L'équipe d'agents IA : Présentation des 10 experts

Ce que vous apprendrez

Comprendre les responsabilités et spécialités des 10 agents IA intégrés
Choisir rapidement l'agent le plus adapté selon le type de tâche
Maîtriser les mécanismes de collaboration entre agents (délégation, parallélisme, revue)
Connaître les restrictions de permissions et cas d'usage de chaque agent

Concept clé : Collaborer comme une vraie équipe

L'idée centrale de oh-my-opencode est : ne considérez pas l'IA comme un assistant omnipotent, mais comme une équipe de spécialistes.

Dans une vraie équipe de développement, vous avez besoin de :

Orchestrateur principal (Tech Lead) : planification, attribution des tâches, suivi de progression
Conseiller architecture (Architect) : conseils sur les décisions techniques et la conception
Revue de code (Reviewer) : vérification de la qualité du code, détection des problèmes potentiels
Expert recherche (Researcher) : recherche de documentation, implémentations open source, bonnes pratiques
Détective code (Searcher) : localisation rapide du code, recherche de références, compréhension des implémentations existantes
Designer frontend (Frontend Designer) : conception UI, ajustement des styles
Expert Git (Git Master) : commits, gestion des branches, recherche dans l'historique

oh-my-opencode transforme ces rôles en 10 agents IA spécialisés que vous pouvez combiner selon vos besoins.

Les 10 agents en détail

Orchestrateurs principaux (2)

Sisyphus - Orchestrateur principal

Rôle : Orchestrateur principal, votre responsable technique de référence

Capacités :

Raisonnement approfondi (budget thinking de 32k)
Planification et délégation de tâches complexes
Exécution de modifications et refactoring de code
Gestion de l'ensemble du processus de développement

Modèle recommandé : anthropic/claude-opus-4-5 (temperature: 0.1)

Cas d'usage :

Tâches de développement quotidiennes (nouvelles fonctionnalités, corrections de bugs)
Problèmes complexes nécessitant un raisonnement approfondi
Décomposition et exécution de tâches multi-étapes
Scénarios nécessitant une délégation parallèle à d'autres agents

Méthode d'appel :

Agent principal par défaut (« Sisyphus » dans le sélecteur d'agents OpenCode)
Saisissez directement votre tâche dans le prompt, sans mot-clé spécial

Permissions : Accès complet aux outils (write, edit, bash, delegate_task, etc.)

Atlas - Gestionnaire TODO

Rôle : Orchestrateur principal, spécialisé dans la gestion des listes TODO et le suivi d'exécution

Capacités :

Gestion et suivi des listes TODO
Exécution systématique des plans
Monitoring de la progression des tâches

Modèle recommandé : anthropic/claude-opus-4-5 (temperature: 0.1)

Cas d'usage :

Lancement de l'exécution d'un projet avec la commande /start-work
Besoin de suivre strictement un plan
Suivi systématique de la progression

Méthode d'appel :

Commande slash /start-work
Activation automatique via Atlas Hook

Permissions : Accès complet aux outils

Conseillers et revue (3)

Oracle - Conseiller stratégique

Rôle : Conseiller technique en lecture seule, expert en raisonnement avancé

Capacités :

Conseils sur les décisions d'architecture
Diagnostic de problèmes complexes
Revue de code (lecture seule)
Analyse comparative multi-systèmes

Modèle recommandé : openai/gpt-5.2 (temperature: 0.1)

Cas d'usage :

Conception d'architecture complexe
Auto-revue après un travail important
Débogage difficile après 2+ tentatives de correction échouées
Patterns de code ou architectures non familiers
Questions de sécurité/performance

Conditions de déclenchement :

Inclure @oracle dans le prompt ou utiliser delegate_task(agent="oracle")
Recommandation automatique lors de décisions d'architecture complexes

Restrictions : Lecture seule (write, edit, task, delegate_task interdits)

Principes fondamentaux :

Minimalisme : privilégier la solution la plus simple
Exploiter l'existant : modifier le code actuel plutôt qu'introduire de nouvelles dépendances
Expérience développeur d'abord : lisibilité et maintenabilité > performance théorique
Un seul chemin clair : fournir une recommandation principale, alternatives uniquement si les compromis sont significatifs

Metis - Analyste pré-planification

Rôle : Expert en analyse des besoins et évaluation des risques avant planification

Capacités :

Identification des besoins cachés et exigences implicites
Détection des ambiguïtés pouvant faire échouer l'IA
Signalement des patterns « AI-slop » potentiels (sur-ingénierie, dérive du périmètre)
Préparation des instructions pour l'agent de planification

Modèle recommandé : anthropic/claude-sonnet-4-5 (temperature: 0.3)

Cas d'usage :

Avant la planification par Prometheus
Quand la demande utilisateur est vague ou ouverte
Prévention des patterns de sur-ingénierie IA

Méthode d'appel : Appelé automatiquement par Prometheus (mode interview)

Restrictions : Lecture seule (write, edit, task, delegate_task interdits)

Processus principal :

Classification de l'intention : refactoring / construction from scratch / tâche moyenne / collaboration / architecture / recherche
Analyse spécifique : conseils ciblés selon le type
Génération de questions : questions claires pour l'utilisateur
Préparation des instructions : directives « MUST » et « MUST NOT » pour Prometheus

Momus - Réviseur de plans

Rôle : Expert en revue de plans rigoureux, détection de toutes les omissions et ambiguïtés

Capacités :

Validation de la clarté, vérifiabilité et complétude des plans
Vérification de toutes les références de fichiers et du contexte
Simulation des étapes d'implémentation réelles
Identification des omissions critiques

Modèle recommandé : anthropic/claude-sonnet-4-5 (temperature: 0.1)

Cas d'usage :

Après création d'un plan de travail par Prometheus
Avant exécution d'une liste TODO complexe
Validation de la qualité du plan

Méthode d'appel : Appelé automatiquement par Prometheus

Restrictions : Lecture seule (write, edit, task, delegate_task interdits)

Les 4 critères de revue :

Clarté du contenu : chaque tâche spécifie-t-elle une source de référence ?
Critères de validation et d'acceptation : existe-t-il une méthode de vérification concrète ?
Complétude du contexte : le contexte fourni est-il suffisant (seuil de confiance 90%) ?
Compréhension globale : le développeur comprend-il le POURQUOI, le QUOI et le COMMENT ?

Principe fondamental : Réviseur de documentation, pas conseiller en conception. Évalue si « le plan est assez clair pour être exécuté », pas si « la méthode choisie est correcte ».

Recherche et exploration (3)

Librarian - Expert recherche multi-dépôts

Rôle : Expert en compréhension de bases de code open source, spécialisé dans la recherche de documentation et d'exemples d'implémentation

Capacités :

GitHub CLI : clonage de dépôts, recherche d'issues/PRs, consultation de l'historique
Context7 : interrogation de la documentation officielle
Web Search : recherche d'informations récentes
Génération de preuves avec liens permanents

Modèle recommandé : opencode/big-pickle (temperature: 0.1)

Cas d'usage :

« Comment utiliser [bibliothèque] ? »
« Quelles sont les bonnes pratiques pour [fonctionnalité framework] ? »
« Pourquoi [dépendance externe] se comporte-t-elle ainsi ? »
« Trouver des exemples d'utilisation de [bibliothèque] »

Conditions de déclenchement :

Déclenchement automatique lors de mention de bibliothèques/sources externes
Inclure @librarian dans le prompt

Classification des types de requêtes :

Type A (conceptuel) : « Comment faire X ? », « Bonnes pratiques »
Type B (référence d'implémentation) : « Comment X implémente Y ? », « Montrer le code source de Z »
Type C (contexte et historique) : « Pourquoi ce changement ? », « Historique de X ? »
Type D (recherche approfondie) : requêtes complexes/ambiguës

Restrictions : Lecture seule (write, edit, task, delegate_task, call_omo_agent interdits)

Exigence obligatoire : Toutes les références de code doivent inclure un lien permanent GitHub

Explore - Expert exploration rapide de codebase

Rôle : Expert en recherche de code contextuelle

Capacités :

Outils LSP : définitions, références, navigation par symboles
AST-Grep : recherche par patterns structurels
Grep : recherche par patterns textuels
Glob : correspondance de patterns de noms de fichiers
Exécution parallèle (3+ outils simultanément)

Modèle recommandé : opencode/gpt-5-nano (temperature: 0.1)

Cas d'usage :

Recherches larges nécessitant 2+ angles d'approche
Structures de modules non familières
Découverte de patterns inter-couches
Recherches « Où est X ? », « Quel fichier contient Y ? »

Conditions de déclenchement :

Déclenchement automatique quand 2+ modules sont impliqués
Inclure @explore dans le prompt

Format de sortie obligatoire :

<analysis>
**Literal Request**: [demande littérale de l'utilisateur]
**Actual Need**: [besoin réel]
**Success Looks Like**: [critères de succès]
</analysis>

<results>
<files>
- /absolute/path/to/file1.ts — [pourquoi ce fichier est pertinent]
- /absolute/path/to/file2.ts — [pourquoi ce fichier est pertinent]
</files>

<answer>
[réponse directe au besoin réel]
</answer>

<next_steps>
[prochaines étapes recommandées]
</next_steps>
</results>

Restrictions : Lecture seule (write, edit, task, delegate_task, call_omo_agent interdits)

Multimodal Looker - Expert analyse média

Rôle : Interprétation des fichiers média non lisibles en texte brut

Capacités :

PDF : extraction de texte, structure, tableaux, données de sections spécifiques
Images : description de mise en page, éléments UI, texte, graphiques
Diagrammes : interprétation des relations, flux, architectures

Modèle recommandé : google/gemini-3-flash (temperature: 0.1)

Cas d'usage :

Extraction de données structurées depuis un PDF
Description d'éléments UI ou graphiques dans une image
Analyse de diagrammes dans la documentation technique

Méthode d'appel : Déclenchement automatique via l'outil look_at

Restrictions : Liste blanche lecture seule (seul l'outil read est autorisé)

Planification et exécution (2)

Prometheus - Planificateur stratégique

Rôle : Expert en collecte de besoins par interview et génération de plans de travail

Capacités :

Mode interview : questions continues jusqu'à clarification des besoins
Génération de plans : documents de planification Markdown structurés
Délégation parallèle : consultation d'Oracle, Metis, Momus pour validation

Modèle recommandé : anthropic/claude-opus-4-5 (temperature: 0.1)

Cas d'usage :

Élaboration de plans détaillés pour projets complexes
Projets nécessitant une clarification des besoins
Workflows systématisés

Méthode d'appel :

Inclure @prometheus ou « utiliser Prometheus » dans le prompt
Commande slash /start-work

Workflow :

Mode interview : questions continues jusqu'à clarification des besoins
Rédaction du plan : génération d'un plan Markdown structuré
Délégation parallèle :
- delegate_task(agent="oracle", prompt="Revoir les décisions d'architecture") → arrière-plan
- delegate_task(agent="metis", prompt="Identifier les risques potentiels") → arrière-plan
- delegate_task(agent="momus", prompt="Valider la complétude du plan") → arrière-plan
Intégration des retours : amélioration du plan
Export du plan : sauvegarde dans .sisyphus/plans/{name}.md

Restrictions : Planification uniquement, pas d'implémentation de code (imposé par le Hook prometheus-md-only)

Sisyphus Junior - Exécuteur de tâches

Rôle : Sous-agent exécuteur généré par catégorie

Capacités :

Héritage de la configuration Category (modèle, temperature, prompt_append)
Chargement de Skills (compétences spécialisées)
Exécution des sous-tâches déléguées

Modèle recommandé : Hérité de Category (par défaut anthropic/claude-sonnet-4-5)

Cas d'usage :

Génération automatique lors de l'utilisation de delegate_task(category="...", skills=["..."])
Tâches nécessitant une combinaison spécifique Category + Skill
Tâches rapides et légères (Category « quick » utilise le modèle Haiku)

Méthode d'appel : Génération automatique via l'outil delegate_task

Restrictions : task, delegate_task interdits (pas de re-délégation possible)

Référence rapide des méthodes d'appel

Agent	Méthode d'appel	Condition de déclenchement
Sisyphus	Agent principal par défaut	Tâches de développement quotidiennes
Atlas	Commande `/start-work`	Lancement d'exécution de projet
Oracle	`@oracle` ou `delegate_task(agent="oracle")`	Décisions d'architecture complexes, 2+ corrections échouées
Librarian	`@librarian` ou `delegate_task(agent="librarian")`	Déclenchement auto lors de mention de bibliothèques externes
Explore	`@explore` ou `delegate_task(agent="explore")`	Déclenchement auto quand 2+ modules impliqués
Multimodal Looker	Outil `look_at`	Analyse de PDF/images requise
Prometheus	`@prometheus` ou `/start-work`	« Prometheus » dans le prompt ou besoin de planification
Metis	Appel auto par Prometheus	Analyse automatique avant planification
Momus	Appel auto par Prometheus	Revue automatique après génération du plan
Sisyphus Junior	`delegate_task(category=...)`	Génération auto lors d'utilisation de Category/Skill

Quel agent utiliser et quand

Arbre de décision rapide

Scénario 1 : Développement quotidien (écriture de code, correction de bugs) → Sisyphus (par défaut)

Scénario 2 : Décisions d'architecture complexes → Consulter @oracle

Scénario 3 : Recherche de documentation ou d'implémentation de bibliothèques externes → @librarian ou déclenchement automatique

Scénario 4 : Codebase non familière, recherche de code pertinent → @explore ou déclenchement automatique (2+ modules)

Scénario 5 : Projet complexe nécessitant un plan détaillé → @prometheus ou utiliser /start-work

Scénario 6 : Analyse de PDF ou d'images → Outil look_at (déclenche automatiquement Multimodal Looker)

Scénario 7 : Tâche simple et rapide, économie de coûts → delegate_task(category="quick")

Scénario 8 : Opérations Git spécialisées → delegate_task(category="quick", skills=["git-master"])

Scénario 9 : Conception UI frontend → delegate_task(category="visual-engineering")

Scénario 10 : Tâche de raisonnement avancé → delegate_task(category="ultrabrain")

Exemples de collaboration entre agents : Workflows complets

Exemple 1 : Développement d'une fonctionnalité complexe

Utilisateur : Développer un système d'authentification utilisateur

→ Sisyphus reçoit la tâche
  → Analyse des besoins, détection du besoin de bibliothèque externe (JWT)
  → Délégation parallèle :
    - @librarian: "Rechercher les bonnes pratiques JWT pour Next.js" → [arrière-plan]
    - @explore: "Rechercher le code d'authentification existant" → [arrière-plan]
  → Attente des résultats, consolidation des informations
  → Implémentation de l'authentification JWT
  → Délégation post-implémentation :
    - @oracle: "Revoir la conception de l'architecture" → [arrière-plan]
  → Optimisation selon les recommandations

Exemple 2 : Planification de projet

Utilisateur : Utiliser Prometheus pour planifier ce projet

→ Prometheus reçoit la tâche
  → Mode interview :
    - Question 1 : Quelles sont les fonctionnalités principales ?
    - [Réponse utilisateur]
    - Question 2 : Quel est le public cible ?
    - [Réponse utilisateur]
    - ...
  → Besoins clarifiés, délégation parallèle :
    - delegate_task(agent="oracle", prompt="Revoir les décisions d'architecture") → [arrière-plan]
    - delegate_task(agent="metis", prompt="Identifier les risques potentiels") → [arrière-plan]
    - delegate_task(agent="momus", prompt="Valider la complétude du plan") → [arrière-plan]
  → Attente de toutes les tâches en arrière-plan
  → Intégration des retours, amélioration du plan
  → Export du document de planification Markdown
→ L'utilisateur examine le plan, confirme
→ Utilisation de /start-work pour lancer l'exécution

Permissions et restrictions des agents

Agent	write	edit	bash	delegate_task	webfetch	read	LSP	AST-Grep
Sisyphus	✅	✅	✅	✅	✅	✅	✅	✅
Atlas	✅	✅	✅	✅	✅	✅	✅	✅
Oracle	❌	❌	❌	❌	✅	✅	✅	✅
Librarian	❌	❌	❌	❌	✅	✅	✅	✅
Explore	❌	❌	❌	❌	❌	✅	✅	✅
Multimodal Looker	❌	❌	❌	❌	❌	✅	✅	✅
Prometheus	❌	❌	❌	✅	✅	✅	✅	✅
Metis	❌	❌	❌	❌	✅	✅	✅	✅
Momus	❌	❌	❌	❌	✅	✅	✅	✅
Sisyphus Junior	✅	✅	✅	❌	✅	✅	✅	✅

Résumé de la leçon

Les 10 agents IA de oh-my-opencode couvrent toutes les étapes du processus de développement :

Orchestration et exécution : Sisyphus (orchestrateur principal), Atlas (gestion TODO)
Conseil et revue : Oracle (conseiller stratégique), Metis (analyse pré-planification), Momus (revue de plans)
Recherche et exploration : Librarian (recherche multi-dépôts), Explore (exploration de codebase), Multimodal Looker (analyse média)
Planification : Prometheus (planification stratégique), Sisyphus Junior (exécution de sous-tâches)

Points clés :

Ne considérez pas l'IA comme un assistant omnipotent, mais comme une équipe de spécialistes
Choisissez l'agent le plus adapté selon le type de tâche
Exploitez la délégation parallèle pour plus d'efficacité (Librarian, Explore, Oracle peuvent s'exécuter en arrière-plan)
Comprenez les restrictions de permissions de chaque agent (les agents en lecture seule ne peuvent pas modifier le code)
La collaboration entre agents forme un workflow complet (planification → exécution → revue)

Aperçu de la prochaine leçon

Dans la prochaine leçon, nous étudierons Planification Prometheus : Collecte de besoins par interview.
Vous apprendrez :
Comment utiliser Prometheus pour la collecte de besoins par interview
Comment générer des plans de travail structurés
Comment faire valider les plans par Metis et Momus
Comment récupérer et annuler les tâches en arrière-plan

Annexe : Références du code source

Cliquez pour voir les emplacements du code source

Dernière mise à jour : 2026-01-26

Agent	Chemin du fichier	Lignes
Sisyphus orchestrateur principal	`src/agents/sisyphus.ts`	-
Atlas orchestrateur principal	`src/agents/atlas.ts`	-
Oracle conseiller	`src/agents/oracle.ts`	1-123
Librarian expert recherche	`src/agents/librarian.ts`	1-327
Explore expert recherche	`src/agents/explore.ts`	1-123
Multimodal Looker	`src/agents/multimodal-looker.ts`	1-57
Prometheus planificateur	`src/agents/prometheus-prompt.ts`	1-1196
Metis analyse pré-planification	`src/agents/metis.ts`	1-316
Momus réviseur de plans	`src/agents/momus.ts`	1-445
Sisyphus Junior	`src/agents/sisyphus-junior.ts`	-
Définition des métadonnées agents	`src/agents/types.ts`	-
Restrictions d'outils agents	`src/shared/permission-compat.ts`	-

Configurations clés :

ORACLE_PROMPT_METADATA : Métadonnées de l'agent Oracle (conditions de déclenchement, cas d'usage)
LIBRARIAN_PROMPT_METADATA : Métadonnées de l'agent Librarian
EXPLORE_PROMPT_METADATA : Métadonnées de l'agent Explore
MULTIMODAL_LOOKER_PROMPT_METADATA : Métadonnées de l'agent Multimodal Looker
METIS_SYSTEM_PROMPT : Prompt système de l'agent Metis
MOMUS_SYSTEM_PROMPT : Prompt système de l'agent Momus

Fonctions clés :

createOracleAgent(model) : Création de la configuration de l'agent Oracle
createLibrarianAgent(model) : Création de la configuration de l'agent Librarian
createExploreAgent(model) : Création de la configuration de l'agent Explore
createMultimodalLookerAgent(model) : Création de la configuration de l'agent Multimodal Looker
createMetisAgent(model) : Création de la configuration de l'agent Metis
createMomusAgent(model) : Création de la configuration de l'agent Momus

Restrictions de permissions :

createAgentToolRestrictions() : Création des restrictions d'outils agents (utilisé par Oracle, Librarian, Explore, Metis, Momus)
createAgentToolAllowlist() : Création de la liste blanche d'outils agents (utilisé par Multimodal Looker)

L'équipe d'agents IA : Présentation des 10 experts ​

Ce que vous apprendrez ​

Concept clé : Collaborer comme une vraie équipe ​

Les 10 agents en détail ​

Orchestrateurs principaux (2) ​

Sisyphus - Orchestrateur principal ​

Atlas - Gestionnaire TODO ​

Conseillers et revue (3) ​

Oracle - Conseiller stratégique ​

Metis - Analyste pré-planification ​

Momus - Réviseur de plans ​

Recherche et exploration (3) ​

Librarian - Expert recherche multi-dépôts ​

Explore - Expert exploration rapide de codebase ​

Multimodal Looker - Expert analyse média ​

Planification et exécution (2) ​

Prometheus - Planificateur stratégique ​

Sisyphus Junior - Exécuteur de tâches ​

Référence rapide des méthodes d'appel ​

Quel agent utiliser et quand ​

Exemples de collaboration entre agents : Workflows complets ​

Exemple 1 : Développement d'une fonctionnalité complexe ​

Exemple 2 : Planification de projet ​

Permissions et restrictions des agents ​

Résumé de la leçon ​

Aperçu de la prochaine leçon ​

Annexe : Références du code source ​

L'équipe d'agents IA : Présentation des 10 experts

Ce que vous apprendrez

Concept clé : Collaborer comme une vraie équipe

Les 10 agents en détail

Orchestrateurs principaux (2)

Sisyphus - Orchestrateur principal

Atlas - Gestionnaire TODO

Conseillers et revue (3)

Oracle - Conseiller stratégique

Metis - Analyste pré-planification

Momus - Réviseur de plans

Recherche et exploration (3)

Librarian - Expert recherche multi-dépôts

Explore - Expert exploration rapide de codebase

Multimodal Looker - Expert analyse média

Planification et exécution (2)

Prometheus - Planificateur stratégique

Sisyphus Junior - Exécuteur de tâches

Référence rapide des méthodes d'appel

Quel agent utiliser et quand

Exemples de collaboration entre agents : Workflows complets

Exemple 1 : Développement d'une fonctionnalité complexe

Exemple 2 : Planification de projet

Permissions et restrictions des agents

Résumé de la leçon

Aperçu de la prochaine leçon

Annexe : Références du code source