01
Reporter de standup quotidien
S’exécute toutes les 24 h, analyse l’historique git, ingère les constats et génère un rapport de standup. Aucune interaction nécessaire.
Open Source · Rust
Des agents IA qui travaillent ensemble.
Définis en config. Connectés par mesh.
Un fichier TOML = un agent autonome complet avec LLM, tools, planification, mémoire et mesh networking. Partagez des providers sans partager d’API keys. Exécutez sur votre appareil. Pas de cloud, pas de Python, pas de fuite de credentials.
standup_bot.toml 90 lines
[agent] provider = "anthropic" model = "claude-sonnet-4-5-20250929" tools = ["shell", "knowledge_ingest", "knowledge_query"] # Run once a day, forever [agent.execution] max_steps = 30 max_turns = 15
qmtcode --config standup_bot.toml --dashboard Aussi disponible comme bibliothèque Rust, CLI, extension VS Code et FFI iOS/Android.
Commencer
Installation en une commande
curl -sSf https://query.mt/install.sh | sh macOS Silicon: après le téléchargement, supprimez l’attribut quarantine :
xattr -dr com.apple.quarantine qmtcode Pour les développeurs Rust : ajouter à :
Cargo.toml —
querymt = { version = "0.3", features = ["extism_host"] } Fonctionnalités
Cinq piliers qui distinguent querymt QueryMT
Chaque fonctionnalité appartient à l’un de ces piliers. Ensemble, ils forment un framework que les autres n’offrent pas.
Agent par config.
Définissez LLM, tools, serveurs MCP, planification et middleware dans un fichier TOML. Sans code.
En savoir plus →Partagez les modèles, pas les keys.
Les mesh nodes exposent des LLM sans révéler les API keys. Rejoignez via des invite tokens signés, même sous forme de QR code.
En savoir plus →Connecté à votre vie.
Calendar, Contacts, Messages, Maps : tout sur l’appareil via iMCP. iOS et Android aussi.
En savoir plus →Les agents se trouvent entre eux.
Auto-discovery sur LAN ou internet. Délégation entre machines. Sessions partagées.
En savoir plus →Les LLM comme plugins.
17+ providers comme plugins OCI. Sandbox WASM. Détection automatique du GPU pour l’inférence locale.
En savoir plus →Galerie
Que pouvez-vous construire ?
13 agent configs prêtes à l’emploi. Copiez-en une, modifiez-la et lancez-la. Chacune démontre une capacité différente.
02
Moniteur de santé du codebase
Audite les TODO, le nombre de tests, les dépendances, le code mort et la couverture documentaire toutes les 30 minutes. Suit les tendances.
03
Mineur proactif de patterns
Extrait des patterns comportementaux depuis les données de l’appareil. Produit des briefings proactifs sur ce qui peut perturber votre journée.
04
Assistant personnel d’appareil
Interroge Calendar, Contacts, Messages, Reminders, Maps et Weather via iMCP. Tout sur l’appareil, tout local.
05
Assistant de recherche
Assistant de recherche interactif avec mémoire persistante. Ingérez des constats, interrogez-les plus tard et consolidez automatiquement.
06
Binôme de code apprenant
Quorum planner + coder qui devient plus intelligent avec le temps. Interroge les décisions passées avant de planifier.
07
Implémentation de code multi-agent
Le planner délègue à un coder spécialisé avec GPU. Délégation parallèle avec vérification.
08
Planner + Coder + Researcher
Quorum de trois agents avec GitHub MCP. Chaque delegate a des tools et des providers différents.
09
Template de démarrage
Template simple avec un agent, des tools et un MCP optionnel. Le point de départ.
10
Agent de code
Agent coding avec modes Build/Plan/Review. Git snapshots. Compaction de contexte en trois couches.
11
Démo de gestion du contexte
Gestion avancée du contexte avec compaction des sorties de tools via SQLite FTS5 et guardrails de routing.
12
Template delegate
Config minimale pour coder delegate. Template pour ajouter de nouveaux delegates à un quorum.
13
Extension VS Code
Config d’agent conçue pour être intégrée dans l’extension VS Code. Modes, middleware et intégration MCP.
Fonctionnement
Trois étapes de la config à l’agent en cours d’exécution
1
Écrivez un fichier TOML
[agent] provider = "anthropic" model = "..." tools = ["shell", "knowledge_ingest"] [[mcp]] name = "github" [[middleware]] type = "limits"
2
Lancez une commande
qmtcode --config agent.toml --dashboard
✓ L’agent démarre
✓ Charge les serveurs MCP
✓ Crée le stockage de connaissances
✓ Démarre le scheduler
✓ Rejoint le mesh
3
Utilisez le dashboard
chat > Discutez avec lui
cron > Planifiez-le
tail > Observez son exécution
mode > Changez de mode
Providers
17+ providers, une API
Plugins WASM ou natifs récupérés depuis OCI. Sandbox par défaut. Détection automatique du GPU pour l’inférence locale.
$ qmt providers list 17 adaptateurs
[01] plugin: OpenAI prêt
[02] plugin: Anthropic prêt
[03] plugin: Google prêt
[04] plugin: Groq prêt
[05] plugin: xAI prêt
[06] plugin: Ollama prêt
[07] plugin: llama.cpp prêt
[08] plugin: Mistral prêt
[09] plugin: DeepSeek prêt
[10] plugin: Alibaba prêt
[11] plugin: Moonshot prêt
[12] plugin: Kimi-Code prêt
[13] plugin: OpenRouter prêt
[14] plugin: Codex prêt
[15] plugin: Z.AI prêt
[16] plugin: Izwi prêt
[17] plugin: MRS prêt
Pour vous
Où vous situez-vous ?
Développeur Rust
Utilisez querymt comme bibliothèque de framework. Builder pattern, traits, système de plugins.
Core docs →Utilisateur CLI
Installez qmt et commencez à discuter depuis le terminal.
CLI docs →Builder d’agents
Définissez des agents en TOML. Lancez-les avec le dashboard.
Showcase →IA locale
Exécutez des modèles sur votre propre GPU. Pas de cloud. Pas de Python.
Device Agent →Utilisateur mesh
Partagez des modèles avec vos amis. Rejoignez avec un invite token.
Partage de providers →