Agents IA · LangGraph · RAGFlow
Configurez. Assemblez.
Compilez en LangGraph.
Le défi

Comment orchestrer
plusieurs agents IA ?

Configurer des agents IA, les faire collaborer dans un graphe cohérent, ajouter du RAG : sans outil dédié, c'est un casse-tête.

🔗
Agents isolés
Chaque agent configuré séparément. Difficile de les faire collaborer, gérer les transitions et garde-fous
⚡
Code à la main
Chaque graphe d'agents codé from scratch. Erreurs, incohérences, temps perdu
🔍
Pas de vision d'ensemble
Impossible d'analyser la cohérence d'un système multi-agents avant de le déployer
La solution

Configurez vos agents,
compilez en LangGraph

🧮
Agent Builder
Créez des agents spécialisés avec un prompt canonique CO-STAR. Tools, garde-fous, points de validation humaine.
📚
RAG Builder (optionnel)
Générez des configs RAGFlow téléchargeables. Vos données restent chez vous — Nodemap ne stocke rien.
🧩
Studio Workflows
Assemblez vos agents dans un graphe. Branchements, boucles, conditions. Glissez-déposez.
⚙️
Compilation LangGraph
Le graphe complet est compilé en code Python LangGraph exécutable. StateGraph, nodes, HITL gates.
Architecture

Pipeline complet

Configurez vos agents, compilez-les en LangGraph, déployez en Docker, orchestrez avec n8n/Dify.

ORCHESTRATION AGENTS LANGGRAPH COMPILATION RAG (optionnel) MODèLES IA n8n Dify Webhook / API Agent Docker #1 Agent Docker #2 Agent #N Studio Workflows drag-drop · branches StateGraph HITL · guardrails Code Python LangGraph + Dockerfile RAGFlow Self-hosted · configs YAML
Workflow

De la config au code

Trois étapes, de l'agent isolé au graphe LangGraph exécutable.

01
🧮
Configurer
Définissez vos agents (CO-STAR, tools, garde-fous) et optionnellement un RAG RAGFlow
→
02
🧩
Assembler
Reliez les agents dans Studio Workflows. Branchements, conditions, boucles
→
03
🚀
Compiler
Code Python LangGraph généré : StateGraph, HITL gates, guardrails
Module 1

Agent Builder

Configurez des agents IA spécialisés sans coder.

✏️
Prompt canonique CO-STAR
Context, Objective, Style, Tone, Audience, Response. Structure standardisée pour des prompts reproductibles.
🔧
Tools & Guardrails
Catalogue de 10+ tools. Garde-fous intégrés : limites de tokens, validations, fallbacks.
👥
HITL Gates
Points de validation humaine. L'agent s'arrête et demande validation avant une action critique.
📦
Agents réutilisables
Chaque agent est stocké comme AgentProject. Importez-le dans n'importe quel workflow.
Module 2 (optionnel)

RAG Builder — RAGFlow

Générez des configs RAGFlow téléchargeables. Le RAG n'est jamais obligatoire.

éTAPE 1
📝
Définir
Sources, chunking, embedding model. Config générée par Nodemap
→
éTAPE 2
📥
Télécharger
Config RAGFlow téléchargeable. Format YAML, prêt à importer
→
éTAPE 3
🔒
Vos données
Le consultant applique sur son propre RAGFlow. Nodemap ne stocke aucune donnée
Self-hosted
Aucune donnée stockée
Intégration agents
Compilation

Graphe → LangGraph

Le pipeline complet : vos agents configurés deviennent du code Python exécutable.

Agents configurés AgentBuilder YAML Compiler YAML → Python StateGraph add_node() add_edge() StateGraph nodes + edges HITL Gates interrupt_before Guardrails validations + limites Loops conditional edges 🚀 Code LangGraph Python exécutable workflow.py + requirements.txt + .env template 📦 Docker Container par agent API endpoint 🔄 n8n / Dify appellent les agents via API
Code généré

workflow.py + Dockerfile

# workflow.py — compilé par Nodemap, dans un container Docker
from langgraph.graph import StateGraph, END
from agents import classifier, responder
graph = StateGraph(AgentState)
graph.add_node("classifier", classifier)
graph.add_node("responder", responder)
graph.add_conditional_edges("classifier", route)
graph.add_edge("responder", END)
app = graph.compile(checkpointer=memory)
# Dockerfile + docker-compose générés automatiquement
# docker compose up → agent disponible sur :8000
# n8n / Dify appellent l'agent :
# POST http://agent:8000/invoke { "input": "..." }
Modèles IA

Multi-provider

76+ modèles catalogués. Chaque agent peut utiliser un modèle différent.

OpenAI · GPT-4o, GPT-5
Anthropic · Claude 4
GLM / Z.AI · GLM-5
Mistral · Mistral Large
+ 72 autres modèles
Pas de verrouillage fournisseur
Routing par agent
Philosophie

Pas de verrouillage

Nodemap génère du code que vous possédez. Pas de runtime propriétaire, pas d'abonnement caché.

🔒
Code ouvert
LangGraph est open-source. Le code généré est à vous — lisible, modifiable, déployable où vous voulez.
🎯
Le client ne voit jamais Nodemap
Nodemap est l'outil du consultant. Le client reçoit du code Python propre et documenté.
📚
RAG indépendant
RAGFlow est self-hosted chez le consultant ou le client. Nodemap génère la config, pas l'infrastructure.
🛡️
Données protégées
Aucune donnée client ne transite par Nodemap. Les clés API sont chiffrées dans la config générée.
Roadmap

Prochaines étapes

✅
Agent Builder + Catalogue
Formulaire 9 sections, CO-STAR prompt, 10+ tools, seed YAML — livré
✅
RAG Builder (RAGFlow)
Configs téléchargeables, intégration agents — livré
🔄
Compilation LangGraph
Agents → StateGraph, HITL gates, guardrails, compilation du graphe complet — en cours
🎯
Packs sectoriels
Catalogues d'agents prêts à l'emploi par secteur — planifié
📋
Marketplace d'agents
Partage et réutilisation d'agents entre consultants — vision
Nodemap
Configurez vos agents.
Compilez en LangGraph.
LangGraph
RAGFlow
Docker
n8n / Dify
1 / 13