AgentLens : voir ce que font vos agents IA en production

Les agents IA fonctionnent parfaitement en développement, puis échouent silencieusement en production. AgentLens, un nouvel outil open-source MCP, résout ce problème en capturant chaque décision, chaque appel d’outil et chaque erreur avec traçabilité cryptographiquement vérifiable — sans modification de code.

Le problème : des agents qui opèrent dans le noir

Depuis des années, les équipes d’IA connaissent le même scénario : un agent fonctionne impeccablement lors des tests, puis disparaît dans une boîte noire une fois déployé en production. Sans visibilité sur ses décisions, ses données, ses coûts, l’équipe ne peut que constater les dégâts.

Michaël Lanham, spécialiste de l’observabilité IA, l’exprime ainsi : Si vous avez déployé un agent IA en production, vous avez probablement ressenti ce sentiment d’impuissance. L’agent fonctionne parfaitement en tests, mais une fois que les vrais utilisateurs le sollicitent… vous volez à l’aveugle.

Trois questions sans réponses

Quand un agent échoue en production, trois questions s’imposent immédiatement : quelle décision a-t-il prise ? Quelles données a-t-il utilisé ? Quel a été le coût ? Sans observabilité construite dès le départ, il est impossible de répondre.

Ce défi est systémique. Salesforce l’a formulé ainsi : Les agents IA fonctionnent, mais personne ne sait pourquoi. Hugues Clouâtre, architecte cloud et IA, le confirme : comprendre le raisonnement qui a mené à un résultat n’est pas un luxe, c’est une nécessité dès que l’agent interact avec des données sensibles ou critique.

Qu'est-ce qu'AgentLens ?

AgentLens est une plateforme d’observabilité et d’audit trail open-source pour agents IA, distribuée sous licence MIT. Elle fonctionne comme un enregistreur de vol : elle capture chaque appel d’outil, chaque décision d’approbation, chaque échange de données, chaque erreur. Elle les présente ensuite via une API interrogeable et un tableau de bord web temps réel.

Trois capacités fondamentales

Traçabilité inaltérable. Chaque événement est enregistré en append-only avec des chaînes de hachage SHA-256, rendant toute modification détectable. Chaque session possède sa propre chaîne de vérification cryptographique.

Dashboard temps réel. Suivi des sessions, chronologies d’événements, explorateur d’événements filtrable, analytics LLM, alertes sur seuils d’erreur ou de coûts.

Suivi des coûts. Utilisation de tokens et coûts estimés par session et par agent, avec alertes en cas de pic anormal.

Intégration sans friction : MCP-native

AgentLens fonctionne comme un serveur MCP (Model Context Protocol), le standard émergent pour connecter les agents IA aux outils externes. Contrairement aux solutions concurrentes qui nécessitent modifications de code ou dépendances complexes, AgentLens se configure en un seul bloc JSON.

Installation en trois étapes

Lancez le serveur :

npx @agentlensai/server

Générez une clé API :

curl -X POST http://localhost:3400/api/keys -H “Content-Type: application/json” -d ‘{“name”: “mon-agent”}’

Ajoutez AgentLens à votre configuration MCP :

{ “mcpServers”: { “agentlens”: { “command”: “npx”, “args”: [“@agentlensai/mcp”], “env”: { “AGENTLENS_API_URL”: “http://localhost:3400”, “AGENTLENS_API_KEY”: “als_votre_clé_ici” } } } }

Aucune modification du code de l’agent n’est requise. AgentLens capture automatiquement tous les appels d’outils via le protocole MCP.

Tableau de bord et audit trail : comprendre ce qui s'est réellement passé

Le dashboard d’AgentLens centralise quatre vues complémentaires.

Vue d’ensemble. Affiche en temps réel le nombre de sessions actives, d’événements traités, d’erreurs, et un graphique des 24 dernières heures. Les métriques clés (appels LLM, coûts, latence) sont visibles d’un coup d’œil.

Explorateur de sessions. Liste complète des sessions avec colonnes triables : nom de l’agent, statut, heure de démarrage, durée, nombre d’événements, erreurs, coût estimé. Un clic ouvre le détail chronologique complet avec l’indicateur de validité de la chaîne de hachage.

Explorateur d’événements. Recherche et filtrage complets. Interrogez par type d’événement, sévérité, agent, plage horaire. Chaque événement affiche sa charge utile complète, ses métadonnées, et sa position dans la chaîne de vérification.

Analytics LLM. Agrégation des appels LLM : nombre total, coût cumulé, latences, utilisation de tokens. Une table compare les modèles utilisés (Anthropic, OpenAI, Google) et leurs coûts respectifs.

Conformité et gouvernance : audit trail pour les régulateurs

L’audit trail tamper-evident d’AgentLens répond à des exigences réglementaires croissantes. Chaque session génère une chaîne de hachage SHA-256 cryptographiquement liée, impossible à modifier rétroactivement sans que la modification soit détectable.

Microsoft Azure le souligne dans ses recommandations : La surveillance continue après déploiement est essentielle pour détecter les problèmes, la dégradation de performance, ou les régressions en temps réel. L’utilisation d’évaluations, de traçage, et d’alertes aide à maintenir la fiabilité et la conformité des agents tout au long de leur cycle de vie.

AgentLens s’intègre nativement avec AgentGate (flux d’approbation humaine pour décisions sensibles) et FormBridge (collecte structurée de données). Ces intégrations permettent de mettre en place des workflows de gouvernance sans ajout de complexité.

Architecture auto-hébergée : pas de dépendances externes

AgentLens fonctionne par défaut avec SQLite, la base de données embarquée, sans dépendances externes. L’ensemble du système (serveur, stockage, tableau de bord) tient dans un conteneur Docker léger.

Pour les équipes qui souhaitent auto-héberger, c’est un atout majeur : aucune donnée sensible ne quitte l’infrastructure interne, aucune souscription SaaS, aucun coût récurrent d’observabilité, contrôle total à friction minimale. Cette approche est particulièrement adaptée aux petites et moyennes équipes IA.

Contexte : l'observabilité IA devient un standard en 2025

L’écosystème de l’observabilité IA s’accélère. Le Model Context Protocol (MCP), lancé par Anthropic en novembre 2024, a connu une adoption remarquable. Thoughtworks note : Bien que le protocole ait été lancé en novembre 2024, il serait difficile de donner une vue d’ensemble des technologies de 2025 sans discuter de sa progression incroyable au cours des 12 derniers mois.

En décembre 2025, la Linux Foundation a annoncé la création de l’Agentic AI Foundation (AAIF), ancrée sur MCP. Le protocole bénéficie désormais d’une gouvernance institutionnelle formelle, confirmant sa place comme standard pour l’intégration agent-outil.

Parallèlement, les grandes entreprises renforcent leurs exigences de transparence. Salesforce, Microsoft, et les éditeurs de logiciels considèrent l’observabilité des agents comme non-négociable. Writer a publié un “Agentic Compact” définissant les exigences minimales de transparence avant déploiement.

Démarrage rapide

Pour essayer AgentLens aujourd’hui :

1. Clonez le repository : git clone https://github.com/amitpaz1/agentlens.git
2. Installez les dépendances (Node.js ≥ 20.0.0, pnpm ≥ 10.0.0)
3. Lancez le serveur : npx @agentlensai/server (démarre sur http://localhost:3400)
4. Configurez votre client MCP avec la clé API générée

Le projet MIT est open-source et prêt pour expérimentation immédiate.

Pourquoi cela change la donne

Le déploiement en aveugle n’est plus une fatalité. AgentLens offre une visibilité complète — traçabilité inaltérable, dashboard temps réel, suivi des coûts — sans friction d’intégration et sans infrastructure SaaS externe. Pour les équipes IA en production, c’est un pas décisif vers la fiabilité et la conformité.

FAQ

Qu'est-ce qu'AgentLens et pourquoi ai-je besoin d'observabilité pour mes agents IA?

AgentLens est une plateforme d’observabilité open-source pour agents IA qui capture chaque décision, appel d’outil et erreur avec traçabilité cryptographique. Elle résout le problème majeur des agents qui fonctionnent en développement mais échouent silencieusement en production.

Comment intégrer AgentLens sans modifier mon code?

AgentLens fonctionne nativement via le protocole MCP (Model Context Protocol) et se configure en un seul bloc JSON. Aucune modification de code de l’agent n’est requise.

Quelles données AgentLens enregistre-t-il?

AgentLens capture chaque appel d’outil, décision d’approbation, échange de données, erreur, utilisation de tokens et coûts estimés. Tous les événements sont enregistrés en append-only avec vérification SHA-256.

AgentLens peut-il fonctionner sans infrastructure cloud?

Oui, AgentLens fonctionne par défaut avec SQLite embarqué dans un conteneur Docker léger, sans dépendances externes ni données transmises à des serveurs tiers.

Comment AgentLens aide-t-il à la conformité réglementaire?

L’audit trail tamper-evident d’AgentLens génère une chaîne de hachage SHA-256 cryptographiquement inviolable, répondant aux exigences de transparence et de conformité réglementaires croissantes.