GitAgent : Une norme ouverte pour les agents d'IA portables dans les dépôts Git
Ce que fait GitAgent
GitAgent résout le problème du verrouillage des frameworks d'agents d'IA en créant une définition d'agent portable qui fonctionne sur plusieurs plateformes. Au lieu de réécrire les agents lors du changement de framework, les développeurs peuvent définir des agents comme des fichiers dans un dépôt git qui s'exportent vers Claude Code, OpenAI Agents SDK, CrewAI, Google ADK, LangChain, et d'autres.
Spécification principale
La norme utilise trois fichiers obligatoires :
agent.yaml- Fichier de configurationSOUL.md- Personnalité et instructionsSKILL.md- Définition des capacités
Avantages Git-Natifs
En étant git-natif, GitAgent offre plusieurs avantages intégrés :
- Contrôle de version pour le comportement de l'agent - revenir en arrière sur de mauvais prompts comme annuler des commits
- Branches pour la promotion d'environnements (dev → staging → main)
- Humain dans la boucle via les PRs - les agents peuvent ouvrir des branches pour examen humain
- Traçabilité d'audit via git blame et git diff
- Fork et remix d'agents - forker des agents publics, les personnaliser, et proposer des améliorations via PR
- Intégration CI/CD avec GitAgent validate dans GitHub Actions
Utilisation de l'interface en ligne de commande
L'interface en ligne de commande permet l'exécution directe des dépôts d'agents :
npx @open-gitagent/gitagent run -r https://github.com/user/agent -a claudeFonctionnalités de conformité optionnelles
Pour les organisations nécessitant des contrôles de conformité, GitAgent propose :
- Gestion des niveaux de risque
- Correspondances réglementaires (FINRA, SEC, SR 11-7)
- Rapports d'audit via
GitAgent audit
Disponibilité
La spécification est disponible sur https://gitagent.sh avec le code sur GitHub. Les développeurs sollicitent des retours sur la conception du schéma et les priorités d'adaptateurs pour le développement futur.
📖 Read the full source: HN AI Agents
👀 See Also
Utiliser Claude pour extraire des données d'un jeu Football Manager de 1997
Ben Nuttall a utilisé Claude pour extraire les données des joueurs, équipes et stades de FIFA Soccer Manager 97. L'IA a analysé le fichier SM97.DAT, exporté en CSV et construit un site web consultable. Tout le code Python est sur GitHub.
IUM : L'Indexeur de Symboles MCP Réduit l'Utilisation de Jetons des Agents IA de 15,9x par rapport à grep
IUM indexe les bases de code dans une matrice SQLite d'événements de symboles, exposant les coordonnées exactes fichier:ligne, le traçage de graphe d'appels et la recherche sémantique via MCP. Testé avec DataFusion (1 538 fichiers), montrant 15,9 fois moins de tokens que grep pour des requêtes équivalentes.
Codebase Memory MCP : Exploration de code basée sur des graphes pour Claude Code
Un développeur a créé un serveur MCP qui indexe des bases de code dans un graphe de connaissances persistant en utilisant Tree-sitter et SQLite, réduisant l'utilisation de tokens par 20x en moyenne pour les requêtes structurelles comme le traçage d'appels et la détection de code mort.
htmLLM-124M v2 publié : Modèle d'autocomplétion HTML/Bootstrap spécialisé
LH-Tech-AI a publié htmLLM-124M v2, un modèle de 124 millions de paramètres spécialisé dans l'autocomplétion HTML/Bootstrap qui atteint une perte de validation de 0,91 et s'entraîne en ~8 heures sur une seule GPU T4.