Aller au contenu principal
Agent as Workflow

Le moteur de workflow
est désormais un agent.

A2Flow est un moteur de workflow conversationnel. Il reconstruit les workflows de type ITSM (demandes de service, mise en œuvre de changements, annonces) autour d'un agent IA : celui-ci planifie le travail sous forme de graphe de tâches, s'interrompt pour les personnes qui doivent donner leur accord et exécute le reste. Le plan est conservé sous forme de workflow : la prochaine exécution suit donc les mêmes étapes.

Chat-Driven WorkflowAG-UI protocolA2UIMCP toolsAgent SkillsSelf-hosted

Deux discussions, un workflow : conçu avec l'agent, puis exécuté dans sa propre session, formulaires et approbations compris.

Les workflows ITSM, réinventés

Les moteurs de workflow classiques sont reproductibles mais rigides : formulaires figés, files de tickets, passages de relais entre personnes et, surtout, beaucoup d'attente. Une discussion avec un agent IA, c'est l'inverse : elle est souple, mais le plan établi disparaît à la fin de la session, et personne ne l'a validé. A2Flow garde la procédure et les approbations des premiers, la conversation de la seconde, et confie à l'agent tout ce qui se trouve entre les deux.

Le circuit de tickets

Le processus comme logiciel : reproductible mais rigide, avec des formulaires et des états figés, et des humains pour faire le lien.

  • Remplir le formulaireUn champ erroné, et tout vous revient.
  • Attendre son tourVotre demande est en 14e position.
  • Passer le relais entre équipesLe contexte se perd à chaque étape.
  • Relancer pour avoir des nouvelles« Du nouveau sur mon ticket ? »

La session de discussion IA

Le processus comme improvisation : souple, mais jamais deux fois pareil.

  • Demander à l'agent dans la discussionPas de formulaire, formulation libre.
  • L'agent planifie et agitUn nouveau plan à chaque fois, et chaque fois un peu différent.
  • Aucun contrôle par un approbateurCelui qui discute décide. Personne d'autre ne le voit.
  • Session terminée, plan disparuLa demande suivante repart de zéro.
La procédure elle-même n'est pas du code enfermé dans un moteur de workflow. C'est une compétence d'agent, un fichier SKILL.md dans un dépôt Git : versionnée, ouverte à la relecture et lisible par toute l'équipe.

Planifier. Approuver. Exécuter.

Chaque exécution franchit les deux mêmes barrières : rien ne s'exécute tant qu'un humain n'a pas publié la conception, et aucun appel d'outil qui modifie quelque chose ne passe tant que l'approbateur désigné n'a pas donné son accord.

L'agent transforme l'intention en graphe de tâches

Dans une session de conception, il lit la compétence d'agent, décompose votre prompt en modèles de tâches aux dépendances explicites et enregistre tout le DAG en un seul appel, détection des cycles comprise. Ajustez-le dans la discussion ou à la main : rien ne s'exécute encore.

Les humains gardent la main sur les moments décisifs

Publier le workflow vaut approbation du plan : une exécution en part sans rien à confirmer. Les appels d'outils qui modifient quelque chose sont soumis à un approbateur désigné : les commandes Approuver / Rejeter / Renvoyer s'affichent directement dans la discussion, avec la liste exacte des appels qu'elles autorisent, et seule cette personne peut statuer ; toute autre personne reçoit un 403.

L'agent parcourt le graphe

Appuyez sur Exécuter et l'agent démarre aussitôt dans la session du workflow propre à l'exécution. Les tâches passent par pending → in_progress → completed dans l'ordre des dépendances, en n'appelant que les outils MCP liés à la tâche en cours, et l'agent pose ses questions au moyen de formulaires affichés directement dans la discussion.

Workflow TasksTable · Graph
Configure instancecompletedApprove launchwaiting on SamNotify #ops channelcompletedLaunch instancein progressConfirm resultpending
completedin progressapproval gatepending

Trois rôles, une seule conversation

Une session du workflow est une discussion partagée. Le demandeur, l'approbateur et l'agent publient tous dans le même fil : pas de canaux parallèles, pas de « du nouveau sur mon ticket ? »

M

Le demandeur

Exécute un workflow publié. Répond aux questions de l'agent, dans les formulaires que celui-ci affiche dans la discussion, et suit la progression des tâches dans le même fil.

S

L'approbateur

Reçoit une notification, ouvre la session et décide directement dans la discussion, avec un commentaire. Seul l'approbateur désigné peut statuer sur une approbation.

✦

L'agent

Planifie le graphe de tâches, demande les approbations au bon moment, exécute chaque étape selon la compétence et rend compte de sa progression au fur et à mesure.

Des notifications qui vous mènent à la décision

Les demandes d'approbation et les fins de session arrivent dans la cloche de notifications de chaque utilisateur et renvoient directement vers la conversation concernée.

Une piste d'audit pour chaque approbation

Qui a approuvé, ce qui a été écrit et à quel moment précis : tout est conservé dans l'enregistrement de l'approbation et consultable dans la interface d'administration.

Tout ce qu'il faut à un workflow, rien de superflu

Des compétences d'agent dans Git

Les procédures sont des fichiers SKILL.md dans des dépôts Git, clonés à la première exécution. Versionnez-les, passez-les en revue, lisez-les, comme n'importe quel autre code.

Un plan que l'on peut réexécuter

Le graphe de tâches que l'agent rédige à partir d'une compétence est publié sous forme de workflow : un vrai DAG, dépendances respectées et cycles rejetés. Chaque exécution parcourt le même graphe, affiché sous forme de tableau triable ou de graphe à disposition automatique, mis à jour au fil du travail de l'agent.

Des barrières d'approbation en cours d'exécution

Avant une étape destructive, l'agent demande l'approbation d'un utilisateur précis et se met en pause. Les boutons Approuver / Rejeter / Renvoyer apparaissent dans la discussion, pour cet utilisateur seulement.

Des outils MCP limités à chaque tâche

Enregistrez des serveurs MCP : au moment de la planification, l'agent ne lie que les outils nécessaires à chaque tâche. À l'exécution, une tâche ne peut appeler que ses propres outils, et chaque serveur lancé par A2Flow s'exécute dans son propre bac à sable bubblewrap.

Une interface riche dans la discussion

Grâce au protocole A2UI, l'agent affiche boutons, formulaires et cartes directement dans le fil, et vos clics reviennent dans l'exécution sous forme de résultats d'outils.

Apportez votre propre LLM

Gemini par défaut ; les modèles OpenAI et Anthropic via LiteLLM. Changer de fournisseur ne demande qu'une variable d'environnement.

Une pile technique aux protocoles ouverts

L'interface de discussion reçoit en flux les événements AG-UI d'un backend FastAPI, et l'agent affiche des surfaces A2UI dans la discussion. Les compétences d'agent viennent de Git, les outils de serveurs MCP, et une seule base de données relationnelle conserve le tout.

Chat UIA2UI renderer
FastAPI + Google ADK + LiteLLMplan-then-execute agent
MCP serversstreamable HTTP
Agent Skills in GitSKILL.md repos
PostgreSQL / SQLitesessions · tasks · approvals
AG-UIA2UIMCPAgent SkillsFastAPILiteLLMPostgreSQL

Lancez-le sur votre machine

Toute la pile (PostgreSQL, backend, frontend) démarre avec Docker Compose. Munissez-vous d'une clé d'API Google : vous êtes à deux commandes de votre premier workflow.

Star on GitHub
$ git clone https://github.com/kaitoy/a2flow.git && cd a2flow$ echo GOOGLE_API_KEY=your_google_api_key_here > .env$ docker compose up --build# open http://localhost:3000