dsprak645/agentcore-os

Que fait agentcore-os ?

Construisez et gérez des flux de travail IA sécurisés, locaux en priorité, intégrant modèles, outils, fichiers et processus pour divers besoins métier.

Présentation

dsprak645/agentcore-os est un skill conçu pour les agents IA (Claude Code, Cursor, Codex, etc.) qui permet de créer et d'exécuter des workflows IA robustes et axés sur la confidentialité. En privilégiant l'exécution locale, ce skill garantit que les données sensibles restent sous votre contrôle, tout en offrant la flexibilité de faire appel à des services cloud de manière sécurisée si nécessaire.

Fonctionnalités

• Local en priorité : Tous les traitements et données sont gérés localement par défaut, minimisant les transferts de données externes.
• Sécurité intégrée : Support du chiffrement (AES-256) et de la gestion des clés pour protéger les informations métier sensibles.
• Modulaire : Intégration aisée de modèles (LLM small, modèles spécialisés), d'outils (API REST, bases de données, scripts) et de fichiers (PDF, CSV, images).
• Multi-domaines : Adapté aux secteurs réglementés comme la finance, la santé ou le juridique.
• Orienté processus : Capacité à enchaîner des étapes logiques (analyse, décision, exécution) en toute sécurité.

Utilisation

Avec Claude Code

$ claude code use dsprak645/agentcore-os

> "Analyse mon fichier local 'rapport-financier.csv' et génère un résumé exécutif chiffré."

Avec Cursor

1. Ouvrez Cursor et accédez à la palette de commandes (Cmd+Shift+P).
2. Tapez Add Skill et recherchez dsprak645/agentcore-os.
3. Dans un fichier Markdown, utilisez :

@agentcore-os Analyser localement 'bilan.xlsx' et proposer des ajustements budgétaires.

Avec Codex

$ codex --skill dsprak645/agentcore-os

Codex > "Exécute un workflow de classification de documents à partir du dossier './docs'."

Exemples de flux de travail

Exemple 1 : Analyse financière locale

1. L'agent lit un fichier CSV local contenant des transactions.
2. Il appelle un modèle local (ex. Llama 3.1 8B) pour détecter des anomalies.
3. Il génère un rapport chiffré en Markdown.
4. Il stocke le résultat dans un dossier sécurisé.

Exemple 2 : Assistant juridique avec données sensibles

1. L'agent charge un contrat au format PDF en local.
2. Il extrait les clauses clés via OCR local.
3. Il compare avec une base de jurisprudence locale (SQLite).
4. Il produit un résumé juridique, sans jamais transmettre les données à un service cloud.

Configuration

Variable d'environnement	Description	Valeur par défaut
AGENTCORE_LOCAL_DIR	Dossier racine pour les fichiers locaux	./agentcore-data
AGENTCORE_ENCRYPTION_KEY	Clé de chiffrement AES-256	(générée automatiquement si manquante)
AGENTCORE_MODEL_PATH	Chemin vers le modèle local préféré	./models
AGENTCORE_LOG_LEVEL	Niveau de journalisation	info

Dépendances

• Python 3.10+ (ou équivalent selon la plateforme)
• SQLite (pour le stockage local)
• Un modèle de langage open source (optionnel, recommandé : Llama 3.1 8B, Mistral 7B, etc.)
• cryptography (bibliothèque Python pour le chiffrement)

Sécurité

Toutes les communications sont locales par défaut. Si des appels à des API externes sont nécessaires, ils sont effectués via HTTPS avec vérification des certificats et peuvent être déconnectés en définissant AGENTCORE_ALLOW_EXTERNAL=false.

Dépannage

• Problème : "Modèle local non trouvé"
  • Solution : Assurez-vous que le chemin AGENTCORE_MODEL_PATH pointe vers un dossier contenant le modèle téléchargé. Consultez la documentation de votre modèle pour les instructions de téléchargement.
• Problème : "Le fichier n'a pas pu être déchiffré"
  • Solution : Vérifiez que AGENTCORE_ENCRYPTION_KEY correspond à la clé utilisée lors du chiffrement du fichier.

Licence

Ce skill est distribué sous licence MIT. Voir le fichier LICENSE pour plus de détails.