OpenManus vient de tuer le mur d'invitation pour les agents IA. Voici comment l'exécuter en dix minutes.

Si vous avez observé le domaine des agents IA avec un mélange de fascination et de frustration, fasciné par ce que des outils comme Manus peuvent faire, frustré de ne pas pouvoir obtenir un code d'invitation, l'attente est terminée. OpenManus, publié par l'équipe derrière MetaGPT, est là, et il est conçu pour être aussi ouvert et accessible que possible. the-migration-isnt-finished-until-the-build-server-says-it-is-why-ai-agents-keep-failing-at-enterprise-java

Le prototype a été construit en trois heures par une équipe comprenant Xinbin Liang, Jinyu Xiang, Zhaoyang Yu, Jiayi Zhang et Sirui Hong. Cette rapidité n'est pas due à un manque de soin ; elle reflète la maturité des composants sous-jacents. OpenManus emprunte à des projets éprouvés comme l'utilisation par ordinateur d'Anthropic, browser-use et crawl4ai, et les intègre dans un cadre propre et extensible. cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

L'installation est trivialement simple

La mise en route ne prend que quelques minutes. La méthode recommandée utilise uv, un installateur de paquets Python rapide :

curl -LsSf https://astral.sh/uv/install.sh | sh
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
uv venv -p python 3.12
source .venv/bin/activate
uv pip install -r requirements.txt

Copiez ensuite le fichier de configuration exemple :

cp config/config.example.toml config/config.toml

Modifiez config/config.toml pour ajouter la clé API de votre LLM préféré, GPT-4o d'OpenAI est utilisé dans l'exemple, mais tout modèle compatible fonctionne, et vous êtes prêt.

Une seule commande lance l'agent :

python main.py

Ensuite, tapez votre idée directement dans le terminal. Pas de tableau de bord, pas d'abonnement cloud, pas de file d'attente d'approbation. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

Pas qu'un simple agent

OpenManus est livré avec plusieurs modes d'exécution. Le main.py de base exécute un agent à usage général. Pour une orchestration multi-agents, run_flow.py est disponible, bien que l'équipe le qualifie d'instable. Un agent d'analyse de données dédié peut être activé dans config.toml en définissant use_data_analysis_agent = true dans la section [runflow].

Un outil d'automatisation de navigateur est facultatif mais recommandé pour les agents qui doivent naviguer sur le Web. Installez-le avec :

playwright install

La frontière RL : OpenManus-RL

Au-delà du framework d'agent immédiat, le projet introduit OpenManus-RL, un effort compagnon axé sur les méthodes de réglage basées sur l'apprentissage par renforcement, en particulier l'optimisation de politique relative de groupe (GRPO), pour les agents LLM. Développé en collaboration avec des chercheurs de l'UIUC, il est destiné à ceux qui souhaitent pousser les performances des agents au-delà de l'ingénierie des prompts.

Il s'agit d'une implémentation simple, donc nous accueillons toutes suggestions, contributions et commentaires.

L'équipe est franche quant au stade précoce du projet, mais c'est exactement le but : la communauté peut le façonner dès le premier jour.

Pourquoi c'est important maintenant

Le paysage des agents IA a été dominé par des systèmes propriétaires et sur invitation. Manus a montré ce qui était possible, mais a gardé les clés verrouillées. OpenManus brise ce modèle. Tout développeur disposant d'un environnement Python et d'une clé API peut désormais exécuter des agents autonomes, les intégrer dans des flux de travail et expérimenter avec des architectures multi-agents, le tout sans demander la permission.

Pour les startups, les chercheurs et les amateurs, cela abaisse la barrière à l'entrée à quasiment zéro. Le projet accepte également les pull requests et les issues, ce qui signifie que la prochaine innovation pourrait venir de n'importe qui. anthropic-launches-claude-science-an-ai-workbench-tailored-for-researchers

Parrainage et soutien

Le support de calcul pour le projet provient de PPIO, un fournisseur de cloud GPU positionné comme une solution MaaS abordable et facilement intégrable. L'espace de démonstration Hugging Face est soutenu par stepfun (阶跃星辰).

Le code est disponible sous une citation Zenodo (doi: 10.5281/zenodo.15186407) et peut être cité dans des travaux académiques.

Que faire ensuite

OpenManus est prêt. Les étapes d'installation ci-dessus vous donneront un agent en fonctionnement en moins de dix minutes. Le dépôt se trouve à github.com/FoundationAgents/OpenManus. Il n'y a aucune raison d'attendre, la seule chose qui manque est votre idée. when-a-24-hour-countdown-becomes-your-editor-the-grueling-experiment-that-changed-how-i-write