Qu’est-ce que AgentRun ?
AgentRun, de Parcha Labs (l'équipe derrière Grep.ai), s'installe autour des environnements d'agents de code que l'on utilise déjà, Claude Code, Codex, OpenCode ou pi, et ajoute ce qui leur manque pour le travail répétable : un stockage qui survit aux plantages, des validations par outil, des plafonds de dépense, des déclencheurs et une console unique pour toutes les exécutions. À ne pas confondre avec AgentRun d'Alibaba Cloud, un produit commercial distinct.
Son cœur est un langage de workflows. Un workflow est un document JSON d'étapes typées : appels d'outils, appels de modèles, décisions typées rapides (oui ou non, choisir une option, un score, chacune avec sa confiance) d'un modèle de décision comme Jev, branches, boucles bornées, maps en parallèle et repli sur un agent complet quand un cas est flou. La console montre chaque exécution nœud par nœud, avec chaque décision et sa raison, et permet de la mettre en pause et de la reprendre. Un mode d'apprentissage laisse un agent garder, après chaque exécution, des notes, des compétences et à terme un workflow appris dans son propre dossier git.
Le paquet de workflows fonctionne seul : npx @parcha/agentrun-dsl@latest demo rejoue un exemple de tri du support avec des jugements scriptés, sans SDK de modèle, clé d'API ni réseau. Le serveur complet démarre avec npx @parcha/agentrun sur le port 7340 et demande une clé de modèle pour les vraies exécutions. Il est sous Apache-2.0, publié pour la première fois le 23 septembre 2026 et encore en bêta (v0.1.0-beta.37 le 14 novembre 2026).
AgentRun vaut-il le coup ?
L'argument d'AgentRun est que beaucoup d'agents ne devraient pas être des agents. Une tâche qu'un agent a faite cent fois, comme évaluer une entreprise ou relire une pull request, peut s'écrire en workflow typé où des décisions typées bon marché orientent les cas simples et où un agent complet n'est appelé que pour les cas flous. La console montre ensuite chaque étape et chaque décision avec sa confiance, ce qui rend une exécution auditable comme ne l'est pas une longue transcription d'agent.
La couche opérationnelle est plus complète que celle de la plupart des projets aussi jeunes. Les exécutions vivent dans SQLite ou Postgres et reprennent après un plantage ; avec plusieurs runners, les exécutions d'un runner tombé sont reprises après un bail de 30 secondes, et une écriture coupée en plein appel est marquée interrompue au lieu d'être relancée. Chaque outil est autorisé, demande d'abord ou est refusé ; une exécution plafonnée se met en pause au plafond au lieu d'échouer ; les secrets sont scellés sous une clé et n'entrent jamais dans l'ordinateur de l'agent. Cinq modèles (revue de code, vérification KYB, veille de marché, notation de prospects, notes de version) viennent avec leurs propres cas d'évaluation.
Les chiffres phares sont autodéclarés. Le README indique que son modèle de revue de code ajusté coûte 18 cents par revue, face à une facture Greptile passée de $180 à $6,451 par mois, et qu'il a trouvé 1.6 fois plus de vrais bugs sur 30 pull requests inédites ; une tâche de classification de commerçants est passée de $0.89 à $0.12 par commerçant une fois apprise. Aucune réplication indépendante n'existe encore. Sur Hacker News (51 points), l'objection principale était que Temporal, Windmill ou Airflow exécutent déjà des workflows, ce à quoi la réponse est la couche propre aux agents : intégration des environnements, décisions typées de modèles et apprentissage.
Risques : le projet est public depuis le 23 septembre 2026 et publie des bêtas presque chaque jour, avec 70 issues et pull requests ouvertes. Le mode d'apprentissage laisse les exécutions écrire des notes et des workflows que les suivantes exécuteront ; le code filtre les secrets, les fichiers hors du dossier et les règles tirées de pages web ou d'e-mails, et un modèle évaluateur juge le reste, mais cela reste un comportement écrit par un modèle qui persiste entre exécutions. Le mode "Never ask" laisse un agent tourner sans surveillance, et le déploiement Docker Compose n'écoute qu'en loopback et exige un proxy TLS avant toute exposition.
Là où il fait la différence
Une équipe conformité dans une fintech de 50 personnes
Mener des vérifications KYB sur les nouveaux clients professionnels avec une piste d'audit
Appliquez le modèle KYB : vérifications de registre et de certificats en parallèle, décision typée qui approuve, rejette ou envoie en revue sous un seuil de confiance de 0.75, et chaque affirmation du rapport sourcée. Chaque exécution peut être plafonnée en dollars.
Un responsable technique dans une start-up qui paie la revue de code IA à l'unité
Réduire le coût de la revue de code sans perdre les vrais bugs détectés
Ajustez le modèle de revue de code sur vos propres pull requests, comme l'ont fait ses auteurs ; ils annoncent 18 cents par revue. Déclenchez-le sur les événements de pull request GitHub depuis un serveur auto-hébergé, environ $27.50 par mois sur Render.
Un développeur qui compare des moteurs de workflows pour agents
Voir comment se comporte un workflow typé avant de lui confier une clé de modèle
Lancez npx @parcha/agentrun-dsl@latest demo, puis faites un essai à blanc de votre propre workflow avec des réponses synthétiques ; aucun des deux n'appelle de modèle, donc le flux de contrôle se vérifie gratuitement.
Avant de vous engager
- Mise en route
- npx @parcha/agentrun démarre un serveur et un runner sur le port 7340, stocke les données dans ~/.agentrun et ouvre la console ; définissez un mot de passe, ajoutez une clé de modèle (OpenRouter, Anthropic ou OpenAI) et appliquez un modèle. Avec Docker, les agents obtiennent un shell isolé.
- Intégrations
- Environnements : pi, Claude Code, Codex, OpenCode. Ordinateurs : sandboxes Docker, Daytona, Modal et E2B, bureaux Linux, téléphones Android dans le cloud, navigateurs Browserbase ou Kernel. Serveurs MCP distants, boîtes à outils et déclencheurs Composio, planifications, webhooks signés, événements GitHub ; clients TypeScript et Python.
- Données et confidentialité
- Auto-hébergé : exécutions, fichiers et journaux restent dans votre stockage SQLite ou Postgres. Les secrets sont scellés sous AGENTRUN_SEAL_KEY et affichés seulement comme définis ou absents ; les appels de modèles vont au fournisseur dont vous ajoutez la clé.
- Coût à grande échelle
- Le logiciel est gratuit ; la dépense, ce sont les tokens du modèle plus tout fournisseur distant de sandbox ou de navigateur, facturés sur votre propre compte. Les plafonds par exécution empêchent une boucle de faire grimper la facture.
- Limites
- Logiciel en bêta avec 70 issues et pull requests ouvertes ; les runners sur Postgres partagent encore un seul volume de données dans cette version ; les ordinateurs iPhone, macOS et Windows ne sont pas encore pris en charge.
Les points forts
- Workflows typés avec décisions notées en confiance et repli sur un agent
- Les exécutions survivent aux plantages ; écritures interrompues signalées, pas relancées
- Validations par outil, plafonds qui mettent en pause plutôt qu'échouer, secrets scellés
- Fonctionne sur Claude Code, Codex, OpenCode ou pi
- La démo de workflow tourne sans clé d'API ni réseau
Les points faibles
- En bêta depuis septembre 2026, avec des versions presque quotidiennes
- Les chiffres de coût et de qualité viennent des auteurs eux-mêmes
- Le mode d'apprentissage conserve entre exécutions des notes et workflows écrits par des modèles
- Exige Node 24.22.3 ou plus récent sur macOS ou Linux
Idéal pour
Les équipes qui lancent la même tâche d'agent de nombreuses fois par semaine et veulent voir chaque étape, plafonner les coûts et sortir les cas routiniers de la coûteuse boucle d'agent.
Alternatives à AgentRun
AgentRun : questions fréquentes
- AgentRun vaut-il le coup ?
- AgentRun plaide de façon convaincante pour que la plupart des tâches d'agents deviennent des workflows vérifiables, et fournit les validations et plafonds qui vont avec, mais c'est une bêta de 52 jours dont les chiffres de coût ne viennent que de ses auteurs. Nous lui donnons 3.8 sur 5.
- Combien coûte AgentRun ?
- Gratuit sous Apache-2.0 ; vous payez votre fournisseur de modèles et tout fournisseur de sandbox distant. Le déploiement en un clic sur Render coûte environ $25/mois pour l'instance plus $2.50 pour le disque, selon le README.
- Quels sont les inconvénients de AgentRun ?
- En bêta depuis septembre 2026, avec des versions presque quotidiennes; les chiffres de coût et de qualité viennent des auteurs eux-mêmes; le mode d'apprentissage conserve entre exécutions des notes et workflows écrits par des modèles; exige Node 24.22.3 ou plus récent sur macOS ou Linux.
- À qui s’adresse AgentRun ?
- Les équipes qui lancent la même tâche d'agent de nombreuses fois par semaine et veulent voir chaque étape, plafonner les coûts et sortir les cas routiniers de la coûteuse boucle d'agent.
- Combien coûte AgentRun pour une équipe ou en production ?
- Le logiciel est gratuit ; la dépense, ce sont les tokens du modèle plus tout fournisseur distant de sandbox ou de navigateur, facturés sur votre propre compte. Les plafonds par exécution empêchent une boucle de faire grimper la facture.
- AgentRun est-il sûr pour les données de l’entreprise ?
- Auto-hébergé : exécutions, fichiers et journaux restent dans votre stockage SQLite ou Postgres. Les secrets sont scellés sous AGENTRUN_SEAL_KEY et affichés seulement comme définis ou absents ; les appels de modèles vont au fournisseur dont vous ajoutez la clé.
- Quelles sont les meilleures alternatives à AgentRun ?
- Les alternatives les plus proches que nous avons testées sont Temporal, LangGraph et Mastra.
Réponses vérifiées le 14 nov. 2026.