Qu'est-ce que nanobot ?
nanobot est un framework d'agent IA personnel gratuit, open source et auto-hébergé, écrit en Python et développé par HKUDS. Il n'exécute pas son propre modèle de langage — il enveloppe plutôt mémoire, accès aux outils, coordination multi-agents et planification autour d'un modèle que vous connectez, et expose le résultat via une interface web, un terminal ou des intégrations d'applications de chat.
- Type de produit : un framework d'agent / une couche d'orchestration, pas une application grand public packagée ni un modèle
- Créateur : HKUDS (organisation GitHub)
- Dépôt : github.com/HKUDS/nanobot, créé le 1er février 2026
- Licence : MIT, confirmée via le champ de licence du dépôt GitHub
- Documentation : nanobot.wiki
- Ampleur, selon l'API GitHub au moment de cette revue : 49 657 étoiles, 8 700 forks (ratio d'environ 18 %), 868 issues ouvertes, 207 abonnés, 100+ contributeurs, dernière version taguée v0.4.0 (28 octobre 2026)
Que fait réellement nanobot ?
nanobot superpose quatre capacités à un modèle auquel vous avez déjà accès : mémoire persistante, intégration d'outils MCP, délégation multi-agents et automatisation planifiée.
- Mémoire persistante : selon nanobot.wiki, l'historique de session et la mémoire à long terme (documentés sous le nom « Dream ») permettent à un agent de conserver le contexte entre les conversations au lieu de repartir de zéro à chaque session
- Intégration d'outils MCP : se connecte à des serveurs Model Context Protocol (MCP) via une interface « Apps » dans la WebUI, avec des intégrations préconfigurées et la prise en charge de serveurs MCP personnalisés
- Délégation multi-agents : selon sa propre documentation, nanobot peut déléguer des sous-tâches à d'autres agents plutôt que de gérer chaque étape dans une seule boucle d'agent
- Automatisation planifiée : les agents peuvent fonctionner selon un planning, pas uniquement en réponse à un message de chat en direct
- Routage de modèle : prend en charge les API compatibles OpenAI, Ollama local et vLLM local, avec un routage de secours décrit dans sa documentation
- Trois modes d'accès : une WebUI dans le navigateur (lancée avec
nanobot webui), un mode terminal natif (lancé avecnanobot) et des intégrations avec Telegram, Discord, Slack, WhatsApp, WeChat, e-mail, Mattermost, Feishu, Microsoft Teams, Linear et QQ
Ce que la documentation de nanobot couvre (et omet)
Le README documente MCP, les pièces jointes et les canaux de chat, mais ni le prompt caching, ni WhatsApp, ni de benchmarks ; la documentation du dépôt ajoute WhatsApp, le streaming et le heartbeat. Cette section examine le README sur github.com/HKUDS/nanobot, le dossier docs du même dépôt (référence des applications de chat et guide de configuration) et nanobot.wiki pour les fonctions les plus recherchées, afin de distinguer le comportement documenté des suppositions.
- Architecture : selon le README, la passerelle Python « owns agent execution, sessions, tools, memory, and security policy » pour la WebUI, le terminal et les applications de chat, et la boucle d'agent centrale « builds context, calls the model, executes requested tools, and returns the result ». Il indique aussi « Small core: readable internals with MCP, memory, deployment, and automation built in ». Aucun nombre de lignes n'est avancé.
- Prise en charge de MCP : dans la WebUI, les « Apps » connectent des serveurs MCP, activent des Agent Plugins et gèrent des adaptateurs d'applications CLI locales ; dans le terminal,
@peut mentionner une application, un serveur MCP ou une session enregistrée. Aucune garantie de fiabilité ni aucun résultat de test propre à MCP n'est documenté. - Prompt caching : le README et le guide de configuration ne mentionnent ni
cache_controlni le prompt caching d'Anthropic, et ne publient aucun taux de réussite du cache. Ils indiquent seulement que l'indicateur de contexte de la WebUI affiche « cache reuse when the provider reports it », que les succès de cache « still depend on the provider » et que le délai d'inactivité avant compactage peut être allongé si votre fournisseur conserve plus longtemps son cache de prompts. - Streaming : le README ne le nomme pas, mais la référence des applications de chat et le guide de configuration le font : les réponses Discord et Feishu sont diffusées en continu par défaut (
streamingvauttruepar défaut et peut être désactivé), et les appels de modèle utilisent par défaut un délai d'inactivité de flux de 90 secondes (NANOBOT_STREAM_IDLE_TIMEOUT_S). - Multimodal et fichiers : la WebUI permet d'« Attach documents or images », le terminal accepte les images collées depuis le presse-papiers (
Ctrl+VouAlt+V), et la liste d'outils inclut la génération d'images. Les notes de version de v0.4.0 ajoutent dans la WebUI les pièces jointes de fichiers locaux et de vidéos, les miniatures d'images et les cartes de fichiers. - Canaux de chat : la référence des applications de chat du dépôt couvre notamment Telegram, Discord, Slack, Feishu, WhatsApp (lié par code QR), WhatsApp Agent Platform, WeChat, QQ, e-mail, Mattermost et Linear. Le README cite Telegram, Discord, Slack, WeChat, e-mail, Mattermost et Linear ainsi que « other channels », et sa liste « Why nanobot » ajoute Feishu et Microsoft Teams.
- Heartbeat : documenté dans le guide de configuration, pas dans le README. Une tâche heartbeat intégrée est active par défaut avec
nanobot gateway, consulteHEARTBEAT.mdtoutes les 1 800 secondes (gateway.heartbeat.intervalS) et n'envoie que les résultats exploitables à la conversation la plus récemment active. - Fiabilité : la documentation décrit une chaîne ordonnée de modèles de repli (
agents.defaults.fallbackModels) et des nouvelles tentatives d'envoi des messages (3 tentatives par défaut, avec un délai de 1 s puis 2 s). Elle indique aussi des limites : les échéances planifiées manquées ne sont pas rejouées après un redémarrage de la passerelle, et les tâches de sous-agents interrompues ne sont pas relancées automatiquement. La version v0.4.0 déplace l'historique des conversations vers SQLite. - Benchmarks : ni le README ni les pages de documentation lues par cette review n'en revendiquent, et cette review n'en a réalisé aucun.
Plateforme, tarifs et licence
Plateforme
- Ce que déclare nanobot:
- Auto-hébergé sous Linux, macOS ou Windows via des scripts d'installation, ou déployé avec Docker / Docker Compose comme service persistant, selon le dépôt GitHub.
Coût
- Ce que déclare nanobot:
- Gratuit et open source. Vous payez uniquement le modèle ou l'API que vous connectez (ou rien, si vous faites tourner un modèle Ollama ou vLLM local) — il n'existe pas de palier nanobot payant distinct.
Licence
- Ce que déclare nanobot:
- Licence MIT, confirmée via le champ de licence du dépôt GitHub.
Matériel
- Ce que déclare nanobot:
- Aucune exigence GPU ou RAM minimale propre — c'est une boucle d'agent qui appelle un modèle, pas un moteur d'inférence. Le besoin matériel réel dépend entièrement du modèle backend choisi.
Méthode d'installation
- Ce que déclare nanobot:
- Selon nanobot.wiki et le README GitHub : un script d'installation en une ligne pour macOS/Linux et Windows PowerShell, ou via
pip install nanobot-ai/uv tool install nanobot-ai. Voir la section « Installer nanobot » ci-dessous.
Vérifiez les instructions d'installation et de déploiement actuelles directement sur nanobot.wiki avant d'exécuter une commande, car les étapes d'installation peuvent changer d'une version à l'autre.
Installer nanobot
nanobot s'installe gratuitement via un script en une ligne, un gestionnaire de paquets ou depuis le code source — il n'y a ni palier payant ni clé de licence.
Install method | Command |
|---|---|
| macOS / Linux (script d'installation) | curl -fsSL https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.sh | sh |
| Windows (PowerShell) | irm https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.ps1 | iex |
| Via uv | uv tool install nanobot-ai |
| Via pip | python -m pip install nanobot-ai |
| Depuis le code source | git clone github.com/HKUDS/nanobot, créer un environnement virtuel, puis pip install -e . |
| Docker / Docker Compose | Documenté sur GitHub pour un déploiement en service persistant — vérifiez le fichier compose du dépôt. |
| Site web et documentation | nanobot.wiki |
Nécessite Python 3.11 ou plus récent selon le README GitHub ; Git et Bun ne sont nécessaires que pour une installation depuis le code source. Une fois installé, lancez nanobot webui pour l'interface navigateur ou nanobot pour le mode terminal.
Pour qui nanobot est-il fait ?
nanobot convient aux personnes qui font déjà tourner ou appellent un modèle de langage et veulent une mémoire persistante, un accès aux outils et de l'automatisation autour de ce modèle, plutôt qu'une application d'assistant packagée et tout-en-un.
Utilisez nanobot si vous
- avez déjà accès à une API compatible OpenAI, ou faites tourner des modèles locaux via Ollama ou vLLM, et voulez une couche agent par-dessus plutôt qu'une pile d'inférence complète
- voulez un agent qui se souvient des sessions passées plutôt que de repartir de zéro à chaque conversation
- devez connecter des serveurs d'outils MCP pour que l'agent puisse agir sur des systèmes externes, pas seulement répondre à des questions
- voulez joindre le même agent depuis un navigateur, un terminal et des applications de chat comme Telegram ou Slack, sans être lié à une seule interface
- êtes à l'aise pour auto-héberger un service Python et ne cherchez pas un produit hébergé et géré
Cherchez ailleurs si vous
- voulez une seule application de bureau téléchargeable sans configuration — nanobot est un framework auto-hébergé, pas un installateur en un clic pour un produit fini
- avez besoin d'un produit soutenu par un fournisseur avec contrat de support et SLA — cette revue n'a trouvé aucune levée de fonds ni société commerciale derrière nanobot
- n'êtes pas à l'aise avec l'exécution de scripts d'installation, de paquets pip ou de conteneurs Docker
- voulez un historique long et audité de façon indépendante — le dépôt de nanobot n'a qu'environ neuf mois au moment de cette revue
Pour quoi nanobot n'est pas adapté
nanobot n'est pas un bon choix si vous voulez une application d'assistant finie et packagée, ou si vous avez besoin d'un historique long et vérifié de façon indépendante avant d'adopter un outil.
- Pas un moteur d'inférence — il n'a pas d'exigence GPU/VRAM propre, mais il n'exécute lui-même aucune inférence de modèle ; vous avez toujours besoin d'Ollama, de vLLM ou d'une clé API pour le modèle qui effectue le raisonnement réel
- Pas une application de bureau tout-en-un polie — c'est un framework auto-hébergé que vous configurez, plus proche de CrewAI ou d'agent-zero en effort de mise en place qu'une application de chat en un clic
- Pas soutenu par une levée de fonds ou une société que cette revue a pu vérifier — considérez-le comme un projet maintenu de façon indépendante et porté par la communauté
- Pas exempt de la réserve sur le nombre d'étoiles évoquée plus haut — cette revue a trouvé des dépôts imitateurs utilisant un texte marketing identique ailleurs sur GitHub, vérifiez donc que vous regardez bien github.com/HKUDS/nanobot avant de faire confiance à un nombre d'étoiles cité pour « nanobot »
- Pas un projet établi de longue date — le dépôt a été créé le 1er février 2026, il n'a donc pas l'historique pluriannuel de frameworks comme AutoGPT ou Open Interpreter
Erreurs courantes lors de l'évaluation de nanobot
La plupart des confusions autour de nanobot viennent d'un mélange avec un projet distinct portant le même nom, ou d'une mauvaise lecture de ses chiffres de croissance.
Erreur 1 : le confondre avec nanobot-ai/nanobot
Un projet GitHub distinct et sans rapport — nanobot-ai/nanobot, décrit comme « Build MCP Agents » par l'équipe Obot, créé vers le 16 mai 2025, avec environ 1 343 étoiles — porte le même nom. Cette revue couvre exclusivement HKUDS/nanobot ; vérifiez le nom de l'organisation dans l'URL GitHub avant d'installer l'un ou l'autre.
Erreur 2 : traiter le nombre d'étoiles comme un signal de croissance audité
49 657 étoiles pour un dépôt créé en février 2026, c'est inhabituellement rapide, et une recherche GitHub fait apparaître des dépôts imitateurs utilisant la même description marketing. Le nombre de forks (8 700), d'issues ouvertes (868) et de contributeurs (100+) suggère une activité largement organique, mais cette revue n'a pas audité indépendamment l'historique d'étoiles — vérifiez les chiffres actuels directement sur GitHub plutôt que de citer l'instantané de cette revue comme actuel.
Erreur 3 : s'attendre à ce que nanobot exécute lui-même des modèles
nanobot ne tourne que sur CPU car il n'effectue pas d'inférence — il appelle une API compatible OpenAI, un serveur Ollama local ou un serveur vLLM local. Vos besoins matériels dépendent du modèle backend choisi, pas de nanobot.
Erreur 4 : supposer qu'il existe un palier payant
nanobot est gratuit et open source sous licence MIT, sans palier payant distinct. Tout coût provient du modèle backend ou de l'API que vous connectez.
Concurrents et alternatives
nanobot est le plus souvent comparé à d'autres frameworks d'agent auto-hébergés comme AutoGPT, Open Interpreter, agent-zero et CrewAI — son principal élément différenciateur est de combiner mémoire persistante, outils MCP, délégation multi-agents et intégrations de chat en un seul framework plutôt que de se spécialiser dans un seul de ces aspects.
Tool | Best known for | Link |
|---|---|---|
| AutoGPT | L'un des premiers frameworks d'agent autonome, axé sur des chaînes de tâches orientées objectifs | Avis AutoGPT |
| Open Interpreter | Permet à un modèle d'exécuter du code localement pour accomplir des tâches, apprécié pour sa simplicité | Avis Open Interpreter |
| agent-zero | Framework d'agent généraliste auto-hébergé, basé sur Docker, avec environnement persistant | Avis agent-zero |
| CrewAI | Framework d'orchestration multi-agents axé sur des équipes d'agents par rôle | Avis CrewAI |
Cette liste reflète les outils couramment comparés à nanobot dans le même segment de frameworks d'agent auto-hébergés, pas un classement indépendant de PromptQuorum — vérifiez le jeu de fonctionnalités actuel de chaque outil avant de choisir.
Questions fréquemment posées
Qu'est-ce que nanobot ?
nanobot (nanobot.wiki) est un framework d'agent IA personnel gratuit, open source (MIT) et auto-hébergé, développé par HKUDS, qui ajoute mémoire persistante, intégration d'outils MCP, délégation multi-agents et automatisation planifiée à un modèle que vous connectez.
nanobot est-il gratuit ?
Oui, nanobot lui-même est gratuit et open source sous licence MIT, sans palier payant distinct. Vous payez uniquement le modèle backend ou l'API que vous connectez.
Comment installer nanobot ?
Selon nanobot.wiki et le README GitHub : exécutez le script d'installation en une ligne pour macOS/Linux ou Windows PowerShell, ou installez via pip install nanobot-ai ou uv tool install nanobot-ai. Nécessite Python 3.11 ou plus récent.
nanobot exécute-t-il son propre modèle d'IA ?
Non. nanobot est un framework d'agent, pas un moteur d'inférence — il appelle une API compatible OpenAI, un serveur Ollama local ou un serveur vLLM local. Il n'a aucune exigence GPU propre ; les besoins matériels dépendent du modèle backend choisi.
Avec quelles applications de chat nanobot s'intègre-t-il ?
Selon la référence des applications de chat du dépôt : notamment Telegram, Discord, Slack, Feishu, WhatsApp, WeChat, QQ, e-mail, Mattermost et Linear. Le README cite aussi Microsoft Teams, en plus de l'interface web et du mode terminal.
nanobot est-il identique à nanobot-ai/nanobot ?
Non. nanobot-ai/nanobot est un projet distinct et sans rapport, plus petit, « Build MCP Agents » de l'équipe Obot (environ 1 343 étoiles, créé le 16 mai 2025). Cette revue porte exclusivement sur HKUDS/nanobot — vérifiez le nom de l'organisation GitHub avant d'installer.
Pourquoi nanobot a-t-il autant d'étoiles GitHub pour un projet aussi récent ?
49 657 étoiles pour un dépôt créé le 1er février 2026, c'est inhabituellement rapide, et une recherche GitHub trouve des dépôts imitateurs utilisant un texte marketing identique. Son ratio de forks d'environ 18 %, ses centaines d'issues ouvertes et ses 100+ contributeurs suggèrent une activité largement organique, mais cette revue n'a pas audité indépendamment l'historique d'étoiles — vérifiez les chiffres actuels directement sur GitHub.
Qu'est-ce que le MCP, et comment nanobot l'utilise-t-il ?
Le MCP (Model Context Protocol) est un standard qui permet à un agent IA de se connecter à des outils et sources de données externes via des serveurs dédiés. nanobot se connecte aux serveurs MCP via une interface « Apps » dans sa WebUI, avec des intégrations préconfigurées et la prise en charge de serveurs personnalisés.
nanobot prend-il en charge les workflows multi-agents ?
Oui. Selon sa propre documentation, il peut déléguer des sous-tâches à d'autres agents plutôt que de gérer chaque étape dans une seule boucle d'agent.
PromptQuorum a-t-il testé de façon indépendante les affirmations de nanobot ?
Cette revue s'appuie sur le README GitHub de nanobot, la documentation nanobot.wiki et l'API GitHub, plutôt que sur un benchmark pratique de la mémoire ou des performances multi-agents mené par PromptQuorum.
nanobot prend-il en charge la mise en cache des prompts ?
Pas comme fonction documentée. Le README et le guide de configuration ne mentionnent ni cache_control ni le prompt caching d'Anthropic. Seule mention liée : « cache reuse when the provider reports it » dans l'indicateur de contexte de la WebUI, et une note indiquant que les succès de cache « still depend on the provider ». Consultez la documentation de votre fournisseur de modèle avant de supposer que le cache s'applique.
nanobot prend-il en charge WhatsApp ?
Oui, selon la référence des applications de chat du dépôt : un canal WhatsApp lié en scannant un code QR (nanobot channels login whatsapp) et un canal distinct WhatsApp Agent Platform qui utilise un jeton d'API d'agent. Le README ne cite pas WhatsApp ; consultez donc la documentation de la version que vous installez.
nanobot prend-il en charge le streaming des réponses ?
En partie, d'après la référence des applications de chat et le guide de configuration, pas le README. Les réponses Discord et Feishu sont diffusées en continu par défaut (streaming vaut true par défaut), et les appels de modèle utilisent un délai d'inactivité de flux de 90 secondes (NANOBOT_STREAM_IDLE_TIMEOUT_S). Les pages lues par cette review n'indiquent pas si tous les autres canaux diffusent token par token.
nanobot prend-il en charge les images et les fichiers (multimodal) ?
Partiellement documenté. La WebUI permet de joindre des documents ou des images, le terminal accepte les images collées depuis le presse-papiers, et la liste d'outils inclut la génération d'images. Les entrées d'image réellement exploitables dépendent du modèle backend connecté, car nanobot n'exécute pas lui-même d'inférence.
Quelle est l'architecture de nanobot ?
Selon son README, une passerelle Python gère l'exécution des agents, les sessions, les outils, la mémoire et la politique de sécurité, et la WebUI, le terminal et les applications de chat sont des clients de ce même runtime. La boucle d'agent centrale construit le contexte, appelle le modèle, exécute les outils demandés et renvoie le résultat. nanobot n'exécute pas de modèles lui-même : il appelle une API compatible OpenAI, un serveur Ollama local ou un serveur vLLM local.
nanobot a-t-il des benchmarks ?
Le README de nanobot n'en revendique aucun, et PromptQuorum n'en a réalisé aucun. Considérez tout chiffre de performance cité ailleurs pour nanobot comme non vérifié.