PySpur - Plateforme de développement visuel d'agents IA

Aperçu du projet

PySpur est une plateforme de workflow visuel pour les agents IA, permettant aux ingénieurs IA de développer et d'itérer sur les agents IA 10 fois plus rapidement. Il s'agit d'un projet open source soutenu par Y Combinator, conçu pour résoudre les principaux problèmes rencontrés par les ingénieurs IA lors de la construction d'agents intelligents.

Problèmes fondamentaux résolus

Les ingénieurs IA sont généralement confrontés à trois défis majeurs lors de la construction d'agents intelligents :

1. L'enfer des prompts : Passer beaucoup de temps à affiner les prompts et à faire des essais et erreurs répétés.
2. Angles morts du workflow : Manque de visualisation des interactions entre les étapes, entraînant des erreurs cachées et de la confusion.
3. Cauchemar des tests terminaux : Nécessité de surveiller les sorties brutes et d'analyser manuellement le JSON.

Fonctionnalités clés

🔄 Gestion du workflow

• Interface graphique visuelle : Construction de workflows IA par glisser-déposer.
• Support des boucles : Prise en charge des appels d'outils itératifs avec mémoire.
• Collaboration homme-machine : Workflows persistants, prise en charge de l'approbation humaine.
• Débogage par points d'arrêt : Points de pause du workflow, nécessitant une approbation manuelle pour continuer l'exécution.

📤 Traitement des données multimodales

• Téléchargement de fichiers : Prise en charge du téléchargement de fichiers ou du collage d'URL pour traiter des documents.
• Support multimodal : Traitement de divers formats tels que la vidéo, les images, l'audio, le texte, le code, etc.
• Sortie structurée : Fournit un éditeur d'interface utilisateur pour les schémas JSON.

🗃️ Système RAG

• Flux RAG complet : Analyse, découpage, intégration et insertion des données dans une base de données vectorielle.
• Intégration de bases de données vectorielles : Prise en charge de diverses bases de données vectorielles.

🧰 Intégration d'outils

• Riche support d'outils : Intégration de Slack, Firecrawl.dev, Google Sheets, GitHub, etc.
• Extensibilité : Ajout de nouveaux nœuds en créant un simple fichier Python.

📊 Surveillance et évaluation

• Suivi automatique : Capture automatique des traces d'exécution des agents intelligents déployés.
• Système d'évaluation : Évaluation des performances des agents intelligents sur des ensembles de données du monde réel.
• Déploiement en un clic : Publication en tant qu'API et intégration n'importe où.

🎛️ Support multi-fournisseurs

• Support de plus de 100 fournisseurs : Prise en charge de plus de 100 fournisseurs de LLM, d'intégrateurs et de bases de données vectorielles.
• Piloté par Python : Construit sur Python, facile à étendre et à personnaliser.

Démarrage rapide

Prérequis d'installation

• Python 3.11 ou version ultérieure

Étapes d'installation de base

1. Installer PySpur

pip install pyspur

2. Initialiser un nouveau projet

pyspur init my-project
cd my-project

3. Démarrer le serveur

pyspur serve --sqlite

Par défaut, cela démarrera l'application PySpur sur http://localhost:6080, en utilisant une base de données sqlite. Il est recommandé de configurer une URL d'instance postgres dans le fichier .env pour une expérience plus stable.

4. Configurer l'environnement et les clés API (facultatif)

• Via l'interface de l'application : Naviguer vers l'onglet des clés API pour ajouter les clés des fournisseurs (OpenAI, Anthropic, etc.).
• Manuellement : Modifier le fichier .env (recommandé de configurer postgres) et redémarrer avec pyspur serve.

Configuration de l'environnement de développement

Méthode recommandée : Utiliser un conteneur de développement

Il est recommandé d'utiliser Cursor/VS Code avec un conteneur de développement (.devcontainer/devcontainer.json) pour obtenir :

• Un environnement de développement cohérent avec des outils et des extensions préconfigurés.
• Des paramètres optimisés pour le développement Python et TypeScript.
• Un rechargement à chaud automatique et un transfert de port.

Étapes :

1. Installer Cursor/VS Code et l'extension Dev Containers.
2. Cloner et ouvrir le dépôt.
3. Cliquer sur "Reouvrir dans le conteneur" lorsque vous y êtes invité.

Méthode de configuration manuelle

1. Cloner le dépôt

git clone https://github.com/PySpur-com/pyspur.git
cd pyspur

2. Démarrer avec docker-compose

docker compose -f docker-compose.dev.yml up --build -d

3. Paramètres personnalisés : Modifier le fichier .env pour configurer l'environnement (par exemple, les paramètres PostgreSQL).

Remarque : La configuration manuelle nécessite une configuration supplémentaire et peut ne pas inclure toutes les fonctionnalités du conteneur de développement.

Cas d'utilisation

PySpur est particulièrement adapté aux scénarios suivants :

• Workflows IA complexes nécessitant un débogage visuel.
• Processus d'assurance qualité nécessitant une supervision humaine.
• Applications de traitement de données multimodales.
• Construction et optimisation de systèmes RAG.
• Déploiement d'applications d'agents intelligents à grande échelle.

Architecture technique

• Frontend : Éditeur de workflow basé sur une interface graphique.
• Backend : Moteur d'exécution piloté par Python.
• Base de données : Prise en charge de SQLite et PostgreSQL.
• Déploiement : Prise en charge du déploiement conteneurisé et de la publication d'API en un clic.