llm-coding-agent : un agent IA qui code pour toi en local
Pourquoi ça compte pour toi
C'est la première version d'un vrai agent de développement qui fonctionne en local sans dépendre d'une API fermée. Tu peux lui donner des ordres comme 'corrige le test qui échoue' et il se débrouille seul : il lit les fichiers, lance les commandes, interprète les erreurs. Pour les créateurs et devs indie, c'est du temps gagné sur les tâches répétitives.
Ce qu'il faut retenir
- 1.Agent capable de lire/modifier des fichiers et exécuter des commandes shell
- 2.Compatible GPT-5.5 et modèles Claude, déployable avec uvx en quelques secondes
- 3.Deux modes : --yolo (sans restrictions) ou --allow pour contrôler quelles commandes il peut lancer
- 4.Inclut une API Python pour intégrer l'agent dans tes projets (classe CodingAgent)
- 5.Déjà fonctionnel : a construit seul une app Swift CLI en ASCII art sans qu'on le demande
Tu galères avec le jargon ?
Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.
Comment ça marche
L'agent s'appuie sur le framework LLM de Simon Willison et met en œuvre 6 outils concrets :
Les 6 outils de l'agent
edit_file — remplace une chaîne de caractères exacte dans un fichier. Il compare les espaces et retourne un diff pour vérifier la modification. Pratique pour modifier du code sans le réécrire entièrement.
execute_command — lance une commande shell (timeout max 600 secondes). L'agent voit stdout, stderr et le code de sortie. Indispensable pour lancer tests, git, compilateurs.
read_file — lit un fichier avec numérotation des lignes (style cat -n). Tu peux paginer (offset + limit) pour les gros fichiers.
list_files — énumère les fichiers avec un glob pattern. Ignore les répertoires cachés, node_modules, pycache et tout ce que .gitignore exclut. Retourne max 200 chemins.
search_files — cherche une regex dans les fichiers. Tu peux restreindre par type (*.py, etc.). Max 100 résultats.
write_file — crée ou remplace un fichier. Les répertoires parents se créent auto. L'agent préfère edit_file pour les modifications.
Le vrai test : construire une app CLI
Simon a testé avec : « mkdir /tmp/demo, puis crée une simple app SwiftUI CLI pour afficher l'heure en ASCII art ».
Résultat ? L'agent a compris que SwiftUI n'était pas le bon outil pour une CLI, a construit une app Swift pure qui affiche l'heure en caractères blocky (style banner). Zéro intervention humaine.
Deux modes d'utilisation
--yolo : pas de garde-fou, l'agent fait ce qu'il veut. Dangereux en prod, puissant en dev local.
--allow : liste blanche de commandes autorisées. Ex : llm code --allow "pytest*" --allow "git diff*" = l'agent ne peut lancer que pytest et git diff.
L'API Python
Tu peux aussi utiliser l'agent dans du code :
from llm_coding_agent import CodingAgent
agent = CodingAgent(model="gpt-5.5", root="/path", approve=True)
agent.run("Fix the failing test in tests/test_parser.py")
Utile pour automatiser des tâches répétitives dans tes projets.
Installation
uvx --prerelease=allow --with llm-coding-agent llm code
C'est tout. Pas de configuration complexe, pas de clé API à passer à la main (utilise ta clé OpenAI ou Anthropic dans l'env).
Et concrètement pour toi ?
Choisis ton profil — la lecture de l'article change selon qui tu es.
Pour toi, c'est le premier agent qui fonctionne vraiment offline sans API tierce — ça change la sécurité et la dépendance. Demande-toi : à partir de quand une IA qui peut exécuter du code tout seul devient-elle un risque plutôt qu'un outil ?
Essayer maintenant
Installer et tester llm-coding-agent →Source
Pour aller plus loin
Cet article t'a donné envie d'approfondir ? Deux formations Noésis t'attendent :
Explorer les thèmes de cet article :