Des agents qui délèguent, se souviennent et vont au bout du travail.

Astreus est un framework TypeScript open source pour des agents IA autonomes : sous-agents, workflows en graphe, mémoire persistante et outils MCP derrière une seule API typée.

npm install @astreus-ai/astreus

Il lit le tableau de bord que vous liriez à 3 h du matin.

Un agent reçoit l’alerte et la capture Grafana et dit au canal d’incidents ce qui a cassé.

import { Agent, Graph } from '@astreus-ai/astreus';const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  vision: true,  memory: true});await oncall.ask('Checkout p95 alert. What broke?', {  attachments: [    { type: 'image', path: './grafana-checkout.png' }  ],  stream: true,  onChunk: (chunk) => process.stdout.write(chunk)});
Documentation des agents

Puis il vérifie ce que vous vérifieriez.

GitHub pour le dernier déploiement, Sentry pour les erreurs, Postgres pour la charge. Chacun est un serveur MCP que le modèle appelle de lui-même.

await oncall.addMCPServers([  {    name: 'github',    command: 'npx',    args: ['-y', '@modelcontextprotocol/server-github']  },  {    name: 'postgres',    command: 'npx',    args: [      '-y', '@modelcontextprotocol/server-postgres',      'postgresql://replica.internal/payments'    ]  },  { name: 'sentry', url: process.env.SENTRY_MCP_URL }]);await oncall.ask(  'What shipped in the last hour, and what broke after?');
Documentation MCP

Trois enquêtes en même temps.

Un agent de triage confie les logs, les déploiements et la base à trois spécialistes et réunit ce qu’ils trouvent.

const logs = await Agent.create({  name: 'LogAnalyst', model: 'llama3.3',  systemPrompt: 'Find the first error in the logs.'});const deploys = await Agent.create({  name: 'DeployAuditor', model: 'gpt-6-astra',  systemPrompt: 'Audit what shipped in the last hour.'});const database = await Agent.create({  name: 'DbInspector', model: 'gpt-6-astra',  systemPrompt: 'Find slow queries and lock waits.'});const triage = await Agent.create({  name: 'Triage', model: 'claude-fable-5-1',  systemPrompt: 'Split the work, merge the findings.',  subAgents: [logs, deploys, database]});const cause = await triage.ask('Why is checkout slow?', {  useSubAgents: true,  delegation: 'auto',  coordination: 'parallel'});
Documentation des sous-agents

Tout l’incident, sous forme de graphe.

Diagnostique pendant que la page de statut est mise à jour, ne revient en arrière qu’après le diagnostic, vérifie, puis rédige le post-mortem.

const incident = new Graph({  name: 'Incident response',  maxConcurrency: 3,  retryAttempts: 2,  subAgentAware: true}, triage);const diagnose = incident.addTaskNode({  prompt: 'Find the root cause', useSubAgents: true});const status = incident.addTaskNode({  prompt: 'Post an update to the status page'});const rollback = incident.addTaskNode({  prompt: 'Roll back the deploy', dependencies: [diagnose]});const verify = incident.addTaskNode({  prompt: 'Confirm p95 < 400 ms', dependencies: [rollback]});incident.addTaskNode({  prompt: 'Write the postmortem',  dependencies: [verify, status]});await incident.run();
Documentation des graphes

Il a déjà vu cet incident.

Les runbooks sont ses connaissances, les incidents passés sa mémoire, et un fil de quatre heures se compresse au lieu de déborder.

const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  embeddingModel: 'text-embedding-3-small',  memory: true,  knowledge: true,  autoContextCompression: true,  preserveLastN: 5});await oncall.addKnowledgeFromDirectory('./runbooks');await oncall.addMemory(  'Incident 214: checkout latency, pool exhausted.');const seen = await oncall.searchMemoriesBySimilarity(  'checkout latency spike',  { similarityThreshold: 0.7, limit: 3 });
Documentation de la mémoire

Le bon modèle pour chaque tâche.

Un modèle local nettoie les logs pour que rien ne quitte votre réseau, un plus grand diagnostique, un autre rédige le rapport.

const rawLogs = await readFile('./checkout.log', 'utf8');// Scrub raw logs locally. Nothing leaves your network.const scrubbed = await oncall.ask(rawLogs, {  model: 'llama3.3'});// A larger model finds the causeconst cause = await oncall.ask(scrubbed, {  model: 'claude-fable-5-1'});// Another one writes it upconst report = await oncall.ask('Write the postmortem', {  model: 'gpt-6-astra'});
Documentation des fournisseurs

Les données clients restent sous clé.

Un réglage chiffre chaque transcription, prompt et extrait de runbook dans votre base avec AES-256-GCM.

// .env// ENCRYPTION_ENABLED=true// ENCRYPTION_MASTER_KEY=<openssl rand -hex 32>// DB_URL=postgresql://...// KNOWLEDGE_DB_URL=postgresql://...const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  memory: true,  knowledge: true});// Stored encrypted: the prompt, the incident thread,// every memory and every runbook chunkawait oncall.ask('Which customers were affected?');
Docs sécurité

Avant d'installer.

De Node.js 22 ou d'une version ultérieure, d'une base de données et d'un modèle. Astreus stocke les agents et les souvenirs dans SQLite ou PostgreSQL et dialogue avec OpenAI, Claude, Gemini ou un modèle Ollama local. L'installation se fait avec npm install @astreus-ai/astreus.

Oui. Donnez à un agent un modèle Ollama comme llama3.3 et il s'exécute sur votre propre machine. Le code de l'agent reste le même.

Oui. Un sous-agent est un agent ordinaire, créé avec son propre modèle, son prompt et ses capacités, puis transmis au coordinateur dans subAgents. La délégation peut être automatique, manuelle ou séquentielle.

Un nœud démarre dès que tous les nœuds dont il dépend sont terminés. Définissez maxConcurrency sur le graphe pour que les nœuds indépendants s'exécutent en même temps. Par défaut, ils s'exécutent un par un.

Tout serveur que vous pouvez lancer avec une commande et des arguments, ou joindre par une URL. Ajoutez-les à un agent avec addMCPServers et leurs outils deviennent disponibles pour le modèle.

Oui. Astreus est sous licence MIT : vous pouvez l'utiliser, le modifier et le distribuer dans des projets commerciaux.

© 2026 pzzaworks

© 2026 pzzaworks