Pas un outil de codage mais un environnement d'exécution d'agents : Exécutez votre propre couche d'agents avec TrueForge

NeuralNine présente TrueForge dès la première minute comme une infrastructure, et non comme un autre assistant de codage à côté de Pi ou OpenCode. Le produit est un harnais sous licence MIT de TrueFoundry qui fournit la couche d'exécution pour les agents à usage général. Je trouve ce cadrage utile car il fixe la bonne attente : il s'agit de l'épine dorsale d'un système agentique, pas d'une fenêtre de chat.

La vidéo explique ensuite ce qu'un harnais couvre réellement, et je pense que ce sont ses deux meilleures minutes. Un modèle linguistique seul ne fait que mapper les jetons d'entrée aux jetons de sortie, tandis qu'un agent a également besoin d'appels d'outils, de connexions MCP, de sandboxes de code, d'approbations humaines et d'états d'attente. TrueForge gère cette boucle environnante : raisonner, agir, lire les résultats et continuer jusqu'à ce que le travail soit terminé. Une fois que vous voyez la boucle comme le produit, la comparaison avec les agents gérés par Claude commence à avoir du sens.

Avant la démo, le présentateur met une divulgation sur la table : la vidéo est une collaboration rémunérée avec TrueForge, bien que les opinions soient les siennes. Je salue cette ouverture, et cela compte pour tout ce qui suit car les allégations de coût proviennent du fournisseur. L'invitation est d'essayer tout ce qui est montré gratuitement et de marquer le dépôt d'une étoile, afin qu'au moins le spectateur puisse vérifier les bases sans payer.

Le benchmark provient d'un post X et couvre 14 tâches de l'Enterprise-Bench de DevRev, englobant les enregistrements CRM, les traqueurs de problèmes et les magasins de documents. Trois configurations sont comparées : les agents gérés par Claude avec Opus 4.8, TrueForge avec le même Opus 4.8, et TrueForge avec le modèle ouvert GLM-5.2. Le taux de complétion rapporté est de 11 sur 14 dans chaque exécution comparable, avec un coût par tâche de 11,80 dollars en géré, 8,50 dollars sur TrueForge avec le même modèle, et 2,90 dollars avec le modèle ouvert. C'est environ 30 % moins cher sur des modèles équivalents et 75 % moins cher avec le modèle ouvert.

TrueFoundry elle-même mérite une phrase de contexte. C'est une entreprise d'infrastructure d'apprentissage automatique basée à San Francisco, fondée en 2021 par d'anciens ingénieurs de Meta, et elle vend déjà aux entreprises une passerelle payante pour l'accès aux modèles, les identifiants et les budgets. TrueForge se situe au-dessus de cette passerelle en tant que boucle d'exécution ouverte, ce qui explique la logique commerciale : donner le harnais, garder le plan de contrôle. Forbes décrit la même division, avec le titre de 50 % d'économies nécessitant une qualification.

L'installation est délibérément ennuyeuse, ce que je dis comme un éloge. Vous copiez une commande NPX du dépôt GitHub, l'exécutez une fois, et elle télécharge le package, crée une base de données SQLite locale et sert une page sur localhost. La vue du navigateur qui s'ouvre est votre panneau de contrôle, et à partir de là, vous attachez les modèles que vous souhaitez. Un démarrage local comme celui-ci réduit la barrière d'essai à presque zéro.

La configuration du modèle couvre les grands fournisseurs ainsi qu'une échappatoire auto-hébergée. Vous pouvez coller une clé OpenAI, faire de même pour Anthropic ou Gemini, ou enregistrer un fournisseur personnalisé avec une URL de base pointant vers Ollama. La vidéo montre la création de clés sur la console du fournisseur, puis les modèles apparaissant dans TrueForge. Cette étagère neutre vis-à-vis des fournisseurs, y compris les modèles locaux, est la promesse fondamentale de l'ensemble du projet.

La vue de chat qui vous accueille est explicitement un laboratoire, pas le produit. Vous ouvrez un nouveau chat, activez des connecteurs tels que Linear, Notion ou la recherche web Exa, et expérimentez avec des invites avant que quoi que ce soit ne soit permanent. Un bouton de sauvegarde visible marque la frontière entre le jeu et le déploiement. J'aime cette séparation car elle vous force à prouver que la configuration fonctionne avant de la nommer et de l'exposer.

Le premier exemple complet construit un assistant de recherche boursière. Une invite de test jetable demande les données financières de Nvidia, l'agent se déploie en appels d'outils et en un sous-agent, et il fouille visiblement les dépôts de type 10-Q et 10-K avant de résumer. Vient ensuite la leçon clé : aucune de ces conversations ne devient l'agent. La définition sauvegardée est une courte invite système plus le modèle, les connecteurs et les compétences choisis, après quoi une simple entrée MSFT produit un nouveau résumé de Microsoft.

La section des bénéfices déplace l'agent du navigateur vers Python. Il n'y a pas de SDK Python, seulement un SDK TypeScript, donc la démo utilise des requêtes simples contre l'API locale : ouvrir une session avec le nom de l'agent, conserver l'ID de session renvoyé, poster un message utilisateur et lire un flux d'événements envoyés par le serveur. Le script filtre le flux pour les deltas de messages du modèle et les imprime en direct, et une requête Tesla renvoie des résultats en streaming tandis que le tableau de bord affiche chaque étape de l'agent. Un programme court comme celui-ci transforme le harnais en une véritable couche d'exécution pour vos propres applications.

Le deuxième agent élève les enjeux avec un sandbox de code Daytona. Après avoir créé une clé API à accès complet et l'avoir collée dans les paramètres du sandbox, l'agent peut exécuter du Python au lieu de simplement décrire des chiffres. Interrogé sur les données financières de Meta sous forme de PDF avec des graphiques Matplotlib, il recherche sur le web, exécute le code à distance et renvoie un rapport téléchargeable avec des graphiques générés. Enregistrer cela comme un deuxième agent avec des graphiques intégrés dans ses instructions fait en sorte que chaque ticker ultérieur, comme Nvidia, suive automatiquement le même pipeline.

Les compétences sont démontrées de manière compacte à travers l'art algorithmique. Sans aucune compétence attachée, une requête créative produit un fichier SVG ou HTML simple ; avec la compétence dédiée activée, l'agent lit d'abord les instructions de la compétence et produit une pièce visiblement plus professionnelle avec des paramètres ajustables. Le contraste est l'argument principal des compétences en miniature : le savoir-faire packagé l'emporte sur la génération brute. Les compétences importables depuis GitHub et les serveurs MCP personnalisés transforment la démo triviale de recherche web en quelque chose de propriétaire.

La dernière partie revient à la neutralité des fournisseurs avec les modèles locaux. Une entrée de fournisseur personnalisée visant l'URL de base standard d'Ollama, un ID de modèle saisi manuellement de la famille Qwen avec environ 27 milliards de paramètres, et des limites de contexte et de sortie collées suffisent à intégrer une machine domestique dans le même flux de travail. Le présentateur l'exécute depuis le matériel de sa propre station de travail et obtient des réponses via la boucle identique qui a précédemment servi le modèle OpenAI. Tout est ouvert, tout est possédé : c'est la note sur laquelle la vidéo se termine, à côté d'un rappel que le projet vit ou meurt par les étoiles de la communauté.