Si t’as déjà délégué une tâche à un agent IA pour te retrouver avec un résultat à côté de la plaque et zéro moyen de comprendre pourquoi, MateClaw v1.5.0 est pour toi. Ce framework open-source chinois vient de sortir une mise à jour majeure qui attaque le problème à la racine : arrêter de traiter les agents comme des boîtes noires et les transformer en collaborateurs transparents.
Les trois features clés sont : Target acceptance (l’agent confirme explicitement qu’il a compris la mission), knowledge base consistency maintenance (pas de dérive hallucinatoire entre deux tâches) et multi-user memory isolation (chacun son contexte, adieu les fuites de mémoire). En gros, fini le système de notation flou à la « score de complétion » qui ressemblait plus à un bulletin de notes maternel qu’à un vrai KPI.
Ce qui est intéressant, c’est que Google planche sur une version alternative – les rumeurs parlent d' »openclaw » – ce qui montre bien que les géants commencent à sérieusement s’intéresser à la couche runtime des agents. Parce que oui, c’est bien beau d’avoir des modèles qui causent, mais si l’exécution est une foire, ça sert à rien.
MateClaw n’est pas encore le standard de facto des workflows agents, mais c’est un pas dans la bonne direction : faire du code, pas de la magie.
Sources :
Comments are closed