OpenHands.

Séparer l'interface et l'exécution

Dans l'architecture actuelle d'OpenHands, Agent Canvas centralise les sessions et les automatisations dans le navigateur. Il se connecte à un ou plusieurs serveurs backend. On peut lancer la pile à côté du projet ou utiliser un backend propre, cloud ou d'entreprise. L'apparence de l'interface ne dit donc pas où les commandes s'exécutent.

Cette distinction compte pour une équipe qui veut gérer les environnements et les accès. La copie de travail du dépôt, les outils de l'agent, le fournisseur du modèle et les lieux de stockage des résultats se définissent séparément. Une interface web accessible ne signifie pas que tout l'environnement de production est prêt.

SDK et serveur d'agent

Le Software Agent SDK officiel est une bibliothèque Python destinée à construire des agents. Agent Server fournit des sessions, des outils et des espaces de travail via REST et WebSocket. Cet accès programmatique concerne la plateforme elle-même, et pas seulement le modèle externe. MCP et les plugins ont une autre fonction : connecter des capacités supplémentaires.

Avant de construire une automatisation complexe, reproduisez un petit exemple officiel et assurez-vous de pouvoir arrêter le processus, consulter son état et conserver le résultat. Pour une tâche répétable, distinguez la fin réussie de l'agent, l'exécution d'une vérification et l'action dans un système externe : ce sont trois événements différents, chacun susceptible d'échouer.

Exemple : mettre à jour la dépendance dans une copie séparée

Supposons qu'un projet ait besoin d'une mise à jour de bibliothèque sans modification de l'interface publique. Préparez un environnement isolé, précisez la dépendance autorisée et les commandes de vérification. Demandez à l'agent d'étudier les incompatibilités, de mettre à jour les fichiers nécessaires et de décrire les éléments qui ont exigé une adaptation.

Après l'exécution, contrôlez le fichier de verrouillage, les nouvelles dépendances transitives et les résultats des tests. Si l'environnement a empêché de lancer les tests, le rapport doit conserver cette limite explicite. Une installation de paquet réussie ne prouve pas la compatibilité de l'application. L'exercice doit aboutir à un diff vérifiable, sans déploiement automatique avant examen.

Composants ouverts et coûts réels

Agent Canvas est officiellement gratuit en auto-hébergement et utilise l'accès aux modèles fourni par l'utilisateur. Les fonctions d'équipe, la gestion des utilisateurs et les offres d'entreprise relèvent de forfaits distincts. La gratuité du code source ne paie ni les jetons cloud ni les machines qui exécutent les tâches.

L'auto-hébergement donne le contrôle de l'infrastructure, mais le modèle peut rester externe. Un fonctionnement de l'IA entièrement local doit être confirmé pour le modèle, les outils et les connexions réseau choisis. Une simple installation de Canvas ne permet donc pas de conclure que tout le traitement est local. Avant de connecter un dépôt privé, vérifiez les licences des composants, les droits des serveurs et les règles de traitement des données du fournisseur retenu.

Lorsque vous exécutez plusieurs serveurs, indiquez clairement la correspondance entre la session et l'espace de travail. Sinon, la commande correcte peut être exécutée dans une autre copie du projet. Vérifiez non seulement le texte de la réponse SDK, mais également l'emplacement du fichier final, la branche actuelle et la disponibilité de l'artefact pour la personne qui effectuera la révision.

Pour quelles tâches convient-il

• Construire son propre environnement de développement avec des agents
• Exécuter des tâches vérifiables dans un environnement isolé
• Intégrer un agent via le SDK Python et l'API serveur
• Gérer les sessions avec Agent Canvas