Tendril : Un agent auto-extensible qui construit et enregistre des outils à la volée
Tendril est un bac à sable agentique auto-extensible qui illustre le modèle de capacité des agents — le modèle découvre, construit et réutilise des outils de manière autonome entre les sessions. Construit avec AWS Strands Agents SDK et Tauri.
Comment ça marche
Vous demandez à Tendril de faire quelque chose. Il vérifie son registre de capacités. Si un outil existe, il l'utilise. Sinon, il en écrit un, l'enregistre et l'exécute — tout cela sans demander. La prochaine fois que vous avez besoin de la même chose, l'outil est déjà là.
Vous : "récupère les meilleures histoires de Hacker News"
Tendril : → searchCapabilities("fetch url hacker news") # rien trouvé
→ registerCapability(fetch_url, code) # construit un outil
→ execute("fetch_url", {url: "https://..."}) # l'exécute par son nom
→ "Voici les meilleures histoires : ..."
Vous : "maintenant récupère Lobsters et compare"
Tendril : → listCapabilities() # trouvé : fetch_url ✓
→ execute("fetch_url", {url: "https://lobste.rs"}) # l'exécute — pas de reconstruction
Le registre grandit avec l'utilisation. Chaque session est plus intelligente que la précédente.
Configuration de l'agent
Le cœur de Tendril est un agent Strands avec seulement trois outils de bootstrap :
import { Agent } from '@strands-agents/sdk';
import { BedrockModel } from '@strands-agents/sdk/models/bedrock';
const agent = new Agent({
model: new BedrockModel({ modelId: '...', region: '...' }),
systemPrompt: TENDRIL_SYSTEM_PROMPT(workspacePath),
printer: nullPrinter,
tools: [
listCapabilities(registry),
registerCapability(registry),
executeCode(registry, workspacePath, config),
],
});
Règles du prompt système
Le prompt système impose un comportement autonome :
- Appelez
searchCapabilities(query)pour vérifier si un outil pertinent existe - Si trouvé : appelez
loadTool(name)puisexecute(code, args) - Si PAS trouvé : vous DEVEZ construire l'outil vous-même
- Ne demandez JAMAIS "voulez-vous que je crée un outil ?" — construisez-le simplement
- Si un outil échoue, lisez l'erreur, corrigez le code et réessayez
- Ne répondez JAMAIS à partir des données d'entraînement quand un outil pourrait obtenir des informations en direct
Architecture
┌─────────────────────────────────────────┐ │ Tauri Shell (Rust) │ │ ACP Host ──stdin/stdout──► Agent │ │ (acp.rs) NDJSON (Node.js SEA)│ │ Events ◄── session/update ──┘ │ │ (events.rs) │ │ Tauri Events ──► React Frontend │ │ (TailwindCSS v4) │ └─────────────────────────────────────────┘Agent internals: Strands SDK ── BedrockModel ── Claude │ 4 bootstrap tools ┌────┴────┐ │ Registry │ ←→ index.json + tools/*.ts └─────────┘ ┌────┴────┐ │ Sandbox │ ←→ Deno subprocess (sandboxed)
La boucle agentique s'exécute à l'intérieur de agent.stream() et fait le pont avec le protocole ACP, exposant les phases think, act et observe à l'interface utilisateur.
La solution "trop d'outils"
La plupart des frameworks d'agents donnent au modèle un grand sac d'outils en espérant qu'il choisisse le bon. Tendril inverse cela — le modèle voit toujours exactement trois outils. Il cherche dans un registre, construit ce dont il a besoin, et le registre grandit avec le temps. La surface d'outils ne change jamais ; les capacités, si.
📖 Lire le code source complet : HN AI Agents
👀 See Also

Système de mémoire persistante sans code pour Claude utilisant Notion et MCP
Un radiologue a construit un 'Hub Cognitif' dans Notion que Claude lit et écrit via MCP, créant une base de connaissances structurée avec une table de routage pour charger uniquement les informations pertinentes par conversation. Le système a atteint plus de 70 pages après un mois d'utilisation quotidienne.
Voker lance sa plateforme d'analyse d'agents avec les primitives Intention/Correction/Résolution
La startup YC S24 Voker lance une plateforme d'analyse d'agents avec un SDK léger qui annote automatiquement les intentions, corrections et résolutions des utilisateurs — offrant des tableaux de bord en libre-service sans recourir aux LLM pour le data engineering.

Cadre pour les coéquipiers IA dans Slack, entièrement opéré depuis Claude Code
ginnie-agents est un framework open-source pour exécuter des agents IA autonomes avec des identités Slack, une mémoire à trois niveaux, des routines cron et des horaires de travail — le tout configuré et opéré via Claude Code. Nécessite Claude Code Max, Docker, Node 22+ et un espace de travail Slack avec les permissions de création d'applications.

Rappel : Un serveur MCP de mémoire persistante pour Claude Code
Recall est un serveur MCP open-source qui donne à Claude Code une mémoire persistante entre les sessions via une recherche sémantique avec des embeddings. Il comprend quatre crochets de cycle de vie : session-start, observe, pre-compact et session-end.