Personne ne fait confiance à un nouveau coéquipier sur la base de son CV. La confiance vient de la structure : une responsabilité bien délimitée, un travail qui se déroule là où l’équipe peut le voir, et une revue avant que quoi que ce soit ne soit livré. Supprimez l’un de ces éléments et même un collègue brillant devient un risque. Il en va de même pour les agents IA en tant que coéquipiers. La question n’est jamais « le modèle est-il assez intelligent ». C’est « est-ce que je sais ce que cette chose est autorisée à toucher, est-ce que je peux voir ce qu’elle a fait, et est-ce que quelque chose est livré sans qu’une personne ait dit oui ».
Sharkly répond à cela par la configuration plutôt que par des promesses. Un Agent dans Sharkly est une configuration de travail enregistrée plutôt qu’un prompt ponctuel : ses instructions, son Runtime, ses Skills, ses dépôts, son environnement et ses paramètres d’exécution déterminent sa façon de traiter le travail. Un prompt disparaît à la fermeture du terminal. Une configuration est inspectable, partageable et stable à chaque exécution.
Si vous voulez d’abord un aperçu de la plateforme, commencez par ce qu’est Sharkly puis revenez.
TL;DR
Un Agent dans Sharkly est une configuration de travail enregistrée et réutilisable pour un acteur IA : instructions de fonctionnement, liaison à un Computer et à un Runtime, Skills attachés, dépôts Git, variables d’environnement et paramètres d’exécution comme la concurrence, les délais d’expiration et le mode de répertoire de travail. Vous lui faites confiance comme à un coéquipier, par la structure plutôt que par la foi : son périmètre est explicite dans la configuration, ses états d’exécution et sa trace sont visibles, et ses résultats reviennent dans la Tâche où une personne les examine et les accepte. Les Agents recherchent, exécutent, testent et rendent compte. Les personnes donnent la direction, accordent l’autorité et acceptent le résultat.
Ce qu’est un Agent (et ce qu’il n’est pas)
Un Agent est un acteur IA configuré pour traiter du travail dans Sharkly. Il peut recevoir des Tâches assignées, écrire des commentaires, mettre à jour l’état des Tâches via le workflow disponible et produire une trace d’exécution. Comme la configuration est enregistrée, une équipe peut maintenir des Agents distincts pour les modifications de code, la revue, les tests, la documentation ou le triage opérationnel sans réécrire les mêmes instructions pour chaque Tâche.
Deux limites importantes d’emblée.
Un Agent n’est pas l’hôte d’exécution. Son travail s’exécute via un Runtime sélectionné sur un Computer connecté. L’Agent définit comment le travail doit être traité ; le Computer fournit l’hôte ; le Runtime exécute la session proprement dite ; la Tâche reste l’enregistrement partagé. Chaque rôle a un seul travail, c’est pourquoi un même Computer peut servir plusieurs Agents.
Un Agent ne choisit pas son propre modèle. Il suit le modèle par défaut du Runtime, sans sélecteur de modèle ni contrôle de profondeur de réflexion sur l’Agent. Pour utiliser un autre modèle, modifiez-le dans la configuration de l’outil Runtime ou Computer, par exemple dans Claude Code ou Codex lui-même.
La confiance est une propriété du système, pas du modèle
Voici l’argument sur lequel repose cet article : un agent est digne de confiance lorsque son travail est délimité, visible et révisable. Pas lorsque le modèle est impressionnant.
Délimité signifie que l’autorité de l’Agent est écrite avant son exécution : quels dépôts il peut toucher, sur quel Computer il s’exécute, ce que ses instructions autorisent, combien de Tâches il peut exécuter simultanément et combien de temps une exécution peut durer. Visible signifie que les états d’exécution, les événements de trace et les résultats reviennent dans la Tâche où chacun peut les inspecter, au lieu de disparaître dans un terminal privé. Révisable signifie qu’une personne se trouve au bout de la boucle : un Agent peut laisser une Tâche en attente d’une réponse humaine ou d’une revue humaine, et ces signaux arrivent dans l’Inbox de la personne responsable.
C’est le contrat humain-agent en pratique. L’automatisation s’arrête là où le jugement de l’équipe est requis. Si vous pesez encore le workflow lui-même, notre introduction au agentic coding couvre le passage du prompt à l’assignation du travail.
La surface de configuration d’un Agent
Un Agent peut inclure un nom, une description, un avatar et un propriétaire ; des instructions de fonctionnement ; une visibilité et un placement dans un Space ; une connexion Computer et un fournisseur Runtime ; des Skills assignés ; des dépôts Git spécifiques à l’Agent ; des variables d’environnement simples et secrètes ; des arguments Runtime supplémentaires ; des paramètres de répertoire de travail des Tâches ; ainsi qu’un maximum de Tâches exécutées en parallèle et un délai d’expiration par Tâche. Chaque élément est un levier de confiance.
Les instructions sont incluses dans chaque exécution. Utilisez-les pour les comportements qui doivent tenir pour chaque Tâche : périmètre et rôle, manière d’inspecter une Tâche avant d’agir, moment où demander une intervention humaine, vérifications attendues et format de compte rendu. La documentation trace une distinction utile en trois volets : les exigences propres à une Tâche vont dans la description ou les commentaires de la Tâche, une procédure réutilisable que plusieurs Agents peuvent partager va dans un Skill, et les instructions propres à l’Agent portent son identité stable. « Lisez la description de la Tâche et les commentaires récents avant de modifier. Limitez les changements au comportement demandé. Exécutez les vérifications pertinentes les plus proches et signalez les échecs sans les cacher » appartient à l’Agent, car cela doit être vrai lundi et le rester en mars. La description s’adresse à un autre lecteur : elle indique aux personnes quoi assigner, tandis que les instructions indiquent à l’Agent comment travailler.
La visibilité est soit Personal, accessible uniquement à son propriétaire actuel, soit Space, accessible aux personnes qui peuvent accéder au Space de l’Agent. Elle contrôle aussi qui peut assigner l’Agent, démarrer un Agent Chat avec lui ou le déclencher via un commentaire ou une mention. Commencez en Personal pendant le réglage ; passez en Space lorsque la configuration mérite d’être partagée. Ce passage est le moment où la pratique de travail d’un développeur devient une infrastructure d’équipe.
Computer et Runtime se combinent pour former la cible d’exécution. Un Computer en ligne signifie seulement que son service local envoie des battements de cœur ; cela ne signifie pas que le Runtime sélectionné peut exécuter une Tâche. Si le Computer est hors ligne, les nouvelles exécutions attendent normalement qu’il se reconnecte ; si le Runtime sélectionné a disparu, choisissez-en un autre éligible. L’histoire complète de la configuration se trouve dans Computers in Sharkly.
Les Skills empaquettent des instructions réutilisables et des fichiers de support : règles de revue, listes de contrôle de livraison, processus d’équipe. Les Skills de Runtime locaux restent disponibles automatiquement sur ce Computer ; les Skills partagés dans un Space doivent être assignés explicitement. Une mise en garde à répéter : évitez de lier de nombreux Skills qui se chevauchent, car des instructions contradictoires rendent l’exécution moins prévisible. Voir Skills in Sharkly pour un examen approfondi.
Les dépôts sont le levier de délimitation le plus propre dont vous disposez. Attachez-les à l’Agent lorsqu’il a besoin d’un périmètre de code plus étroit que celui par défaut du Space ; sans liaison, Sharkly revient aux dépôts configurés pour le Space de la Tâche. Un Agent de documentation lié au dépôt de documentation n’a aucun chemin vers votre service de paiement.
L’environnement et les paramètres d’exécution bornent ce qu’une exécution peut consommer. Les variables d’environnement simples et secrètes, plus les arguments Runtime supplémentaires, permettent à une exécution de transporter de la configuration sans que personne ne colle des identifiants dans une Tâche. Ne mettez jamais de jetons de dépôt, de clés privées ou de jetons d’installation dans une description de Tâche, un commentaire, une instruction d’Agent ou un Skill. Les Task Run Settings contrôlent les Tâches parallèles, la durée maximale d’exécution et le mode de répertoire de travail :
| Mode temporaire | Mode spécifié | |
|---|---|---|
| Ce qu’obtient une exécution | Un répertoire isolé par Tâche ; les exécutions adossées à un dépôt peuvent préparer un worktree vierge | Un répertoire local absolu configuré, issu du pool de répertoires de l’Agent |
| Concurrence | Exécution parallèle plus sûre ; la valeur par défaut est 50 % de la limite du Computer | Une exécution par répertoire à la fois ; la valeur par défaut correspond au nombre de répertoires |
| Disponibilité | Tout Computer connecté | Computer locaux uniquement |
| Idéal pour | La plupart des travaux sur dépôt, et chaque fois que plusieurs Tâches peuvent modifier la même base de code en parallèle | Les très gros dépôts, les caches locaux coûteux ou les Tâches liées à des services locaux |
Définissez une valeur de concurrence manuelle supérieure au nombre de répertoires et le produit avertit que les écritures peuvent entrer en collision. Les mécanismes d’isolation font l’objet de comment Sharkly exécute des Agents en parallèle sans conflits de fusion.
Conversations vs Tâches : deux surfaces, une règle
Agent Chat est une conversation autonome pour poser une question, enquêter sur un sujet ou façonner un plan avant que quoi que ce soit n’ait besoin d’une Tâche suivie. Le chat prend en charge trois modes : Explore pour une investigation en lecture seule, Plan pour des propositions que vous examinez et confirmez avant que Sharkly ne crée la tâche et les sous-tâches planifiées, et Execute pour une action directe via la CLI configurée de l’Agent. Chaque session appartient à la personne qui l’a créée.
Une Tâche est l’endroit où le travail va lorsqu’il a besoin d’un responsable, d’un statut, d’un historique d’exécution ou d’une revue. Le duo de décision : utilisez le Chat pour explorer, planifier ou agir avant que le travail n’ait besoin d’une Tâche suivie ; utilisez la Tâche lorsque le travail a besoin d’un Assignee, d’un statut, de critères d’acceptation ou d’un enregistrement durable.
Une limite empêche les équipes de perdre le contexte. Envoyer un message dans Agent Chat ne crée pas de commentaire de tâche, et les messages dans le chat d’agent d’une tâche n’apparaissent pas dans l’activité en tant que commentaires. Si l’équipe doit voir une conclusion, copiez-la dans la description de la tâche ou dans un commentaire. La confiance dépend de l’enregistrement partagé, et l’enregistrement partagé est la Tâche.
Ce que les états de statut vous apprennent
Ici, la visibilité est un ensemble précis d’états que vous pouvez lire, pas un slogan de tableau de bord.
Une exécution de Tâche passe par queued, dispatched, waiting for local directory, running, completed, failed et canceled. Les états d’exécution sont distincts du statut de workflow de la Tâche : une exécution peut échouer alors que la Tâche reste ouverte pour une autre tentative. Le journal d’exécution enregistre pourquoi une exécution a été mise en file d’attente, quand elle a commencé et terminé, les appels d’outils et les événements Runtime, la source du déclenchement et les détails de l’échec.
La disponibilité de l’Agent est un troisième signal distinct. Un Agent en ligne peut encore avoir du travail en file d’attente parce que la concurrence ou la capacité de répertoires est saturée. Et le Backlog sert de zone de stationnement : une Tâche assignée à un Agent attend tant qu’elle est dans le Backlog, et c’est son déplacement vers un statut prêt pour le travail qui lance l’exécution. Assigner un Agent ne déclenche jamais de travail par surprise.
Votre premier Agent : un parcours pas à pas auquel vous pouvez vous fier
Le moyen le plus rapide de bâtir la confiance est la plus petite boucle utile des docs Sharkly : connectez un Computer, créez un Agent et assignez une Tâche à faible risque.
- Connectez un Computer. Ouvrez Settings, puis Computers, et choisissez Connect Computer. Attendez qu’il apparaisse comme connecté avec au moins un Runtime disponible.
- Créez l’Agent avec un rôle étroit. Nom : Code Reader. Description : lit un dépôt, explique l’implémentation actuelle et signale les risques sans modifier de fichier. Visibilité : Personal.
- Rédigez des instructions qui imposent le périmètre : « Lisez toute la Tâche et les commentaires pertinents avant d’agir. Limitez le périmètre à la demande. Pour la première Tâche, ne modifiez aucun fichier. Signalez ce que vous avez inspecté, les preuves de chaque conclusion et tout ce qui reste incertain. »
- Liez le code. Attachez un dépôt Git ou configurez un répertoire local spécifié qui le contient déjà. Les Skills peuvent attendre.
- Créez une petite Tâche uniquement textuelle : examinez le chemin d’erreur d’authentification, identifiez trois cas d’échec visibles par l’utilisateur, citez le fichier pertinent pour chacun, ne changez rien.
- Assignez et démarrez, en utilisant un statut prêt pour le travail plutôt que Backlog. Regardez l’état d’exécution passer de queued à running, puis lisez le résultat sur la Tâche.
- Faites une revue sérieuse. Vérifiez que l’Agent a inspecté le code prévu, est resté dans la limite de non-modification, a fourni des preuves et a consigné les incertitudes au lieu de deviner.
Cette dernière étape est tout l’intérêt. Une première Tâche en lecture seule permet à l’Agent de gagner de l’autorité avant d’en détenir. Une fois la boucle fonctionnelle, élargissez le périmètre délibérément. Les mécanismes complets d’assignation se trouvent dans comment assigner votre première Tâche à un Agent de codage IA.
Et si un Agent cesse de mériter cette confiance, la révocation est propre. L’archivage le retire de l’assignation et des mentions et annule son travail en cours, tandis que ses Tâches, commentaires et historique d’exécution antérieurs restent disponibles. Un coéquipier que l’on peut retirer sans perdre la trace de son travail est un coéquipier que l’on peut se permettre d’intégrer.
FAQ
Qu’est-ce qu’un Agent dans Sharkly, exactement ?
Un Agent est un acteur IA configuré pour traiter du travail dans Sharkly : une configuration enregistrée d’instructions, une liaison Computer et Runtime, des Skills, des dépôts, des variables d’environnement et des paramètres d’exécution. Il peut recevoir des Tâches assignées, écrire des commentaires, mettre à jour l’état des Tâches et produire une trace d’exécution. Comme la configuration est enregistrée, la pratique de travail d’une personne devient réutilisable lorsque l’Agent est partagé dans un Space.
Quel modèle utilise un Agent Sharkly ?
L’Agent suit le modèle par défaut de son Runtime sélectionné, comme Claude Code ou Codex, et n’affiche ni ne promet de nom de modèle spécifique. Il n’y a pas de sélecteur de modèle ni de contrôle de profondeur de réflexion sur l’Agent. Pour changer de modèle, mettez à jour la configuration de l’outil Runtime ou Computer.
Quelle est la différence entre discuter avec un Agent et lui assigner une Tâche ?
Agent Chat est une conversation autonome pour explorer, planifier ou agir avant que le travail n’ait besoin d’un enregistrement suivi. Une Tâche est l’unité de travail partagée, avec un Assignee, un statut, un historique d’exécution et une revue. Les messages de chat ne deviennent pas des commentaires de tâche, donc les conclusions visibles par l’équipe doivent figurer sur la Tâche.
Comment limiter ce qu’un Agent peut faire ?
Le périmètre est défini dans la configuration : les instructions définissent le rôle et les règles de prudence, les liaisons de dépôts limitent le code que l’Agent voit, et les Task Run Settings plafonnent les Tâches parallèles et la durée d’exécution. Le mode de répertoire de travail temporaire ajoute de l’isolation en donnant à chaque Tâche son propre répertoire. L’acceptation finale appartient toujours à une personne.
Pourquoi ma Tâche assignée ne démarre-t-elle pas ?
Vérifiez trois choses. Une Tâche dans le Backlog attend par conception ; déplacez-la vers un statut prêt pour le travail. Un Computer en ligne signifie seulement que des battements de cœur arrivent, donc confirmez que le Runtime sélectionné est indiqué comme disponible. Et un Agent en ligne peut encore mettre du travail en file d’attente lorsque sa concurrence ou ses répertoires spécifiés sont saturés.
