Exécuter des agents d’entreprise avec Eigent & Gemini 3 Pro

Résumé

Dans les environnements d’entreprise réels, de nombreux outils internes, tableaux de bord et systèmes hérités fonctionnent entièrement dans le navigateur, constituant l’épine dorsale des opérations quotidiennes. Pour automatiser ces systèmes complexes, nous présentons Eigent, une application open source multi-agent de workforce qui s’exécute localement et peut être entièrement configurée à partir des sources, avec un fort accent sur l’automatisation du navigateur — servant en quelque sorte de coéquipier open source Eigent pour les workflows d’entreprise.

Dans cet article, nous explorons comment Eigent exploite l’architecture Workforce de CAMEL et l’automatisation du navigateur pour gérer des tâches d’entreprise complexes en plusieurs étapes. Nous examinerons également Gemini 3 Pro de plus près, en analysant ses performances sur trois tâches d’entreprise réelles et les caractéristiques architecturales qui lui permettent d’être efficace dans des scénarios d’automatisation de navigateur agentique à long horizon.

Contexte : qu’est-ce qu’Eigent et comment il prend en charge Gemini 3 Pro

Eigent est un produit open source de workforce multi-agent qui s’exécute sur votre bureau. Il repose sur une architecture de workforce multi-agent, soutenue par des capacités générales telles que l’automatisation du navigateur, l’automatisation du terminal et des MCP. Cette conception permet aux agents d’Eigent d’exécuter des tâches un peu comme des travailleurs humains — en opérant dans de vrais environnements de bureau, sans avoir besoin d’intégrations API profondes ni de reconfiguration constante des workflows.

À mesure que les modèles de fondation continuent de progresser, leur intégration avec le système multi-agent open source d’Eigent permet aux développeurs et aux utilisateurs d’entreprise d’appliquer rapidement et efficacement les capacités des LLM à des cas d’usage réels. C’est pourquoi Eigent a intégré Gemini 3 Pro immédiatement après sa sortie.

Pour commencer en Cloud Mode, il suffit de sélectionner Gemini 3 Pro dans la liste déroulante du haut. Sinon, si vous préférez Bring Your Own Key, rendez-vous sur la page Model Settings dans Eigent, trouvez la section Gemini et saisissez votre clé API. Une fois le nom du modèle défini sur Gemini 3 Pro, vous êtes prêt à commencer. Besoin d’aide ? Consultez notre guide sur [configuration de votre clé API Google Gemini].

Pour un guide pas à pas, regardez le tutoriel vidéo ci-dessous.

Dépôt GitHub et comment configurer Eigent

Dépôt GitHub : https://github.com/eigent-ai/eigent

Démarrage rapide : configuration de l’environnement

Vous avez deux façons d’exécuter Eigent : utiliser l’application desktop précompilée pour une utilisation immédiate, ou configurer l’environnement de développement pour inspecter le code et personnaliser les agents.

Option A : l’application desktop “Zero-Config”

Pour les utilisateurs qui souhaitent commencer à automatiser des tâches immédiatement sans toucher au code :

1. Téléchargez le client depuis le site officiel.
2. Installez le fichier .dmg (macOS) ou .exe (Windows).
3. Lancez l’application — le backend local démarre automatiquement.

Option B : configuration développeur

Pour accéder au code source et exécuter le système localement pour le développement, suivez ces étapes :

1. Prérequis Assurez-vous d’avoir Node.js (v18-22) et Python installés.

2. Cloner et installer

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. Exécuter l’application

# Return to root and run dev mode
npm run dev

Une fois en cours d’exécution, vous pouvez configurer vos fournisseurs de LLM (Gemini 3 Pro, etc.) directement dans les paramètres. Pour plus d’informations détaillées sur la configuration, les fonctionnalités avancées et le dépannage, veuillez consulter notre documentation officielle.

Sous le capot : la stack complète d’Eigent et l’architecture Workforce de CAMEL

Vue d’ensemble du système Eigent

Eigent constitue une application desktop local-first avec orchestration multi-agent, propulsée par la CAMEL Workforce comme moteur principal. Le système implémente une architecture full-stack découplée qui s’exécute entièrement sur l’infrastructure locale de l’utilisateur. Cette conception garantit strictement la souveraineté des données, en éliminant les risques de confidentialité associés à l’exécution d’agents dans le cloud.

1. Le frontend

L’interface utilisateur sert de plan de contrôle pour la configuration des agents et le suivi des workflows. Elle est construite avec React et TypeScript dans un framework Electron.

Les composants techniques clés incluent :

• Gestion d’état : Zustand est utilisé pour gérer l’état transitoire de l’application, garantissant une réactivité efficace.
• Orchestration visuelle : React Flow est intégré pour visualiser l’espace de travail des agents et suivre l’exécution des agents en temps réel.
• Communication : Le frontend communique avec le backend via des requêtes HTTP locales sécurisées.

2. Le backend

La logique centrale réside dans un serveur Python local utilisant FastAPI et Uvicorn, qui agit comme environnement hôte pour le framework multi-agent CAMEL.

• Environnement d’exécution : Le backend s’exécute sur Python 3.10+, géré par uv pour une résolution des dépendances haute performance et l’isolation de l’environnement.
• Couche de persistance : PostgreSQL, via l’ORM SQLModel/SQLAlchemy, fournit un stockage robuste des données structurées pour les journaux d’audit, l’historique des workflows et les états des agents.
• Framework multi-agent : Le framework CAMEL gère la logique d’orchestration des agents (par exemple, workforce), en s’interfaçant avec des Large Language Models (LLMs) qu’ils soient distants (par exemple, Gemini) ou locaux (par exemple, via vLLM) pour l’exécution des agents. Le framework CAMEL propose également un riche ensemble de toolkits tels que browser toolkit, terminal toolkit, document generation toolkit.

CAMEL Workforce : un système multi-agent inspiré des structures organisationnelles

Au cœur d’Eigent se trouve CAMEL Workforce, un système multi-agent conçu pour résoudre des tâches complexes du monde réel grâce à une coopération décentralisée. Le système utilise un modèle strict Producer-Consumer, médié par un canal de messages asynchrone pour gérer efficacement les graphes de dépendances.

1. Rôles des agents

• Agent Coordinator : Fonctionne comme répartiteur principal. Il maintient l’état global et attribue les sous-tâches à des workers spécifiques en fonction de leur disponibilité et de leurs capacités.
• Agent Task : Prend en charge la décomposition sémantique des objectifs de haut niveau en unités atomiques exécutables.
• Agent Worker : Sert d’unité d’exécution spécialisée. Les agents worker consomment des sous-tâches atomiques et les exécutent à l’aide d’outils spécifiques au domaine.

2. Communication asynchrone : le TaskChannel

Le découplage entre la couche de coordination et la couche d’exécution est assuré par le TaskChannel. Cette file de messages asynchrone gère la distribution des tâches sans bloquer le thread d’exécution principal.

Flux d’exécution :

1. Le workforce initie une tâche.
2. Les nœuds worker interrogent les affectations.
3. À la fin, les résultats sont renvoyés.

3. Construction dynamique du DAG

Les workflows d’entreprise sont rarement linéaires. CAMEL Workforce implémente un mécanisme de construction dynamique de Directed Acyclic Graph (DAG). Lorsqu’une invite de haut niveau est reçue (par exemple, "Create Travel Plan"), l’Agent Task décompose cet objectif en nœuds distincts.

Le système cartographie explicitement les dépendances, ce qui permet au planificateur de :

• Exécuter en parallèle les nœuds indépendants (par exemple, Search Flight Ticket et Search Hotel s’exécutent simultanément).
• Bloquer les nœuds dépendants jusqu’à ce que leurs prédécesseurs atteignent l’état DONE.

4. Mécanisme tolérant aux pannes

Compte tenu de la nature non déterministe des LLM, Eigent traite les échecs comme des transitions d’état attendues plutôt que comme des exceptions fatales. L’architecture implémente un mécanisme de récupération robuste utilisant les stratégies suivantes :

• RETRY : Réexécute la sous-tâche sur le même worker pour gérer les erreurs transitoires.
• REPLAN : L’Agent Task modifie la sous-tâche d’origine en fonction du journal d’échec avant de la remettre en file d’attente.
• REASSIGN : La sous-tâche est migrée du worker actuel vers un autre agent possédant un ensemble de compétences compatible.
• DECOMPOSE : Si une tâche échoue en raison d’une complexité excessive, elle est décomposée récursivement en sous-tâches plus petites.

Architecture d’automatisation du navigateur dans Eigent

Pourtant, une architecture de workforce multi-agent ne peut débloquer une véritable automatisation d’entreprise que si elle est associée à la puissance croissante de capacités générales telles que l’automatisation du navigateur. C’est pourquoi nous insistons sur la construction d’agents capables d’opérer directement dans de vrais environnements métier plutôt que de s’appuyer uniquement sur des intégrations API rigides.

Eigent adopte une architecture à deux couches qui sépare le contrôle du navigateur de l’orchestration des agents :

• La couche TypeScript est responsable de toutes les interactions avec le navigateur. Elle s’appuie sur les APIs natives de Playwright pour effectuer des opérations DOM, capturer des instantanés structurés, générer des captures SoM, détecter les occlusions et gérer la logique avancée du navigateur directement dans le runtime JavaScript. Comme Playwright est nativement conçu en TypeScript, cette couche bénéficie de fonctionnalités de pointe comme _snapshotForAI() et garantit de meilleures performances, une meilleure fiabilité et une meilleure ergonomie développeur.
• La couche Python gère l’orchestration IA. Elle prend en charge les appels LLM, la prise de décision des agents et la planification des tâches. Cette séparation permet à Python de se concentrer sur la logique des agents, où l’écosystème Python excelle en IA et en orchestration de workflows.
• Les deux couches communiquent de manière asynchrone via WebSocket, ce qui permet des opérations non bloquantes. Python envoie des requêtes d’opérations navigateur, TypeScript les exécute et renvoie les résultats. L’interaction est transparente pour l’utilisateur final et prend en charge l’exécution concurrente des tâches.

Cette architecture améliore les performances, renforce la précision des interactions avec les éléments et permet des capacités avancées telles que le filtrage dynamique du DOM, des instantanés tenant compte du viewport et le rendu SoM dans le navigateur. Elle évite les limites des implémentations Python seules, comme une latence élevée, un accès limité aux internals du navigateur et une logique complexe de traitement d’images. En déléguant les tâches du navigateur au contexte d’exécution natif, Eigent garantit une base robuste pour l’automatisation d’entreprise basée sur des agents.

Lors de l’exécution multi-agent dans des scénarios d’automatisation d’entreprise, l’automatisation basée sur le navigateur offre un avantage naturel en matière de visibilité des processus. Chaque étape est transparente, inspectable et facile à déboguer, ce qui la rend beaucoup plus pratique pour les workflows complexes et évolutifs.

Tester Gemini 3 Pro sur des tâches d’entreprise réelles avec l’automatisation du navigateur d’Eigent

Nous avons testé Eigent avec Gemini 3 Pro pour automatiser des processus de vente à l’aide des capacités d’automatisation du navigateur d’Eigent. Les tâches confiées aux agents consistent à automatiser विभिन्न étapes du cycle de vente réel, notamment Lead Capture & Creation, Qualification & Pipeline Management, Quotation, Negotiation, Closing et Product Management.

Au cours des exécutions expérimentales, Gemini 3 Pro montre systématiquement trois points forts clés :

1. Gère bien les structures de page complexes, y compris les iframes et les éléments imbriqués : il peut trouver de manière fiable le bon contenu et les bons boutons, même dans des mises en page complexes.
2. Vérifie ses propres actions pour rester précis et réduire les étapes : il utilise une boucle de feedback pour corriger les erreurs et s’assurer que la tâche est vraiment bien effectuée.
3. Utilise les outils efficacement et avec souplesse : il évite les étapes inutiles et sait combiner intelligemment les outils lorsque c’est nécessaire.

Exemple de tâche 1 :

Identifiez toutes les entreprises B2B de la promotion Winter et Summer 2025 de Y Combinator dont le secteur est lié au marketing. Une fois la liste complète des entreprises obtenue, enquêtez de manière autonome et détaillée sur les informations produit de chaque entreprise, puis consolidez toutes les conclusions dans un fichier CSV propre et bien structuré.

Cette tâche démontre la capacité de l’agent à gérer une navigation itérative et une extraction dynamique de données. Contrairement à un simple scraping d’une seule page, ce workflow demande à l’agent d’interagir d’abord avec l’annuaire Y Combinator pour appliquer des filtres spécifiques (Batch, Industry, balise B2B), puis d’exécuter un modèle « List-to-Detail ».

Le défi ici consiste à maintenir le contexte : l’agent doit consulter les profils individuels des entreprises pour extraire des détails précis sur les produits, puis revenir à la liste principale sans perdre sa position ni dupliquer des entrées. Gemini 3 Pro orchestre avec succès cette boucle, en analysant des mises en page de landing pages variées et en normalisant les informations non structurées dans un CSV propre, sans intervention manuelle.

Exemple de tâche 2 :

Le deal salesforce.com - 200 Widgets progresse bien. Faites-le passer de l’étape 'Needs Analysis' à 'Proposal', puis cliquez sur “Mark as Current Stage’ et allez cliquer sur "Contact Roles" pour me donner le nom du contact et son numéro de téléphone. Revenez à la page Opportunities et modifiez ce champ Next Step pour le mettre à “book a meeting with + le nom du contact et son numéro de téléphone.”

Cette tâche d’automatisation du navigateur pose un défi pour les modèles standards. D’abord, elle doit localiser l’Opportunity pertinente sur la page d’accueil de Salesforce. Ensuite, elle doit mettre à jour l’étape de l’Opportunity, naviguer vers une page spécifique et récupérer les informations de contact, puis enfin modifier le champ 'Next Step' dans ces informations.

Par conséquent, pour cette tâche, il est nécessaire de démontrer des performances stables sur des tâches à long horizon, une compréhension approfondie des tâches complexes, une planification logique des tâches et la capacité à exécuter des opérations stables, inter-pages, dans l’environnement Salesforce.

En outre, grâce à une décomposition quantitative (par exemple, cartographier l’action de chaque étape aux régions de la page, suivre les comptes d’échec/retry), nous pouvons aligner la référence des actions du navigateur avec les éléments des instantanés, élément par élément. Cela permet une analyse plus approfondie des performances de Gemini 3 Pro en matière de précision et d’efficacité des tool-calls et des actions du navigateur :

À partir des trois résultats d’exécution, nous constatons que Gemini 3 Pro démontre une forte robustesse et une bonne auditabilité dans les scénarios de tâches navigateur à long horizon.

• Flux d’exécution : il montre une planification fiable du chemin d’exécution à partir de l’objectif de tâche analysé et de l’état de l’environnement.
• Stabilité et robustesse : la page navigateur de la tâche actuelle contenait jusqu’à 13 niveaux d’imbrication, pourtant Gemini 3 Pro a maintenu peu de retries, aucune boucle infinie pendant l’exécution de la tâche.
• Efficacité : les trois ensembles de logs n’ont montré presque aucun appel d’outil redondant, et n’ont jamais affiché plusieurs clics ou saisies répétées. Cette efficacité, combinée à des outils auxiliaires flexibles (Note/Screenshot), a entraîné moins d’actions navigateur et des actions plus stables.

Exemple de tâche 3 :

“ Je prépare ma revue commerciale mensuelle. Veuillez aller dans mes prévisions, trouver l’opportunité sous le compte Global Media qui est au stade Commit, et mettre à jour sa Close Date au November 26th. ”

Que se passe-t-il si nous augmentons la complexité de la page web dans la tâche ?

La tâche suivante est définie sur une page Salesforce Forecast. La page Forecast est utilisée par les équipes commerciales pour les statistiques et la vue d’ensemble ; sa page navigateur est extrêmement complexe, avec environ 4 763 éléments dans un seul instantané. Après décodage multi-niveaux, l’instantané contient 1 222 lignes avec une profondeur d’imbrication maximale de 18 niveaux et une profondeur moyenne d’environ 14,33. Cela signifie que la page ne se contente pas d’avoir un grand nombre d’éléments, elle présente aussi une hiérarchie profondément imbriquée : des structures multiniveaux telles que List → List Item → Link/Button → Icon → Paragraph/Grid Row.

Salesforce Forecasts Webpage

Dans nos tests, Gemini 3 a exécuté cette tâche sans faute les trois fois. Sa capacité à mettre correctement à jour des champs dans une page aussi dense et fortement imbriquée, tout en parvenant à cibler avec succès l’opportunité (Global Media 180 Widgets) et à terminer la mise à jour de la Close Date, prouve les capacités robustes d’analyse, de planification de chemin et d’exécution stable de Gemini 3 Pro dans des scénarios d’utilisation du navigateur.

Comment Gemini 3 Pro améliore les performances des tâches

Gemini 3 Pro se distingue comme un choix bien équilibré pour les agents d’entreprise autonomes. Dans nos tâches réelles, il gère systématiquement les workflows à long horizon basés sur le navigateur avec un haut degré de fiabilité. Associé à son ratio coût-performance favorable, il constitue une option pratique pour déployer l’automatisation basée sur des agents à grande échelle dans les environnements d’entreprise.

L’avantage de la “State Continuity” (Thought Signatures) Le principal différenciateur technique que nous avons observé est l’implémentation par Gemini 3 Pro des Thought Signatures. Dans les interactions LLM traditionnelles, le modèle s’appuie entièrement sur le texte de l’historique de conversation pour reconstruire son contexte entre les tours. Dans les workflows complexes à long horizon, cela peut parfois conduire à une « dérive du contexte », où l’agent perd la trace de l’intention initiale après plusieurs interactions avec le navigateur. Gemini 3 Pro y remédie en renvoyant un thoughtSignature, qui est une représentation chiffrée de son état de raisonnement interne, après chaque étape.

Impact sur Eigent

Lorsque nos agents exécutent des tâches séquentielles (par exemple, "Check flight status" suivi de "Book Taxi"), cette signature est renvoyée au modèle. Dans nos tests, ce mécanisme a aidé l’agent à maintenir une meilleure continuité logique pendant les appels de fonctions en plusieurs étapes, réduisant le taux d’erreurs logiques dans les phases ultérieures du workflow par rapport à des modèles concurrents.

Robustesse dans la planification à long horizon

L’automatisation d’entreprise nécessite souvent de naviguer dans l’incertitude — gérer des écrans de connexion, des états de chargement ou des pop-ups inattendus.

Gemini 3 Pro a montré une forte résilience dans des sessions plus longues (10+ étapes). Cela correspond à ses performances sur des benchmarks comme Vending-Bench 2, qui évalue la planification à long horizon.

Pour les demandes standard, l’écart de performance entre les modèles de premier plan peut être négligeable. Cependant, dans l’Agentic Automation, où la conservation de l’état et la récupération après erreur sont primordiales, Gemini 3 Pro offre actuellement une base fiable pour la plateforme Eigent. Sa capacité à préserver l’« état de raisonnement » via les Thought Signatures en fait le choix pragmatique pour les workflows d’entreprise complexes en plusieurs étapes.

Conclusion et prochaines étapes

À travers ce blog, nous avons exploré comment Eigent, propulsé par l’architecture multi-agent Workforce de CAMEL et les capacités au niveau du navigateur, crée un environnement de production pour déployer des agents IA capables d’opérer réellement dans des systèmes d’entreprise. En combinant l’autonomie au niveau des outils avec des workflows pouvant être outrepassés par l’utilisateur, le système reste contrôlable, observable et auditable, ce qui constitue les propriétés essentielles pour tout déploiement destiné au B2B.

Nous avons également démontré comment Gemini 3 Pro, une fois intégré à Eigent, offre un équilibre idéal entre capacité de raisonnement, stabilité et rentabilité. Son alignement architectural avec l’exécution multi-agent, notamment grâce à des fonctionnalités telles que les Thought Signatures, le rend particulièrement adapté aux workflows à fort enjeu et à long horizon typiques des cas d’usage d’entreprise.

À l’avenir, nous continuons à :

• Mettre en évidence les cas d’échec dans les déploiements d’entreprise réels, en identifiant les schémas de tâches où les modèles de fondation actuels peinent avec le suivi d’état, la récupération après erreur ou l’ancrage des outils.
• Établir un benchmark standardisé d’automatisation de navigateur d’entreprise, en collectant des scénarios réalistes de tâches d’automatisation d’entreprise, notamment des clients e-mail, des systèmes de messagerie, des documents, des interfaces web de navigateur et des plateformes ERP/CRM.
• Construire un environnement d’apprentissage par renforcement pour les workflows d’entreprise basés sur le navigateur, permettant l’apprentissage par renforcement pour les agents via des récompenses basées sur les tâches, le suivi des trajectoires et l’analyse du comportement à long horizon.

Eigent est entièrement open source, et nous invitons les développeurs, chercheurs et équipes d’entreprise à explorer, étendre et contribuer :

👉 GitHub : https://github.com/eigent-ai/eigent

👉 Rejoignez notre communauté Discord : https://discord.camel-ai.org