2pm.spaceDes agents qui font le travail,
pas juste des réponses à un prompt
Commencez avec un seul prompt, ou dessinez la tâche comme un workflow : trouver les bons documents, raisonner et appeler des outils, vérifier la réponse, demander à une personne quand c'est important, puis répondre. Chaque exécution montre ce qu'a fait chaque étape, ce qu'elle a dépensé et pourquoi.
De l'idée à l'agent opérationnel en trois étapes
Dessinez-le, équipez-le, mettez-le là où se trouve le travail.
Dessinez la tâche
Choisissez Simple pour un seul prompt, ou Agentic pour organiser la tâche en nœuds sur un canevas — recherche, raisonnement, vérifications, embranchements — reliés de gauche à droite.
Donnez-lui ce dont il a besoin
Attachez des outils, des compétences, des connaissances et de la mémoire à l'agent ou à un seul nœud, et définissez les garde-fous que chaque message doit traverser.
Mettez-le au travail
Testez-le sur le canevas, puis connectez-le à un canal de l'inbox, une planification, un autre agent en tant qu'outil, ou un client MCP.
Dessinez la tâche
Choisissez Simple pour un seul prompt, ou Agentic pour organiser la tâche en nœuds sur un canevas — recherche, raisonnement, vérifications, embranchements — reliés de gauche à droite.
Donnez-lui ce dont il a besoin
Attachez des outils, des compétences, des connaissances et de la mémoire à l'agent ou à un seul nœud, et définissez les garde-fous que chaque message doit traverser.
Mettez-le au travail
Testez-le sur le canevas, puis connectez-le à un canal de l'inbox, une planification, un autre agent en tant qu'outil, ou un client MCP.
Plus qu'un prompt avec des outils
Un canevas pour les tâches qu'un seul prompt ne peut pas accomplir seul.
Simple ou agentique
Un agent Simple est un seul appel de modèle avec votre prompt système — adapté aux questions, à la traduction et aux résumés. Un agent Agentic est un graphe de nœuds, pour les tâches qui demandent plusieurs étapes et une décision entre elles.
Seize types d'étapes
Agent, Crew, Run Agent, Code, Knowledge Retrieval, Skill Retrieval, Drive Action, Condition, Parallel, Loop, Evaluation, Human Review, Message, Send — chacune une carte que vous glissez sur le canevas et reliez à la suivante.
Il vérifie son propre travail
Un nœud Evaluation note la réponse avec des règles ou un LLM juge, puis l'oriente : Pass la fait avancer, Retry la renvoie à l'agent pour un nouvel essai, jusqu'au nombre de tentatives que vous autorisez.
Une personne là où ça compte
Un nœud Human Review met l'exécution en pause jusqu'à ce que quelqu'un l'approuve ou la rejette, et un nœud Message peut demander des précisions au client via un formulaire ou des boutons avant que le flux ne se poursuive.
Outils, compétences et connaissances
Soixante outils intégrés, vos propres API HTTP et votre Python, des serveurs MCP, et d'autres agents en tant qu'outils. Une compétence se charge dans chaque prompt, ou seulement quand une question lui correspond — pour qu'une grande bibliothèque ne coûte pas de tokens à chaque appel.
Parcourir le catalogue d'outilsTestez-le, tracez-le, revenez en arrière
Exécutez le flux depuis le canevas et lisez la sortie, les tokens et le coût de chaque nœud. Enregistrez des versions du canevas, et restaurez-en une quand un changement ne tient pas la route.
Ce qu'il y a sur le canevas
Chaque nœud, le catalogue de modèles, et chaque endroit où un agent peut s'exécuter.
Raisonnement et actions
- Agent — son propre modèle, prompt et outils, dans une boucle de raisonnement et d'action
- Crew — un équipage CrewAI d'agents et de tâches
- Run Agent — appelle un agent que vous avez déjà créé
- Code — Python ou Bash dans un bac à sable, sans coût LLM
Contrôle de flux
- Start — là où un message entre
- Condition — embranchement sur une règle, sans coût LLM
- Parallel — toutes les branches sortantes à la fois
- Loop et Exit Loop — sur une liste ou N fois
Vérifications et personnes
- Evaluation — règles ou LLM juge, puis Pass ou Retry
- Human Review — pause pour approuver ou rejeter
- Message — un message de chat, un formulaire ou des boutons
- Send — envoie un message au client et continue
Connaissances et données
- Knowledge Retrieval — recherche sémantique, par mots-clés ou hybride
- Skill Retrieval — associe des compétences sans étape LLM
- Drive Action — crée, lit ou met à jour des documents, tableaux, cartes mentales et storyboards
- Une mémoire qui persiste d'une conversation à l'autre, et une mémoire d'espace de travail partagée par chaque agent
Modèles
- Anthropic, OpenAI, Google et DeepSeek
- Alibaba Qwen, Z.AI GLM, xAI et MiniMax
- Un modèle par nœud Agent, pas un seul par workflow
- Facturé depuis le crédit de l'espace de travail — aucune clé de fournisseur à gérer
Où il s'exécute
- Canaux de l'inbox : Messenger, Telegram, Zalo personnel, chat du site web
- Le Scheduler, selon un horaire récurrent
- Un autre agent, exposé comme outil
- Des clients MCP tels que Claude Code et Cursor
- Le Playground, avant qu'aucun client ne le voie
Une simple zone de prompt contre un créateur d'agents
La même tâche, construite de deux façons.
Un seul prompt essaie de rechercher, raisonner, vérifier et répondre en même temps — et vous ne voyez pas quelle partie a échoué.
Chaque tâche est son propre nœud, et le journal d'exécution montre ce que chaque nœud a reçu, renvoyé et dépensé.
Une mauvaise réponse part directement vers le client.
Un nœud Evaluation l'intercepte et la renvoie pour un nouvel essai avant que quiconque ne la voie.
Une action risquée nécessite qu'un développeur construise une étape d'approbation.
Placez un nœud Human Review devant elle, et l'exécution attend un accord.
Un changement qui casse l'agent oblige à le reconstruire de mémoire.
Restaurez la version du canevas d'avant le changement.
Questions sur Agent Builder
Ce que les gens demandent avant de construire leur premier workflow.
Créez l'agent dont votre travail a vraiment besoin
Commencez avec un prompt. Faites-le grandir en workflow quand la tâche le demande.