Le projet Agent File (.af), hébergé sur GitHub par Letta AI, propose un format de fichier ouvert pour sérialiser des agents IA stateful (avec mémoire persistante et comportement).
Partie 1 : Découverte générale et fonctionnelle
adresse du dépôt : https://github.com/letta-ai/agent-file
Objectif principal du projet
En termes simples, Agent File (.af) vise à standardiser la sérialisation et le partage d’agents IA stateful. Ce format encapsule toutes les composantes d’un agent (prompts système, mémoire, outils, configurations LLM) dans un fichier portable, facilitant leur transfert entre frameworks compatibles, leur sauvegarde et leur contrôle de version. Il résout le problème de la reproductibilité et de la portabilité des agents IA complexes.
Fonctionnalités clés
- Format standardisé : Le format .af regroupe les prompts système, la mémoire éditable (personnalité, informations utilisateur), les configurations d’outils (code, schémas) et les paramètres LLM.
- Portabilité : Permet d’importer/exporter des agents entre serveurs Letta (cloud, local, Docker) ou d’autres frameworks compatibles.
- Checkpointing et versionnage : Facilite la sauvegarde d’états d’agents pour reprise ou partage.
- Collection d’agents prêts à l’emploi : Le dépôt propose des exemples d’agents .af téléchargeables avec des guides d’utilisation.
- Contribution communautaire : Les utilisateurs peuvent soumettre leurs propres fichiers .af via des pull requests.
Public cible
Le projet s’adresse à :
- Développeurs d’IA : Ceux qui créent ou déploient des agents IA stateful, notamment avec le framework Letta.
- Chercheurs en IA : Pour expérimenter avec des agents reproductibles et partager des configurations.
- Entreprises : Pour intégrer des agents IA dans des applications comme des chatbots ou des assistants personnalisés.
- Communauté open-source : Les contributeurs intéressés par l’évolution du format ou le partage d’agents.
Cas d’usage : création d’agents pour le support client, la recherche automatisée, ou des assistants personnels avec mémoire à long terme.
Utilisation et combinaison des fonctionnalités
- Import/export : Les fichiers .af peuvent être chargés dans Letta via l’Agent Development Environment (ADE), des API REST, ou des SDK Python/TypeScript.
- Personnalisation : Les utilisateurs peuvent éditer la mémoire ou les outils d’un agent avant de l’exporter sous .af.
- Intégration multi-plateforme : Bien que conçu pour Letta, d’autres frameworks peuvent adopter .af en mappant les composants à leurs propres structures.
- Collaboration : Les développeurs partagent des agents via GitHub, avec des instructions dans des README pour chaque fichier .af.
Exemples concrets d’utilisation
- Support client : Une entreprise utilise un fichier .af pour déployer un agent de service client qui se souvient des interactions passées, réduisant les redondances dans les réponses. Exemple : l’agent customer_service_agent.py du dépôt gère l’escalade ou la terminaison de chats.
- Recherche académique : Un chercheur exporte un agent .af configuré pour analyser des articles scientifiques, puis le partage avec des collègues pour reproduction des résultats.
- Assistant personnel : Un utilisateur crée un assistant avec mémoire personnalisée (préférences, historique) et le déploie localement via Letta Desktop.
Avantages par rapport à d’autres solutions
- Portabilité unique : Contrairement à des frameworks comme LangChain ou CrewAI, .af standardise la sérialisation des agents, facilitant leur migration sans scripts complexes.
- Transparence : La mémoire et les configurations sont explicitement encapsulées, contrairement à des solutions où l’état est géré de manière opaque.
- Communauté open-source : Le projet encourage les contributions, contrairement à des formats propriétaires comme ceux d’OpenAI.
- Flexibilité : Compatible avec divers environnements (cloud, local, Docker) et potentiellement adaptable à d’autres frameworks.
Partie 2 : Exploration technique et métriques clés
Structure générale
Le dépôt GitHub contient :
- Fichiers .af : Les fichiers d’agents sérialisés, comme customer_service_agent.af.
- Scripts Python : Exemple customer_service_agent.py pour créer des agents avec le SDK Letta.
- README et documentation : Instructions pour utiliser, contribuer, et importer/exporter des fichiers .af.
- Schémas : Le schéma .af est détaillé dans le dépôt Letta principal, décrivant les champs comme mémoire, outils, et prompts.
Technologies principales :
- Python : Utilisé pour les scripts et le SDK Letta.
- JSON : Format probable pour les fichiers .af (basé sur les standards de sérialisation).
- Letta Framework : Le projet est étroitement lié à Letta (anciennement MemGPT), qui gère les agents stateful.
Dépendances et outils
- Letta Client : SDK Python (letta_client) pour interagir avec les serveurs Letta.
- Docker : Pour déployer des serveurs Letta compatibles avec .af.
- API REST : Utilisée pour importer/exporter des agents.
- LLMs : Compatible avec des modèles comme OpenAI GPT-4o-mini ou Ollama pour les configurations locales.
Activité récente
- Contributeurs : Le projet est principalement maintenu par l’équipe Letta AI, avec des contributions communautaires via pull requests. Le dépôt principal Letta compte plus de 100 contributeurs.
