Un agent de code qui travaille dans votre dossier et demande avant de modifier.

Le bon modèle pour chaque message

CsAgent choisit le modèle message par message, sans appel supplémentaire ni délai. Trois profils :

• Code (deepseek-v4-flash) : le code, les fichiers, le shell, git, le courrier, l'audio. C'est lui qui exécute les outils.
• Chat (openweight-large) : les recherches (web, actualités, météo, un lien à lire) et les questions générales.
• Vision (gemma-4-31b-it) : dès qu'une image est jointe ou déjà dans la conversation.

Le modèle est affiché avant chaque exécution, avec la raison du choix, et sous chaque message de l'assistant (dans le terminal, dans les interfaces web et dans l'événement model de l'API). --model <nom> impose un seul modèle, et --no-route revient au modèle de code partout.

> User: cherche sur internet les actualités de l'IA
  [model: openweight-large (chat: recherche web (« actualites »))]
...
  [model: openweight-large]

csagent --explain-routing "open in Edge browser"
Modèle  : deepseek-v4-flash
Raison  : action sur votre ordinateur (« open »)

Sur un point d'accès personnalisé (Ollama…), il n'y a pas de modèle de chat tant que vous n'en indiquez pas un avec --chat-model : tous les messages utilisent alors le modèle de code. Le modèle de chat doit gérer l'appel d'outils.

Réglez le routage à la main

csagent --init-routing crée un dossier LLMRoutingRules/ de fichiers JSON. Modifiez-les avec un éditeur : le changement s'applique au message suivant, sans redémarrage ni recompilation.

• models.json : le modèle de chaque profil (null pour garder la valeur intégrée).
• keywords.json : ajouter ou retirer des mots, des expressions et des extensions de fichier.
• rules.json : vos règles, testées avant la logique intégrée, la première qui correspond l'emporte.

Une erreur dans un fichier n'arrête jamais l'agent : un avertissement s'affiche une fois et les valeurs intégrées restent en place. --explain-routing "message" montre le modèle qui serait choisi, sans appeler aucun modèle. Les messages de routage existent en français et en anglais (--lang fr|en, ou la langue du système).

{ "rules": [
  { "name": "tickets",
    "contains": ["jira", "ticket"],
    "use": "code" },
  { "name": "traductions",
    "starts_with": ["traduis", "translate"],
    "use": "chat" }
] }

Le dossier est cherché dans l'ordre : --rules <dossier>, puis ./LLMRoutingRules, puis à côté de l'exécutable.

Apportez votre modèle

CsAgent parle l'API de chat compatible OpenAI, avec appel d'outils. Il utilise par défaut l'API Albert, le service de LLM du secteur public français, et fonctionne avec tout ce qui expose la même interface.

Choisissez un modèle qui gère l'appel d'outils, car la boucle de l'agent en dépend. Les images demandent un modèle de vision, indiqué par --vision-model ; le modèle du code et celui du chat se règlent avec --code-model et --chat-model.

ollama pull qwen2.5-coder:14b
csagent --endpoint http://localhost:11434/v1 --model qwen2.5-coder:14b

Un point d'accès local n'a pas besoin de clé. Un point d'accès distant lit ALBERT_API_KEY. Définissez CSAGENT_ENDPOINT pour ne plus retaper l'URL. Les limites de débit (HTTP 429) sont retentées avec temporisation, réglable par --max-retries et --retry-delay.

Branchez un serveur MCP

En HTTP (--mcp) ou en local (--mcp-stdio), un ou plusieurs serveurs, avec des en-têtes d'authentification. Leurs outils sont proposés au modèle à côté des outils intégrés.

• Les outils apparaissent sous le nom mcp_<nom> (ou mcp_<serveur>_<nom> avec plusieurs serveurs), donc un serveur ne peut jamais remplacer un outil intégré.
• Un serveur en panne donne un avertissement ; les autres restent utilisables. Les secrets des en-têtes (${VAR}) ne sont jamais affichés.
• CsAgent ne peut pas savoir ce que fait l'outil d'un serveur, donc chaque appel MCP demande votre accord.
• Ce qu'envoie un serveur est traité comme une donnée non fiable.

csagent --mcp https://api.exemple.com/mcp \
  --mcp-header "Authorization: Bearer ${MCP_TOKEN}"
csagent --mcp-stdio "npx -y @modelcontextprotocol/server-filesystem ."

Limites actuelles : outils seulement (ni ressources ni prompts), pas d'OAuth, résultats en texte. Rien n'est lancé automatiquement depuis le dossier de travail : un serveur stdio ne démarre que si vous le nommez.

Ajoutez un outil en six étapes

1. Ajoutez un cas au switch de DispatchAsync.
2. Décrivez l'outil dans ToolDefinitions, sous forme de schéma de fonction JSON.
3. Écrivez le gestionnaire. Il renvoie OK: … ou Error: ….
4. Contrôlez les chemins avec IsSafePath et les commandes avec IsSafeCommand.
5. S'il modifie des choses, ajoutez-le à IsDestructive pour qu'il demande d'abord.
6. S'il a besoin d'un rappel de l'hôte, passez un délégué à DispatchAsync.

Lire le guide complet (en anglais)

Apprenez-lui une tâche récurrente avec un skill

Un skill est un fichier Markdown dans skills/. L'agent lit un petit index au début d'une tâche et n'ouvre un skill que si son déclencheur correspond. En ajouter un ne demande ni code ni recompilation : écrivez le fichier, ajoutez une ligne.

| Skill | Version | Use when… | File |
| CSV Handling | 1.0 | The user asks to read, parse, import,
  or work with a .csv file… | skills/csv-handling.md |

Onze skills sont fournis, dont la planification d'un projet par un product owner, le cadrage de tâche, planifier puis exécuter, la vérification finale et la reprise après échec, qui orientent la façon de travailler de l'agent plus que ce qu'il produit.

Assez petit pour être lu

• Zéro paquet NuGet dans l'application. Tout, y compris les fichiers de mémoire et le lecteur de .msg Outlook, repose sur la bibliothèque de classes de base de .NET.
• Pensé pour NativeAOT, en fichier unique. La sérialisation JSON par réflexion est désactivée volontairement, donc tout le JSON passe par JsonNode.
• 141 tests tournent contre un faux serveur LLM, sans clé et sans réseau. Le projet de tests reproduit la contrainte AOT : un JsonSerializer.Serialize<T>() égaré fait échouer les tests comme il ferait échouer le binaire publié.