Agents IA sur flux temps réel
Systèmes agentiques temps réel qui observent, décident et agissent sur des flux d'événements live — mélangez règles, modèles et outils dans un même pipeline.
L'étape decide
Raisonner, ce n'est pas qu'appeler un modèle.
Mélangez quatre moteurs dans un même pipeline — utilisez le moins coûteux capable de trancher, et gardez le modèle pour les décisions qui l'exigent vraiment.
Modelez le flux d'abord
Filtrez, fenêtrez, joignez et agrégez les événements bruts de façon déterministe — le modèle voit un signal propre et enrichi, pas du bruit de firehose.
Décidez l'évident, instantanément
Routez, filtrez et triez avec des règles déclaratives. La plupart des événements n'ont pas besoin d'un modèle — captez-les ici et économisez les tokens.
Raisonnez sur les cas difficiles
Confiez les événements ambigus à un modèle avec un system prompt. Apportez votre propre fournisseur — cloud ou local, vos clés restent chez vous.
Interagissez avec le monde
Appelez de vrais outils via le Model Context Protocol — interrogez un système, ouvrez un ticket, demandez une approbation humaine. L'agent agit, il ne se contente pas de répondre.
L'étape act
Un agent qui n'agit pas, c'est juste un dashboard.
Outils & humain dans la boucle
Via MCP, un stage peut invoquer un outil, déclencher un workflow, ou bloquer sur une vraie approbation avant de continuer — l'humain est une étape du pipeline, pas un après-coup.
Chaque sortie est un topic
Un stage publie sur app.stage.out. Branchez l'entrée de l'agent suivant dessus et vous obtenez un système multi-agents — pas de glue code, juste des topics.
Temps réel & durable
Rapide quand ça tourne. Correct quand ça revient.
Rejeu déterministe
Rejouez un agent sur les événements exacts qu'il a vus et obtenez des décisions bit-à-bit identiques — déboguez ce qu'il a fait, pas ce qu'il aurait pu faire.
Reprise après crash
Les offsets de flux par agent sont persistés. Redémarrez en plein vol et il repart exactement où il s'est arrêté — pas de trou, pas de double action.
Récupération d'état fenêtré
L'état des fenêtres checkpointé survit à un kill et se reconstruit au redémarrage — un agrégat long ne se perd pas pour un nœud défaillant.
De zéro à un agent qui tourne
Un fichier. Un déploiement.
Tout l'agent tient dans un pulse.yaml — une source, une chaîne de stages, un sink. Générez-le, remplissez-le, déployez-le.
1# pulse.yaml — an agent on a log stream
2source:
3 kind: file-tail
4 path: /var/log/app/events.log
5
6stages:
7 - name: triage
8 engine: rule-based
9 rules: [ "severity == 'error'" ]
10
11 - name: reason
12 engine: llm
13 systemPrompt: |
14 Classify the incident and draft
15 a one-line on-call summary.
16
17 - name: act
18 engine: mcp
19 mcpTools: [ pagerduty.createIncident ]
20
21sink:
22 kind: webhook
23 url: ${secret:ALERT_WEBHOOK}
24- 1
Scaffold.
pulse new oncall --source file-tail --stage rule-based:triage --stage llm:reason --stage mcp:act --sink webhook - 2
Remplissez-le.
Modifiez le chemin source, les règles, le prompt, les outils. Les secrets restent ${secret:…}, jamais en clair.
- 3
Déployez.
pulse deploy .Lance la source, le pipeline de stages et le sink, plus une API typée + SDK.
- 4
Alimentez & observez.
pulse events tail --topic oncall.reason.outVoyez l'agent décider en temps réel.
Construisez un agent qui réagit au réel.
Voyez la boucle observer → décider → agir tourner sur un flux live en quelques minutes — sans installation, sans inscription.
Pulse est gratuit et auto-hébergé. Les stages LLM utilisent votre propre fournisseur ; les stages MCP utilisent les outils que vous installez.