📖 English version

AutoGen - Plateforme Multi-Agents IA

🚀 Plateforme multi-agents intelligente qui orchestre des agents IA spécialisés pour concevoir, développer et documenter des projets logiciels complets de manière autonome.

Note : Ce projet n'est pas basé sur le framework AutoGen de Microsoft A l'origine je voulais l'implémenter mais frustré par ses limitations, je me suis décidé a repartir from scratch Le nom du projet est resté comme un clin d'oeil a ce parcours 😉

✨ Fonctionnalités principales

• 🤖 Agents spécialisés : Une équipe composée d'un Superviseur, d'un Analyste et d'un Développeur, chacun avec un rôle, une personnalité et des outils définis dans default_config.yaml.

• 🧠 Architecture RAG : Moteur de recherche vectorielle (rag_engine.py) basé sur FAISS pour fournir un contexte persistant et pertinent aux agents, avec gestion de mémoire de travail et compression automatique.

• 🔄 Communication inter-agents : Échanges structurés et configurables entre les agents pour la collaboration, la résolution de problèmes et la validation.

• 📊 Monitoring avancé : Génération de logs JSON structurés (logger.py), de traces LLM détaillées et d'un dashboard HTML (metrics_visualizer.py) pour suivre la performance du système.

• ⚡ Rate limiting intelligent : Un gestionnaire centralisé (global_rate_limiter.py) prévient les erreurs de quotas des API externes (Mistral, DeepSeek) avec une politique de retry.

• ⚙️ Configuration Centralisée : L'ensemble du comportement de la plateforme (modèles LLM, paramètres RAG, guidelines des agents) est piloté par le fichier config/default_config.yaml.

• ✅ Installation Automatisée : Un script shell complet (setup.sh) gère la création de l'environnement, l'installation des dépendances et la validation du projet.

🏗️ Architecture

🚀 Installation rapide

Prérequis

• Python 3.10+
• Conda (fortement recommandé)
• Clé API Mistral (recommandé) ou DeepSeek

Installation automatique (recommandée)

# Cloner le projet
git clone https://github.com/yannpointud/AutoGen.git
cd AutoGen

# Installation complète en une commande
./setup.sh

Options avancées :

./setup.sh --check-only   # Vérifier l'installation existante
./setup.sh --recreate     # Recréer l'environnement from scratch
./setup.sh --help         # Afficher l'aide

Installation manuelle (si nécessaire)

# Créer l'environnement avec le fichier de config
conda env create -f conda-requirements.yml
conda activate AutoGen

# (Alternative) création manuelle
conda create -n AutoGen python=3.10
conda activate AutoGen
pip install -r requirements.txt

# Configuration
cp .env.example .env
mkdir -p projects logs

🔑 Configuration

Créez un fichier .env avec vos clés API :

MISTRAL_API_KEY=your_mistral_api_key_here # requis
DEEPSEEK_API_KEY=your_deepseek_api_key_here  # optionnel

Note : le fonctionnement de la platforme est indépendant du modele utilisé Il est prévu de tester d'intégrer d'autres modeles Il faut a minima acces a un LLM et un modele d'embeddings

Obtenir les clés :

• Mistral : console.mistral.ai
• DeepSeek : platform.deepseek.com

🎮 Utilisation / Démarrage rapide

Une fois l'installation terminée :

# Activer l'environnement
conda activate AutoGen

# Lancer l'interface interactive
python main.py

# Ou vérifier que l'environnement est ok
./setup.sh --check-only

Templates Réalisables

1. MLPricePredictor - API ML pour prédiction prix immobilier
2. Calculator - Calculatrice (Python/CLI)
3. FileOrganizer - Organisateur de fichiers automatique
4. ChatBot - Chatbot assistant simple
5. Custom - Creez votre projet avec un prompt

📊 Monitoring et métriques

AutoGen génère automatiquement :

• Logs JSON structurés : logs/platform_YYYYMMDD.jsonl
• Traces LLM détaillées : logs/llm_debug/
• Dashboard interactif : Métriques temps réel avec visualisations
• Rapports de progression : État des jalons et tâches

⚙️ Configuration avancée

Modèles LLM

Personnalisez les modèles dans config/default_config.yaml :

llm:
  default_model: "mistral-small-latest"
  models:
    mistral:
      supervisor: "magistral-medium-latest"
      analyst: "magistral-medium-latest" 
      developer: "codestral-latest"

Paramètres RAG

rag:
  chunk_size: 1000
  chunk_overlap: 200
  top_k_results: 5
  similarity_threshold: 0.7

🧪 Tests et validation

# Vérifier l'installation
./setup.sh --check-only

# Exécuter tous les tests (après activation de l'environnement)
conda activate AutoGen
pytest tests/

# Tests avec couverture
pytest --cov=. tests/

# Tests spécifiques
python tests/test_phase5.py

🤝 Contribution

1. Fork le projet
2. Créez votre branche : git checkout -b feature/ma-fonctionnalite
3. Committez vos changements : git commit -m 'Ajout ma fonctionnalité'
4. Push vers la branche : git push origin feature/ma-fonctionnalite
5. Ouvrez une Pull Request

📝 Changelog

Consultez CHANGELOG.md pour l'historique détaillé des versions.

🛠️ Dépannage

Installation et environnement

Problème d'installation :

# Diagnostic complet de l'environnement
./setup.sh --check-only

# Recréer l'environnement complètement
./setup.sh --recreate

# Voir l'aide complète du script
./setup.sh --help

Environnement conda corrompu :

# Nettoyer et recréer
conda env remove -n AutoGen
./setup.sh

Commandes conda utiles :

# Lister les environnements
conda env list

# Voir les packages installés
conda activate AutoGen && conda list

# Nettoyer le cache conda
conda clean --all

# Exporter la configuration actuelle
conda env export > my-environment.yml

Problèmes d'exécution

Erreur d'API timeout :

# Augmenter dans config/default_config.yaml
general:
  llm_timeout: 180

Rate limit atteint :

# Ralentir les appels API
general:
  api_rate_limit_interval: 3

📚 Documentation technique

• Script d'installation : ./setup.sh --help
• Historique des versions : CHANGELOG.md
• API Reference : Docstrings dans le code

📄 Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

👨‍💻 Auteur et Opportunités

Développé par Yann POINTUD / yann@pointud.fr Passionné par l'ingénierie de systèmes IA autonomes, robustes et efficaces. Actuellement disponible, n'hésitez pas à me contacter pour discuter de la manière dont mes compétences peuvent aider à la réussite de vos projets.

🔗 Liens utiles

• Documentation Mistral AI
• Python Packaging Guide

---

⭐ Si ce projet vous plait, n'hésitez pas à lui donner une étoile ! ⭐