openTag
openTag — un collègue IA open source pour Slack et Lark
Qu'est-ce que openTag
openTag est un collègue IA open source qui vit dans le chat d'équipe : vous le mentionnez dans un fil Slack ou Lark avec une tâche, et un agent de programmation sur une machine que vous contrôlez exécute le travail et répond dans ce même fil. Il pilote l'environnement d'agent déjà installé — Claude Code, Codex ou Pi — et facture le forfait de modèle ou la clé API que l'équipe possède déjà, si bien qu'aucun second abonnement n'est nécessaire pour l'intelligence. Les serveurs d'openTag ne gérant que la connexion et le routage, les conversations, le code et la mémoire n'y sont pas stockés par défaut, et toute la pile peut être auto-hébergée. Il convient aux équipes dont le travail arrive dans les canaux de chat mais dont les agents, fichiers et identifiants restent sur une machine Mac ou Linux locale.
Comment fonctionne openTag
openTag se compose de trois éléments : le chat d'équipe, où l'on s'adresse à un worker dans un canal ou en message privé ; un serveur openTag qui reçoit ces messages, suit les workers, les tâches et les sessions, puis achemine chaque tâche vers la bonne machine ; et un petit démon sur l'ordinateur connecté qui maintient la liaison avec le serveur. À l'arrivée d'une tâche, le démon ouvre une session avec l'environnement d'agent local, y transmet le contexte du fil et renvoie le résultat dans le chat. Les messages suivants du même fil prolongent cette session, si bien que l'échange avec le worker se construit comme avec un collègue. Le serveur peut être celui hébergé ou une instance auto-hébergée, car il est entièrement open source.
Avantages de openTag
L'argument d'openTag est de ne pas payer deux fois l'intelligence : l'environnement d'agent et l'abonnement de modèle que l'équipe détient déjà deviennent le moteur du worker, si bien qu'un changement de fournisseur plus tard n'impose pas de refaire la configuration. L'exécution sur une machine maîtrisée par l'équipe garde le code source, les identifiants et les fichiers de session hors d'une infrastructure tierce, et la fiche d'approbation garantit qu'une personne tranche avant toute action risquée. La mémoire étant du markdown brut dans un dépôt détenu par l'équipe, elle se lit, se modifie, se compare et se restaure avec les outils git habituels au lieu de rester enfermée dans la base d'un fournisseur. Ajoutez la licence Apache 2.0 et un serveur auto-hébergeable : les équipes qui auront besoin plus tard d'un contrôle plus fin des politiques disposent d'une voie indépendante de la feuille de route d'un éditeur.
Avantages et inconvénients de openTag
Avantages
- Licence Apache 2.0, toute la pile — serveur compris — pouvant être auto-hébergée.
- N'importe quel environnement d'agent et modèle déjà payé par l'équipe peut l'animer.
- Le code source, les identifiants et les sessions restent sur du matériel que l'équipe possède.
- La mémoire partagée est du markdown portable dans un dépôt git maîtrisé par l'équipe.
- Gratuit, la dépense allant au fournisseur de modèle et non au siège.
Inconvénients
- En pre-alpha : le comportement et l'interface en ligne de commande bougent encore.
- Nécessite une machine Mac ou Linux allumée, ou un bac à sable cloud payant à la place.
- Seuls Slack et Lark sont reliés ; Teams et Discord ne le sont pas.
- Les permissions et l'administration au niveau de l'organisation ne sont pas développées.
- L'usage d'un abonnement grand public chez un tiers dépend des conditions de chaque fournisseur.
Fonctionnalités principales de openTag
Votre propre environnement d'agent
openTag ne crée ni boucle d'agent ni surcouche de modèle : il pilote une installation locale existante de Claude Code, Codex ou Pi, si bien que le worker hérite des modèles gérés par cet environnement, avec un fournisseur modifiable par worker.
Un agent partagé par tout le canal
Un seul worker sert un canal entier et n'importe qui dans ce canal peut le mentionner. L'équipe voit ce qu'il fait, reprend là où une autre personne s'est arrêtée et fait circuler le travail entre des agents qui vérifient mutuellement leur avancement.
Exécution locale et fiches d'approbation
Les workers s'exécutent sur une machine que vous possédez — portable, Mac mini ou serveur Linux — et accèdent aux mêmes fichiers, dépôts et CLI que vous. Avant une action risquée, la personne qui a lancé la tâche reçoit une fiche privée avec des boutons approuver et refuser, et elle seule décide.
La mémoire Context Tree
Les connaissances de l'équipe résident dans des fichiers markdown d'un dépôt git hébergé dans votre propre organisation GitHub, lisibles, versionnés et relus comme du code. Les agents proposent des mises à jour après une tâche et une personne les valide avant application.
Connecteurs MCP et compétences
openTag fournit un catalogue de serveurs MCP couvrant documentation, chat, projets, recherche web, design, données et paiements, et les agents atteignent aussi ce pour quoi la machine locale détient déjà des identifiants. Il accepte également les Agent Skills standard écrites en markdown, que l'on peut committer et relire dans une pull request.
Un travail permanent et proactif
Au-delà des demandes ponctuelles, un worker peut surveiller un canal, lancer une tâche selon un calendrier et relancer les fils restés en suspens.
Cas d'utilisation de openTag
- Équipes d'ingénierie : trier les tickets du dépôt, ouvrir des pull requests et interroger une base de données depuis le canal, sans quitter le chat.
- Mainteneurs solo : laisser un worker surveiller les signalements entrants et y répondre la nuit.
- Profils produit et opérations : obtenir indicateurs et états depuis le contexte partagé plutôt qu'en fouillant des notes.
- Responsables commerciaux et design : consulter des fiches clients, des disponibilités d'agenda ou des maquettes Figma via un agent relié à ces services.
- Équipes sans machine disponible : placer les tâches permanentes dans un bac à sable cloud et garder en local celles qui dépendent de fichiers.
FAQ de openTag
Faut-il une clé API payante ?
Non. Un forfait Claude ou Codex convient aussi bien qu'une clé API, même si une clé est recommandée pour les espaces partagés, et les conditions de chaque fournisseur déterminent si un forfait peut servir ainsi.
Quel matériel doit rester allumé ?
Une machine Mac ou Linux avec Claude Code, Codex ou Pi installé, allumée et connectée au réseau. Si garder un ordinateur éveillé pose problème, le worker en bac à sable cloud d'openTag Cloud existe aussi.
Où sont stockés les conversations et le code ?
Par défaut, pas sur les serveurs d'openTag. Les sessions et les fichiers de travail restent sur l'ordinateur connecté, et la mémoire de l'équipe vit dans un dépôt git de votre propre organisation GitHub.
Plusieurs personnes peuvent-elles partager un même worker ?
Oui. Un agent sert un canal et n'importe qui dans ce canal peut le mentionner, transmettre des tâches à d'autres agents et consulter leur avancement.
Est-ce compatible avec Teams ou Discord ?
Pas encore. Les messageries reliées sont Slack et Lark, Teams et Discord figurant sur la feuille de route.
Combien coûte le logiciel ?
Le logiciel est gratuit et sous licence Apache 2.0 ; en faisant tourner les workers soi-même, on ne paie que le fournisseur de modèle et l'hébergement.
Comment utiliser openTag
- Connectez-vous à app.opentag.build et créez un worker en indiquant un nom d'agent et un environnement d'exécution comme Codex, Claude Code ou Pi.
- Copiez la commande de connexion affichée dans le tableau de bord et collez-la dans un terminal de la machine Mac ou Linux qui hébergera le worker.
- Attendez que cet ordinateur apparaisse comme connecté, puis passez à l'étape de messagerie.
- Ajoutez le worker à un espace de travail Slack ou Lark, en choisissant la messagerie que l'équipe utilise déjà.
- Mentionnez le worker dans un canal ou un fil avec une tâche et lisez la réponse là où il la publie.
- Facultatif : connectez des serveurs MCP et des Agent Skills depuis le tableau de bord, ou demandez dans le chat au worker de les installer lui-même.
openTag Alternatives
SeedRouter réunit les modèles image, vidéo, langage et audio d'OpenAI, de Google et d'Anthropic derrière une seule clé, avec une facturation à la requête et aucun frais en cas d'échec.
Wery est un studio d'IA virtuel qui répartit un objectif entre des agents spécialisés en vidéo, image, musique et documents, tout en gardant personnages et ressources de projet cohérents.
Outil de facturation gratuit pour les indépendants et les petites entreprises, sur le Web, iOS et Android. Créez un nombre illimité de factures PDF, gérez clients et plusieurs sociétés, et facturez depuis un assistant IA via MCP.
Relay App transforme des instructions en langage naturel en flux de travail IA, relie plus de 200 applications, exécute des automatisations fiables et s'arrête pour une validation humaine.
AtAt exécute Claude Code, Codex ou des modèles locaux directement dans le champ de texte où vous tapez déjà, sans changement d'application. Il ajoute l'autocomplétion TabTab, les captures d'écran et l'historique du presse-papiers.
Play HT est un générateur de voix IA gratuit qui transforme du texte en parole, avec plus de 200 voix publiques, une écoute dans le navigateur et un export MP3.
Dash est un coéquipier IA dans Slack et Microsoft Teams qui connecte plus de 3 000 outils, automatise les flux de travail et termine des tâches dans votre canal.
Jev est le modèle System One de TypeSafe AI qui renvoie des décisions typées avec une confiance calibrée pour l'automatisation. Rapide, économique, sans hallucination.
Utilisez GPT, Claude, Gemini et Grok via une API compatible OpenAI. Comparez les tarifs des modèles, créez une clé et envoyez votre première requête en quelques minutes.
Outil de gestion de tâches natif Git pour les agents IA : suivez intention, statut, bloqueurs, dépendances, historique et preuves de commits dans Git.
SJolt est une plateforme d'API IA qui regroupe les meilleurs modèles de génération d'images, de vidéos et d'audio derrière un flux de requêtes unifié pour les développeurs et les équipes.
Tokenhot est une passerelle API LLM unifiée qui fournit les modèles OpenAI, Claude, Gemini et DeepSeek via un seul point de terminaison, réduisant les coûts d'API jusqu'à 90%.