Langroid : des agents IA qui collaborent par messages

Une approche inspirée du modèle des acteurs

Langroid part d’une idée simple : un agent IA est un objet auquel on ajoute, au besoin, un modèle de langage, une base vectorielle et des outils. On l’enveloppe ensuite dans une « tâche » (Task), et les tâches se passent la main en s’envoyant des messages, à la manière du modèle des acteurs en informatique. Pas besoin de connaître ce modèle pour s’en servir : l’intérêt est d’obtenir des systèmes multi-agents dont la logique reste lisible.

Le projet existe depuis 2023 et ses auteurs l’ont utilisé dans un travail de recherche publié en 2024 (ML for Healthcare) sur la pharmacovigilance, avec une architecture de RAG multi-agents.

Ce que l’on peut en faire

Langroid fournit des agents spécialisés prêts à l’emploi : un agent qui répond à partir de documents (RAG), un autre qui interroge une base SQL, et un mécanisme d’outils (ToolMessage) qui sert aussi à obtenir une sortie structurée, utile pour extraire des informations d’un contrat ou d’un rapport. Un adaptateur permet de transformer les outils d’un serveur MCP en outils Langroid.

Démarrer

Installez le paquet langroid avec pip, configurez un modèle (clé OpenAI ou modèle local servi par Ollama), puis créez un agent de conversation et enveloppez-le dans une tâche. Le carnet Colab officiel de démarrage construit pas à pas un exemple à deux agents qui extraient des informations, sans rien installer sur votre machine. Un dépôt d’exemples séparé couvre les cas plus avancés.

Forces et limites

Forces : une architecture cohérente et légère, l’indépendance vis-à-vis de LangChain, la compatibilité avec des modèles locaux, des agents RAG et SQL intégrés et une licence MIT.

Limites : Python uniquement ; une communauté plus restreinte que celle des grands frameworks, donc moins de tutoriels tiers ; un projet porté par une petite équipe, avec des contributions sur invitation, ce qui peut compter pour un choix à long terme.

Alternatives

CrewAI et AutoGen sont des références du multi-agents en Python, LlamaIndex est plus spécialisé dans l’interrogation de documents, et Atomic Agents mise lui aussi sur la légèreté.