Les mises à jour récentes incluent des améliorations substantielles de l'interface de ligne de commande (CLI), améliorant l'interaction utilisateur, le débogage et la gestion des flux de travail. Archon a également introduit de nouvelles capacités puissantes comme le type de nœud 'script', permettant aux développeurs d'intégrer du code personnalisé directement dans leurs flux de travail définis en YAML pour une flexibilité inégalée et une automatisation de tâches spécifiques.

Ces avancées rapides soulignent l'engagement d'Archon à doter les développeurs d'outils robustes et fiables pour l'orchestration déterministe de l'IA. Le fondateur Cole Medin engage activement la communauté, organisant fréquemment des "Live Roadmap Session[s]" pour recueillir des commentaires et tracer collaborativement l'avenir ambitieux du projet. Cette approche itérative et axée sur la communauté garantit qu'Archon reste à l'avant-garde du mouvement de l'IA agentique, offrant une innovation constante.

La trajectoire future d'Archon a récemment été au centre de l'attention lors de la "Live Roadmap Session" de Cole Medin, offrant un aperçu franc des priorités à venir. Le projet vise à évoluer au-delà de sa puissante fondation V3 TypeScript et Bun, abordant à la fois les raffinements immédiats de la phase bêta et les fonctionnalités ambitieuses à long terme pour consolider sa position en tant que moteur d'orchestration d'IA de premier plan.

Les efforts immédiats se concentrent sur la stabilisation de l'expérience Archon de base et l'élargissement de l'accessibilité. Les ingénieurs travaillent à améliorer la fiabilité du Model Context Protocol (MCP), un composant essentiel pour une interaction fluide des agents IA et l'intégration d'outils externes. Les utilisateurs peuvent également s'attendre à des binaires Apple Silicon stables pour des performances natives sur macOS, ainsi qu'à des déploiements Docker considérablement simplifiés, rationalisant la configuration d'Archon dans divers environnements de développement.

La feuille de route décrit d'importantes extensions de fonctionnalités conçues pour améliorer l'expérience utilisateur et favoriser la croissance de la communauté. Une interface utilisateur web (web UI) plus avancée est prévue, allant au-delà des capacités de surveillance actuelles pour offrir une interaction plus riche, une visualisation des flux de travail et peut-être même une définition graphique des flux de travail. Les développeurs envisagent un marché communautaire robuste, permettant aux utilisateurs de partager, découvrir et contribuer à des flux de travail Archon éprouvés, favorisant un écosystème collaboratif autour d'agents IA spécialisés.

Plus tard, des intégrations plus poussées avec les IDEs populaires intégreront Archon directement dans les cycles de développement quotidiens, rendant la création de logiciels pilotés par l'IA encore plus accessible et intuitive. Cette évolution continue souligne l'engagement d'Archon à construire une plateforme robuste et centrée sur le développeur pour l'ingénierie logicielle autonome, améliorant sa capacité à orchestrer des systèmes multi-agents. Pour une exploration plus approfondie de l'application pratique d'Archon, explorez Cole Medin's AI Dark Factory Ships Its First Autonomous Application | Stork.AI.

Les développeurs ne seront pas remplacés par l'IA ; ceux qui maîtrisent l'IA remplaceront les développeurs qui ne la maîtrisent pas. Archon est cette couche de maîtrise, transformant les agents d'IA chaotiques en outils prévisibles et de qualité professionnelle. Il permet aux ingénieurs de piloter l'IA, orchestrant des tâches de codage complexes avec précision plutôt que d'espérer un résultat aléatoire.

Ce changement marque la véritable maturation de l'IA en ingénierie logicielle. Les Large Language Models bruts offrent un potentiel immense, mais leur non-déterminisme inhérent les rend peu fiables pour le développement critique. Archon introduit la structure, la répétabilité et le contrôle essentiels nécessaires pour exploiter cette puissance en toute sécurité et efficacité.

Les processus structurés et répétables sont le fondement du développement logiciel fiable, et Archon étend ce principe aux workflows basés sur l'IA. En définissant les tâches en YAML lisible par l'homme, les développeurs obtiennent une visibilité et un contrôle inégalés sur chaque étape du fonctionnement de l'IA. Cela garantit qu'un résultat réussi n'est pas seulement un coup de chance, mais un résultat reproductible.

Adoptez l'avenir du développement d'IA déterministe. Archon fournit le plan pour construire des systèmes alimentés par l'IA robustes, versionnés et collaboratifs. C'est une invitation open-source à façonner la manière dont l'IA s'intègre véritablement dans le workflow du développeur professionnel.

Rejoignez la communauté grandissante qui définit cette nouvelle ère : - Installez Archon depuis son dépôt GitHub. - Expérimentez avec des workflows pré-construits pour comprendre sa puissance. - Contribuez au projet open-source, en aidant à affiner ses capacités. - Participez aux discussions, comme la récente "Live Roadmap Session", pour influencer sa direction.

C'est plus qu'un outil ; c'est un changement de paradigme. Archon place fermement le développeur aux commandes, transformant l'IA d'un assistant imprévisible en un copilote puissant et fiable.

Qu'est-ce que Archon AI ?

Archon est un moteur de workflow open-source conçu pour rendre le codage assisté par l'IA déterministe et répétable. Il orchestre les agents de codage IA à l'aide de fichiers YAML structurés, de manière similaire à la façon dont GitHub Actions automatise le CI/CD.

En quoi Archon est-il différent du simple prompt engineering ?

Alors que le prompt engineering se concentre sur l'affinage des entrées d'une IA, Archon se concentre sur le 'harness engineering'. Il construit un processus structuré et versionné autour de l'IA, garantissant que l'ensemble du workflow, de la planification aux tests, est cohérent et fiable.

Quels modèles d'IA Archon prend-il en charge ?

Archon est agnostique aux modèles, prenant en charge une large gamme de fournisseurs de LLM, y compris OpenAI, Anthropic (Claude), Google (Gemini), et les modèles locaux via des intégrations comme Ollama. Les utilisateurs peuvent même spécifier différents modèles pour différentes étapes au sein d'un même workflow.

Archon est-il prêt pour une utilisation en production ?

Archon est actuellement en phase de bêta publique. Il est puissant pour le développement et l'expérimentation, mais présente des limitations connues, telles que la fiabilité de l'intégration MCP et la distribution binaire multiplateforme, qui sont activement traitées.