Qu’est-ce que OpenSpace ?
OpenSpace, du Data Intelligence Lab de l'Université de Hong Kong (HKUDS), est une couche Python qui se place à côté de Claude Code, Codex, OpenClaw, nanobot ou de tout agent compatible MCP et gère ses skills SKILL.md. Elle enregistre si chaque skill a été sélectionnée, appliquée, a mené la tâche à bien ou s'est rabattue sur une solution de repli, s'appuie sur ces éléments pour corriger, dériver ou capturer des skills automatiquement, et propose un hub cloud sur open-space.cloud pour les partager.
La version 2.0.0, publiée le 17 juillet 2026, a ajouté des synthèses de qualité, la navigation dans les paquets, l'envoi de traces de tâches, un tableau de bord et une interface en terminal. Les skills nouvelles ou évoluées démarrent comme provisoires et passent au statut fiable après un usage réussi indépendant. L'équipe rapporte, sur ses propres exécutions de Terminal-Bench 2.1 avec le même modèle Hy3, 65,2 % avec une bibliothèque de skills neuve et 78,7 % une fois celle-ci évoluée.
Le dépôt a été créé le 24 mars 2026, est sous licence MIT et compte environ 7 800 étoiles sur GitHub. Le dernier commit date du 12 août 2026, et l'installation se fait depuis un clone plutôt que depuis un paquet publié.
OpenSpace vaut-il le coup ?
OpenSpace repose sur un constat juste : quand une bibliothèque de skills dépasse quelques dizaines d'entrées, les agents choisissent la mauvaise, continuent d'utiliser celles qui échouent, et personne ne distingue les bonnes skills de celles qui ont seulement l'air plausibles. Enregistrer les résultats par skill, et privilégier celles qui ont fait leurs preuves, est un meilleur signal qu'une description, et le cycle de provisoire à fiable impose à une skill évoluée de réussir à nouveau, de façon indépendante, avant d'être tenue pour fiable. Les skills passent un contrôle de sécurité contre les motifs d'injection de prompt et d'exfiltration d'identifiants avant d'être chargées.
Le benchmark phare demande du contexte. Le passage de 65,2 % à 78,7 % sur Terminal-Bench 2.1 est un résultat de l'équipe elle-même avec un seul modèle, l'exécution à chaud profitant d'une bibliothèque évoluée sur des tâches voisines ; il montre que le mécanisme peut aider, pas qu'il aidera sur votre charge de travail. L'intégration passe par un serveur MCP qui enveloppe l'agent d'exécution propre à OpenSpace, si bien que les longues tâches déléguées exigent un délai d'expiration côté hôte d'au moins 600 secondes.
Ce sont les réglages par défaut qu'il faut vérifier d'abord. La collecte d'éléments pour l'évolution est activée par défaut, et les notes de configuration du README (actuellement en commentaire) présentent comme mode par défaut le mode autonome, dans lequel les correctifs validés, les skills dérivées et capturées sont enregistrés sans intervention humaine ; les modes audit_only et fix_only existent et conviennent mieux à la plupart des équipes. Le module de télémétrie fourni, hérité de mcp-use, envoie des événements anonymisés à PostHog et Scarf sauf si MCP_USE_ANONYMIZED_TELEMETRY=false est défini. Les fonctions cloud sont facultatives et exigent une clé d'agent liée à une adresse e-mail.
La maintenance est l'autre inquiétude. Après un printemps chargé, le dernier commit est arrivé le 12 août 2026 et la v2.0.0 reste la dernière version, avec environ 54 tickets et pull requests ouverts. Il n'y a pas de paquet PyPI, et un clone par défaut embarque environ 50 Mo d'images. Face à Hermes Agent, qui écrit aussi ses propres skills mais au sein d'un produit maintenu, OpenSpace est une couche que l'on greffe, avec plus de suivi des preuves et moins de certitude qu'elle sera mise à jour.
Là où il fait la différence
Une équipe plateforme qui maintient 300 skills internes pour Claude Code et Codex
Savoir quelles skills aident vraiment et retirer les autres
Faites tourner OpenSpace comme serveur MCP en mode audit_only pour qu'il enregistre sélection et résultat par skill sans en modifier aucune, puis consultez les synthèses de qualité dans le tableau de bord. Gratuit ; le coût, ce sont les appels au modèle de son analyse après chaque tâche.
Un ingénieur IA dans une agence d'automatisation de 10 personnes
Transformer un flux qui a fonctionné pour un client en skill réutilisable et suivie
Laissez l'évolution CAPTURED enregistrer le sous-flux validé comme skill provisoire, promouvez-la après un second succès et partagez-la en privé via un groupe cloud. Définissez d'abord MCP_USE_ANONYMIZED_TELEMETRY=false.
Une chercheuse qui étudie les agents auto-améliorants
Reproduire l'effet d'une bibliothèque de skills évolutive sur un benchmark de code
Clonez le dépôt, lancez des passes à froid et à chaud avec le même modèle et examinez la lignée dans le tableau de bord. Le chiffre publié de 65,2 % à 78,7 % vient de l'équipe elle-même : traitez-le comme une hypothèse à tester.
Avant de vous engager
- Mise en route
- git clone et pip install -e . sous Python 3.12+, ajoutez un serveur MCP openspace à la configuration de l'hôte avec un délai d'outil de 600 secondes, et copiez deux skills d'hôte dans le dossier de skills de l'agent. Le tableau de bord exige Node.js 20+.
- Intégrations
- Tout hôte MCP en stdio, SSE ou HTTP streamable ; assistants pour OpenClaw et nanobot, configuration manuelle pour Claude Code, Codex et Cursor ; adaptateurs de passerelle WhatsApp et Feishu ; modèles via LiteLLM, Ollama compris.
- Données et confidentialité
- Skills, éléments de preuve et lignée sont stockés dans une base SQLite locale. La télémétrie anonymisée PostHog et Scarf est active sauf avec MCP_USE_ANONYMIZED_TELEMETRY=false ; l'envoi vers le cloud est facultatif, exige une clé d'agent liée à un e-mail et n'accepte que les skills fiables. Licence MIT.
- Coût à grande échelle
- Aucune offre payante publiée. Chaque tâche ajoute une analyse après exécution et d'éventuels appels d'évolution sur votre propre clé de modèle, en plus du travail lui-même.
- Limites
- Dernière version v2.0.0 (juillet 2026) et aucun commit depuis le 12 août ; environ 54 tickets et pull requests ouverts ; pas de paquet PyPI ; clone volumineux à cause d'environ 50 Mo de ressources.
Les points forts
- Note les skills sur les résultats de tâches enregistrés, pas sur leurs descriptions
- Les skills provisoires doivent réussir à nouveau avant d'être fiables
- Fonctionne avec tout hôte MCP qui lit SKILL.md
- Le contrôle de sécurité bloque au chargement les skills à motifs d'injection
Les points faibles
- Réécriture autonome des skills présentée comme le mode par défaut
- Télémétrie PostHog et Scarf active sauf désactivation
- Aucun commit depuis le 12 août 2026
- Gains de benchmark autodéclarés, sur un seul modèle
Idéal pour
Les équipes qui font tourner des agents sur une bibliothèque de skills vaste et croissante, veulent savoir lesquelles fonctionnent et régleront d'abord l'évolution en mode audit seul.
Alternatives à OpenSpace
OpenSpace : questions fréquentes
- OpenSpace vaut-il le coup ?
- OpenSpace pose la bonne question sur les skills d'agents, celle de savoir lesquelles fonctionnent vraiment, mais laisse par défaut les agents réécrire leurs propres skills et reste silencieux depuis août. Nous lui donnons 3.5 sur 5.
- Combien coûte OpenSpace ?
- Gratuit et open source (MIT). Le hub open-space.cloud est facultatif et aucune offre payante n'est publiée. Vous payez votre fournisseur de modèle.
- Quels sont les inconvénients de OpenSpace ?
- Réécriture autonome des skills présentée comme le mode par défaut; télémétrie PostHog et Scarf active sauf désactivation; aucun commit depuis le 12 août 2026; gains de benchmark autodéclarés, sur un seul modèle.
- À qui s’adresse OpenSpace ?
- Les équipes qui font tourner des agents sur une bibliothèque de skills vaste et croissante, veulent savoir lesquelles fonctionnent et régleront d'abord l'évolution en mode audit seul.
- Combien coûte OpenSpace pour une équipe ou en production ?
- Aucune offre payante publiée. Chaque tâche ajoute une analyse après exécution et d'éventuels appels d'évolution sur votre propre clé de modèle, en plus du travail lui-même.
- OpenSpace est-il sûr pour les données de l’entreprise ?
- Skills, éléments de preuve et lignée sont stockés dans une base SQLite locale. La télémétrie anonymisée PostHog et Scarf est active sauf avec MCP_USE_ANONYMIZED_TELEMETRY=false ; l'envoi vers le cloud est facultatif, exige une clé d'agent liée à un e-mail et n'accepte que les skills fiables. Licence MIT.
- Quelles sont les meilleures alternatives à OpenSpace ?
- Les alternatives les plus proches que nous avons testées sont Hermes Agent, claude-mem et Everything Claude Code (ECC).
Réponses vérifiées le 31 oct. 2026.