Tools

J’ai donné à opencode un cahier des charges d’un paragraphe : « un canvas HTML où des cercles colorés s’attirent selon des teintes similaires et se repoussent quand ils sont opposés », et je l’ai branché sur la quantification d’unsloth de Qwen3.6-35B-A3B (UD-Q8_K_XL, ~3 milliards de paramètres actifs) tournant en local. Une douzaine de tours de pilotage plus tard, à corriger des bugs et ajuster le comportement, j’avais une démo fonctionnelle dans un seul fichier. ...

Google a lancé Gemini 3.1 Flash Live via la Live API pour créer des agents vocaux et visuels en temps réel. Le modèle traite des flux continus d’audio, vidéo et texte pour fournir des réponses parlées immédiates avec détection de nuances acoustiques et support de 90+ langues. Principales améliorations par rapport à Gemini 2.5 Flash Native Audio : Meilleur filtrage du bruit dans des environnements réels Respect renforcé des instructions système complexes Dialogue plus naturel avec latence améliorée Capacité de réflexion via thinkingLevel (minimal/low/medium/high) au lieu de thinkingBudget Le modèle produit de l’audio natif (pas de pipeline STT+TTS) avec une fenêtre de contexte de 128k. Il supporte l’appel de fonctions synchrones, Google Search grounding et l’entrée vidéo en plus de l’audio. ...

GitAgent propose que votre dépôt git est votre agent. Deux fichiers obligatoires - agent.yaml (le manifeste) et SOUL.md (l’identité) - définissent l’agent. Tout le reste - skills, outils, mémoire, artefacts de conformité - est une structure optionnelle ajoutée par-dessus. La partie intéressante est le modèle de supervision : quand un agent met à jour sa mémoire ou acquiert un nouveau skill, le changement devient un commit git ou une PR. Les réviseurs humains peuvent examiner les diff des changements de personnalité de l’agent comme n’importe quelle revue de code. Si le comportement dérive, git revert le ramène en arrière. ...

Google a publie un serveur MCP open source pour Google Colab. N’importe quel agent compatible MCP - Claude Code, Gemini CLI, ou un agent personnalise - peut maintenant controler un notebook Colab par programmation : creer des cellules, ecrire et executer du code, installer des dependances, reorganiser le contenu. La configuration tient en un seul bloc : "mcpServers": { "colab-mcp": { "command": "uvx", "args": ["git+https://github.com/googlecolab/colab-mcp"], "timeout": 30000 } } La motivation est concrete : les developpeurs copiaient du code depuis leur terminal vers des cellules Colab pour l’executer ou visualiser des donnees. Ce changement de contexte brise la concentration. Avec ce serveur, l’agent ecrit directement dans un notebook ouvert - vous obtenez un artefact reproductible et executable dans le cloud plutot qu’un simple extrait de code dans votre terminal. ...

Le probleme avec les garde-fous qui vivent a l’interieur de l’agent : un agent compromis peut les contourner. Claude Code et Cursor embarquent des prompts de securite internes, mais ces protections sont dans le meme processus qu’elles sont censees surveiller. Une injection de prompt ou un skill tiers malveillant a acces au meme environnement d’execution. NVIDIA OpenShell deplace le point d’application en dehors. Il encapsule n’importe quel agent dans un conteneur isole avec des politiques YAML que l’agent ne peut ni lire ni modifier. L’acces reseau est refuse par defaut et rechargeable a chaud ; les contraintes sur le systeme de fichiers et les processus sont verouillees a la creation. L’agent ne peut pas escalader ses privileges parce que le noyau ne le permet pas - pas parce qu’on lui a dit de ne pas le faire. ...

Unsloth Studio regroupe l’inférence locale, le fine-tuning et l’export de modèles dans une seule interface web sans code. Une commande curl suffit pour l’installer; on peut ensuite exécuter des modèles GGUF ou safetensor sur Mac, Windows ou Linux sans écrire une seule ligne de code. Le volet entraînement est le principal attrait: fine-tuning 2x plus rapide avec 70% moins de VRAM sur 500+ familles de modèles (texte, vision, TTS, embeddings). LoRA, FP8 et le fine-tuning complet fonctionnent sur le matériel NVIDIA, avec support multi-GPU déjà intégré. ...

OpenViking abandonne le stockage vectoriel RAG traditionnel et utilise plutôt un paradigme de système de fichiers. Il organise le contexte de l’agent (mémoires, ressources, compétences) sous les URI viking:// avec une structure à trois niveaux : L0 (Abstract): Résumé en une phrase pour une récupération rapide L1 (Overview): Informations essentielles et scénarios d’utilisation L2 (Details): Données originales complètes, chargées à la demande Cela permet une récupération récursive par répertoires qui verrouille d’abord les répertoires à haut score, puis affine l’exploration du contenu. La trajectoire de récupération est entièrement observable, permettant aux utilisateurs de voir exactement comment le contexte est accédé. ...

L’API HTTP d’agents de Mastra retourne une structure JSON avec des steps, chacune contenant des elements content types comme reasoning, tool-call, tool-result et text. La sortie brute est dense. Commencez par l’explorer: # Appeler l'API et voir la structure brute http localhost:4111/api/agents/weather-agent/generate \ messages[0]="what's the weather in montreal?" | jq . # Obtenir uniquement la reponse finale http localhost:4111/api/agents/weather-agent/generate \ messages[0]="what's the weather in montreal?" | jq -r '.text' # Explorer ce qui se trouve dans les steps http localhost:4111/api/agents/weather-agent/generate \ messages[0]="what's the weather in montreal?" | jq '.steps[].content[] | .type' # "reasoning" # "tool-call" # "tool-result" # "text" # "reasoning" # "text" # Voir quels champs chaque type possede http localhost:4111/api/agents/weather-agent/generate \ messages[0]="what's the weather in montreal?" | jq '.steps[].content[] | select(.type == "tool-call")' Une fois la structure comprise, passez dans jq -r avec des sequences d’echappement ANSI en ligne pour coloriser chaque element: ...

Si un skill OpenClaw personnalise n’apparait pas dans openclaw skills list et que l’agent ne peut pas le voir non plus, le frontmatter de SKILL.md est probablement en cause. OpenClaw echoue silencieusement, donc le retour de debogage est minimal. Deux choses doivent etre correctes. Premierement, tout name ou description contenant un deux-points doit etre entoure de guillemets doubles, sinon YAML interprete le deux-points comme un separateur cle-valeur et l’analyse echoue. Deuxiemement, le frontmatter doit inclure un bloc de metadonnees openclaw declarant l’icone emoji et les binaires ou variables d’environnement requis. Sans cela, OpenClaw n’enregistrera pas le skill du tout. ...

Faire curl ysap.sh ne retourne pas du HTML. Ça retourne une interface terminal complètement rendue: en-tête en pixel art, panneaux avec bordures, disposition en deux colonnes, liens en couleur. Exactement ce qu’on attendrait d’une app TUI, livré via HTTP ordinaire. L’astuce: inspecter l’en-tête User-Agent. Quand il commence par curl/, répondre avec des codes d’échappement ANSI et des caractères de dessin. Quand c’est un navigateur, répondre avec du HTML. Même URL, deux expériences complètement différentes. ...