Open source · Apache 2.0 · Python 3.11+
Phronesis (φρόνησις) : pour Aristote, sagesse pratique — la capacité de délibérer avec justesse et d'agir avec discernement dans des situations concrètes. Un LLM possède episteme (connaissance). Un agent a besoin de phronesis.
from phronesis import Agent, anthropic
researcher = Agent(
name="researcher",
model=anthropic("claude-opus-4-7"),
system_prompt="You investigate questions thoroughly and cite sources.",
)
answer = await researcher.run("What is phronesis in Aristotelian ethics?")from phronesis import Agent, anthropic
researcher = Agent(
name="researcher",
model=anthropic("claude-opus-4-7"),
system_prompt="You investigate questions thoroughly and cite sources.",
)
answer = await researcher.run("What is phronesis in Aristotelian ethics?")Pourquoi Phronesis
Les LLM savent des choses — c'est épistémè. Mais les agents doivent décider et agir avec discernement dans des situations concrètes. C'est phronesis. La plupart des frameworks d'agents les traitent comme des chatbots améliorés collés à une boucle d'utilisation d'outils. Phronesis les traite comme des systèmes délibératifs avec des contrats explicites : entrées typées, effets déclarés, mémoire bornée, modèles d'exécution nommés.
Les frameworks existants imposent un choix. D'un côté, vous écrivez un flux de contrôle arbitraire en code : expressivité maximale, et un système multi-agents que personne ne peut déboguer six mois plus tard. De l'autre, tout est décrit en YAML ou en constructeurs de graphes : lisible au premier coup d'œil, impossible dès que vous avez besoin de quelque chose de non trivial. Phronesis sépare la spécification déclarative de l'exécution. Les agents, outils, mémoire et pipelines sont des specs typées, immuables, sérialisables en JSON. Les modèles d'exécution proviennent d'un catalogue fermé et bien défini — expressivité sans chaos.
Chaque exécution est observable via OpenTelemetry, chaque spec est versionnable, chaque contrat est une vérification à l'exécution, pas un commentaire dans un prompt. C'est la différence entre un framework qui produit des démos et un qui produit des systèmes que vous pouvez exploiter.
Tour du code
Un agent lie un modèle, des outils et une mémoire dans une seule spec déclarative.
from phronesis import Agent, anthropic
from phronesis.memory import SemanticMemory
agent = Agent(
name="assistant",
model=anthropic("claude-opus-4-7"),
tools=[search_web, read_file],
memory=SemanticMemory(scope="session"),
system_prompt="You are a careful research assistant.",
)from phronesis import Agent, anthropic
from phronesis.memory import SemanticMemory
agent = Agent(
name="assistant",
model=anthropic("claude-opus-4-7"),
tools=[search_web, read_file],
memory=SemanticMemory(scope="session"),
system_prompt="You are a careful research assistant.",
)Modèles
Des agents qui rassemblent des informations, raisonnent dessus et synthétisent des réponses avec citations.
Des agents qui lisent, structurent et agissent sur des documents avec une mémoire explicite de ce qu'ils ont vu.
Des pipelines composant des agents spécialisés via transferts, débat ou consensus.
Des agents qui invoquent des outils typés et des serveurs MCP sous des contrats de sécurité explicites.
Principes
Les agents sont configurés à partir de pièces — modèle, outils, mémoire, prompts — pas sous-classés. Vous assemblez ; vous ne surchargez pas.
Streaming, concurrence et annulation sont des hypothèses de base. Il n'y a pas d'API synchrone fantôme à maintenir.
Pydantic v2 partout. Les types ne sont pas de la documentation — ce sont des contrats à l'exécution que le framework applique.
Les définitions sont sérialisables en JSON et reproductibles. L'état d'exécution vit à part, observable et interrogeable.
Spans OpenTelemetry pour chaque exécution d'agent, appel d'outil et étape de pipeline — dès le premier commit, pas greffé après coup.
Sequence, Parallel, ReActLoop, Consensus, Debate, Handoff. Des modes nommés sur lesquels vous pouvez raisonner — pas du flux de contrôle arbitraire.
Ce qu'il y a dedans
Les primitives à partir desquelles chaque agent est construit.
Comment les agents se souviennent et ce qu'ils partagent.
Comment les agents se composent en systèmes.
Installer
$pip install phronesis-framework
Statut du projet
L'API va changer. Nous travaillons publiquement pour construire un framework qui prend au sérieux les systèmes d'agents — typé, composable, observable. Aucune revendication de production, aucune étude de cas inventée, aucune barrière entreprise. Juste le code, et un engagement honnête envers son design.
Retours, idées et contributions sont les bienvenus via GitHub Discussions et Issues. La feuille de route, les aspérités et les questions ouvertes sont toutes dans le dépôt.
