Présentation

Orbital est un projet open source hébergé sur GitHub (zqiren/Orbital) qui propose une architecture d’agents remplaçables capables de manipuler le contexte d’un projet comme un actif réutilisable. Le dépôt compte 891 commits, 273 étoiles et 17 forks, ce qui indique un intérêt communautaire notable. Le README indique que le projet vise à rendre le context ownership explicite, en séparant les données de contexte des modèles d’IA qui les exploitent.

Architecture et fonctionnement

Le répertoire se compose de plusieurs dossiers clés : agent_os (implémentations d’agents), assets (stockage du contexte sous forme de fichiers JSON ou markdown), scripts (outils d’automatisation) et web (interface utilisateur). Le fichier pyproject.toml montre que le projet utilise Python 3.10 et les dépendances fastapi et uvicorn pour exposer une API REST qui orchestre les agents.

[tool.poetry]
name = "orbital"
version = "0.1.0"
description = "Context‑as‑asset framework for AI agents"
python = ">=3.10"

[tool.poetry.dependencies]
fastapi = "^0.95.0"
uvicorn = "^0.22.0"

Chaque agent lit les actifs depuis le dossier assets, exécute une tâche (par ex. génération de code) via un LLM externe, puis met à jour les actifs. La modularité est assurée par le fichier AGENTS.md, qui décrit comment ajouter ou remplacer un agent sans toucher au cœur du système.

Analyse des limites et perspectives

Le projet repose sur des modèles propriétaires : Claude Code et Codex. Le README signale qu’une fois la limite d’usage de Claude atteinte, le système bascule automatiquement vers Codex, comme illustré par le GIF de hand‑off. Cette dépendance crée deux contraintes majeures : (1) la disponibilité des API tierces et (2) les quotas d’usage qui peuvent interrompre les workflows. De plus, le stockage du contexte en clair dans le répertoire assets expose potentiellement des informations sensibles si le dépôt est partagé publiquement. Aucun mécanisme de chiffrement ou de contrôle d’accès n’est indiqué dans la documentation.

Sur le plan technique, l’utilisation de FastAPI permet une intégration aisée avec des pipelines CI/CD, mais la scalabilité dépendra de la capacité du serveur à gérer des appels simultanés aux LLM. Le projet ne fournit pas de benchmark de latence ou de coût, ce qui limite l’évaluation de son impact en production. Enfin, la communauté devra surveiller les évolutions des licences des modèles sous‑jacent, car une modification de la politique d’accès pourrait rendre Orbital inutilisable sans adaptation majeure.