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.
Deux discussions, un workflow : conçu avec l'agent, puis exécuté dans sa propre session, formulaires et approbations compris.
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 processus comme logiciel : reproductible mais rigide, avec des formulaires et des états figés, et des humains pour faire le lien.
Le processus comme improvisation : souple, mais jamais deux fois pareil.
Un mode opératoire que vous déroulez avec l'IA : aussi souple qu'une discussion, aussi reproductible qu'une procédure.
SKILL.md dans un dépôt Git : versionnée, ouverte à la relecture et lisible par toute l'équipe.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.
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.
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.
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.
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 ? »
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.
Reçoit une notification, ouvre la session et décide directement dans la discussion, avec un commentaire. Seul l'approbateur désigné peut statuer sur une approbation.
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.
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.
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.
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.
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.
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.
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.
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.
Gemini par défaut ; les modèles OpenAI et Anthropic via LiteLLM. Changer de fournisseur ne demande qu'une variable d'environnement.
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.
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