Blog

Pyspur: Le Constructeur d'Agent IA Open Source

Mark Ponomarev

Mark Ponomarev

17 June 2025

Pyspur: Le Constructeur d'Agent IA Open Source

Qu'est-ce que Pyspur ?

Pyspur est une plateforme open source conçue pour accélérer le développement d'agents IA en fournissant un environnement visuel basé sur des nœuds. Elle permet aux ingénieurs de construire, déboguer et déployer des flux de travail IA complexes en connectant des composants modulaires sur un canevas glisser-déposer.

Le problème principal que Pyspur résout est le manque de transparence et le cycle d'itération lent courants dans le développement d'IA. Il s'attaque à "l'enfer des prompts" et aux "angles morts des flux de travail" en permettant aux développeurs d'inspecter les entrées et sorties de chaque étape de la logique de leur agent en temps réel. La plateforme inclut un support intégré pour des modèles avancés comme la Génération Augmentée par Récupération (RAG), permet des points d'arrêt "human-in-the-loop", et peut déployer n'importe quel flux de travail en tant qu'API prête pour la production en un seul clic. En fin de compte, Pyspur aide les ingénieurs à construire des systèmes IA plus fiables et débogables plus rapidement.

💡
Vous voulez un excellent outil de test d'API qui génère une magnifique documentation d'API ?

Vous voulez une plateforme intégrée et tout-en-un pour que votre équipe de développeurs travaille ensemble avec une productivité maximale ?

Apidog répond à toutes vos exigences et remplace Postman à un prix beaucoup plus abordable !
button

Commençons !

1. Configuration de l'environnement

Choisissez l'option de configuration qui correspond le mieux à votre objectif. Pour le développement local et l'expérimentation, l'installation via pip est suffisante. Pour les systèmes évolutifs ou de production, la configuration basée sur Docker est recommandée car elle fournit un environnement reproductible et conteneurisé avec une instance PostgreSQL dédiée.

Option A : Installation locale via pip

Prérequis : Python 3.11+

Installer depuis PyPI :

pip install pyspur

Initialiser le répertoire du projet : Cette commande crée une structure de projet, incluant un fichier .env pour la configuration.

pyspur init my-pyspur-project && cd my-pyspur-project

Lancer le serveur : L'option --sqlite indique à Pyspur d'utiliser une base de données SQLite locale, supprimant la dépendance à un serveur de base de données séparé.

pyspur serve --sqlite

Accéder à l'interface utilisateur : Naviguez vers http://localhost:6080 dans votre navigateur.

Option B : Configuration Docker

Prérequis : Docker Engine

Exécuter le script de configuration : Cette commande télécharge et exécute un script shell qui clone le dépôt Pyspur, configure le fichier docker-compose.dev.yml et lance la pile d'application (frontend, backend, base de données).

curl -fsSL https://raw.githubusercontent.com/PySpur-com/pyspur/main/start_pyspur_docker.sh | bash -s pyspur-project

Accéder à l'interface utilisateur : Naviguez vers http://localhost:6080.

2. Construisons un flux de travail avec Pyspur

Au lieu de construire à partir de zéro, nous allons charger et analyser un modèle Pyspur existant. Cette approche offre un aperçu réaliste d'un flux de travail non trivial.

Charger le modèle :

Analyse du flux de travail :
Ce flux de travail est conçu pour générer une blague, puis l'affiner. Il utilise un BestOfNNode, un composant avancé qui exécute un prompt LLM N fois, utilise un autre appel LLM pour noter les N sorties, et sélectionne la meilleure.

Décortiquons les nœuds clés tels que définis dans joke_generator.json :

input_node (InputNode) : Ce nœud définit le point d'entrée du flux de travail.

JokeDrafter (BestOfNNode) : C'est la première étape de la création de la blague.

JokeRefiner (BestOfNNode) : Ce nœud prend la blague ébauchée et l'améliore.

Liens : Le tableau links dans le JSON définit le flux de données :
input_node -> JokeDrafter -> JokeRefiner.

Exécution et inspection :

3. Implémentation d'un pipeline RAG

Bien que ne faisant pas partie du générateur de blagues, la Génération Augmentée par Récupération (RAG) est une capacité essentielle de Pyspur. Voici le processus technique pour ajouter des connaissances à un agent :

  1. Ingestion de documents (Collection) : Naviguez vers la section RAG. Lorsque vous créez une "Collection de documents" et téléchargez un fichier (par exemple, un PDF), Pyspur lance un processus backend qui analyse le document en texte, le segmente en morceaux configurables basés sur la longueur des tokens, et stocke ces morceaux avec les métadonnées sources dans sa base de données.
  2. Vectorisation (Index) : La création d'un "Index vectoriel" à partir d'une collection déclenche un autre processus. Pyspur itère sur chaque morceau de texte, effectue un appel API à un modèle d'embedding spécifié (par exemple, text-embedding-ada-002 d'OpenAI) pour obtenir une représentation vectorielle, et insère ou met à jour (upserts) ces vecteurs dans une base de données vectorielle configurée (par exemple, ChromaDB, PGVector).
  3. Récupération (Nœud de flux de travail) : Dans un flux de travail, le Nœud de récupération (Retriever Node) est configuré pour pointer vers un Index vectoriel spécifique. Lors de l'exécution, son entrée query est embarquée (embedded) en utilisant le même modèle, et une recherche sémantique (plus proche voisin approximatif) est effectuée sur la base de données vectorielle pour récupérer les morceaux de texte les plus pertinents. Ces morceaux sont ensuite passés comme contexte à un LLM en aval.

4. Déploiement en tant qu'API de production

Lorsque votre flux de travail est finalisé, vous pouvez l'exposer en tant que point d'accès HTTP sécurisé.

Lancer le déploiement : Cliquez sur le bouton "Deploy" (Déployer) dans la barre de navigation supérieure.

Sélectionner le type d'appel API :

Intégrer avec votre application :
La fenêtre modale de déploiement génère le code client. Le corps de la requête POST doit être un objet JSON où la clé initial_inputs contient un objet dont les clés correspondent au title de vos nœuds d'entrée.

Exemple de client Python (pour le générateur de blagues) :

import requests
import json
import time

PYSUR_HOST = "http://localhost:6080"
WORKFLOW_ID = "your_workflow_id_here" # Obtenez ceci depuis la fenêtre modale de déploiement

# Les clés de ce dictionnaire doivent correspondre au 'output_schema' du input_node
payload = {
    "initial_inputs": {
        "input_node": {
            "topic": "Python decorators",
            "audience": "Senior Software Engineers" # Ingénieurs logiciels seniors
        }
    }
}

# 1. Démarrer l'exécution non bloquante
start_url = f"{PYSUR_HOST}/api/wf/{WORKFLOW_ID}/start_run/?run_type=non_blocking"
start_resp = requests.post(start_url, json=payload)
run_id = start_resp.json()['id']
print(f"Workflow started with run_id: {run_id}") # Flux de travail démarré avec run_id : {run_id}

# 2. Interroger pour obtenir le résultat
status_url = f"{PYSUR_HOST}/api/runs/{run_id}/status/"
while True:
    status_resp = requests.get(status_url)
    data = status_resp.json()
    status = data.get("status")
    print(f"Current status: {status}") # Statut actuel : {status}
    if status in ["COMPLETED", "FAILED"]: # COMPLETED (TERMINÉ), FAILED (ÉCHOUÉ)
        print("Final Output:") # Sortie finale :
        print(json.dumps(data.get("outputs"), indent=2))
        break
    time.sleep(2)

Conclusion

Pyspur offre un environnement robuste, transparent et techniquement fondé pour le développement d'agents IA. En abstraiant les opérations individuelles en nœuds modulaires et en fournissant un canevas visuel, il permet aux ingénieurs de se concentrer sur la logique de haut niveau de leurs agents. La véritable force de la plateforme réside dans sa profonde inspectabilité — vous permettant de tracer le flux de données et de déboguer les entrées/sorties de chaque composant — et sa transition transparente du prototype visuel à l'API prête pour la production. Le passage d'agents simples à appel unique à des flux de travail complexes en plusieurs étapes utilisant des modèles comme Best-of-N ou RAG n'est pas seulement possible, mais intuitif. En construisant avec Pyspur, vous ne connectez pas seulement des boîtes ; vous concevez des systèmes IA fiables, débogables et évolutifs.

💡
Vous voulez un excellent outil de test d'API qui génère une magnifique documentation d'API ?

Vous voulez une plateforme intégrée et tout-en-un pour que votre équipe de développeurs travaille ensemble avec une productivité maximale ?

Apidog répond à toutes vos exigences et remplace Postman à un prix beaucoup plus abordable !
button

Pratiquez le Design-first d'API dans Apidog

Découvrez une manière plus simple de créer et utiliser des API

S'inscrire gratuitementTélécharger