Agno, le framework Python d’agents IA multimodaux qui démarre instantanément
Construire un agent IA en production reste un compromis entre puissance, vitesse d’instanciation et empreinte mémoire. Les frameworks historiques comme LangChain offrent beaucoup, mais facturent ce confort en latence et en couches d’abstraction parfois lourdes. Agno, l’évolution du projet Phidata, prend le contre-pied : un agent s’instancie en quelques microsecondes, consomme une fraction de la mémoire des concurrents, et reste pleinement multimodal de bout en bout. Le projet est en pleine ascension dans la communauté open source agents IA, et mérite d’être regardé de près pour toute architecture qui prévoit de servir plusieurs agents en parallèle.
Le positionnement d’Agno
Agno se présente comme un framework lean pour construire des agents et des équipes d’agents en Python. Il ne cherche pas à reproduire l’écosystème tentaculaire de LangChain. Il vise trois propriétés très opérationnelles : instanciation quasi instantanée, multimodalité native, et indépendance vis-à-vis du modèle sous-jacent. Le code est sous licence Mozilla Public License 2.0, hébergé sur GitHub par la société Agno AGI, et compte plusieurs dizaines de milliers d’étoiles. Les benchmarks publiés par l’équipe annoncent une instanciation d’agent de l’ordre de quelques microsecondes et une empreinte mémoire inférieure à 6,5 Kio par agent, soit plusieurs ordres de grandeur sous LangGraph ou CrewAI pour la même charge fonctionnelle.
Ce qu’on construit avec Agno
Le framework est organisé en cinq niveaux qui se composent naturellement.
- Niveau 1 : Agent avec outils. Un LLM, une liste d’outils Python décorés, on lance et l’agent décide quand appeler quoi.
- Niveau 2 : Agent avec connaissance. On y branche une base vectorielle, par exemple Qdrant ou pgvector, et l’agent fait du RAG à la demande.
- Niveau 3 : Agent avec mémoire et état. Mémoire conversationnelle, mémoire long terme, état métier persistant, sans dépendre d’un service externe comme Mem0 ou Letta (mais possible).
- Niveau 4 : Équipe d’agents. Plusieurs agents collaborent via routage, délégation ou consensus, avec une logique plus légère que CrewAI ou LangGraph.
- Niveau 5 : Workflows agentiques. Étapes typées, branchements conditionnels, contrôle de flux et reprise, pour quitter le mode chat libre et entrer dans du process métier.
Multimodalité par défaut
Là où la plupart des frameworks restent centrés texte, Agno traite texte, image, audio et vidéo comme des entrées et sorties de premier ordre. Un même agent peut analyser une image envoyée par un utilisateur, transcrire un fichier audio via Faster Whisper, générer une réponse écrite, puis produire une synthèse vocale via Piper. Tout cela sans plomberie spécifique : les modalités sont des objets natifs du framework, ce qui simplifie nettement la construction d’agents vocaux ou d’assistants visuels.
Indépendance vis-à-vis du modèle
Agno supporte plus d’une trentaine de fournisseurs de modèles, y compris les voies open source qui intéressent une stack auto-hébergée :
- Ollama pour des modèles locaux légers, idéal pour les phases POC ou les usages confidentiels.
- vLLM et SGLang pour servir des modèles à plus haut débit, en production.
- LiteLLM comme proxy unifié devant un parc hétérogène de modèles, ce qui se marie bien avec un mandat d’indépendance technologique.
- Les fournisseurs cloud usuels (Anthropic, OpenAI, Mistral, etc.) pour les tâches qui exigent les plus grands modèles.
Le changement de modèle est trivial : on remplace l’objet Model passé à l’agent, le reste du code ne bouge pas. C’est précieux pour comparer un modèle local et un modèle cloud sur une même tâche, ou pour basculer entre environnements de développement et de production.
Reasoning, tools et MCP
Agno expose plusieurs modes de raisonnement : chain-of-thought, ReAct, et un mode « reasoning tools » qui pousse l’agent à formaliser ses étapes intermédiaires avant d’agir. Côté outils, on peut soit décorer une fonction Python, soit brancher un serveur Model Context Protocol, ce qui ouvre l’accès à tout l’écosystème MCP émergent : outils internes exposés via FastMCP, connecteurs tiers, accès filesystem, etc. Cette double porte (Python natif et MCP) limite le verrouillage.
AgentOS pour la mise en production
Au-delà du framework, Agno propose AgentOS, un environnement de déploiement et d’orchestration d’agents : API REST automatique, interface web pour discuter avec ses agents, suivi des sessions, persistance, monitoring. C’est pratique pour livrer un agent à un client sans tout réinventer côté infrastructure. AgentOS reste un complément optionnel, on peut toujours déployer un agent Agno comme simple application FastAPI.
Quand choisir Agno
Agno est particulièrement pertinent dans plusieurs cas :
- Quand on doit servir beaucoup d’agents en parallèle et que la latence d’instanciation devient un coût visible.
- Quand la solution doit rester multimodale (vocal, vision, audio) sans empiler des couches d’intégration.
- Quand on cherche un framework moderne, plus léger que LangGraph, plus complet que Smolagents, et orienté production.
- Quand on construit une stack open source où l’indépendance vis-à-vis du modèle est une exigence stratégique.
À l’inverse, sur des workflows très long terme avec retry, reprise sur incident et signaux humains, Temporal reste le bon choix d’orchestrateur. Agno se complète très bien avec Temporal côté workflow, avec Langfuse côté observabilité, et avec Qdrant ou pgvector côté connaissance.
Pour commencer
Installation et premier agent en quatre lignes :
pip install agno openai
from agno.agent import Agent
from agno.models.ollama import Ollama
agent = Agent(model=Ollama(id="qwen2.5:7b"))
agent.print_response("Explique-moi DCAT en une phrase.")Pour un projet sérieux : docs.agno.com, le dépôt GitHub agno-agi/agno, et la liste de « cookbook » qui couvre RAG, équipes d’agents, agents vocaux et intégrations courantes.
En résumé
Agno n’est pas un n-ième wrapper autour de LangChain. C’est une remise à plat du concept d’agent IA en Python, taillée pour la production, multimodale par défaut, indépendante du modèle, et étonnamment légère. Pour une stack open source qui place agents, RAG et modalités vocales au même niveau de citoyenneté, c’est aujourd’hui une des options les plus crédibles, et probablement l’une des plus durables.
