Flue vs eve : deux visions open source pour construire les agents IA de demain

Deux annonces publiées à un jour d’intervalle illustrent parfaitement l’accélération actuelle autour des agents IA. Le 16 juin 2026, Fred K. Schott, créateur d’Astro, a présenté Flue 1.0 Beta, un framework TypeScript open source pour créer des agents et workflows autonomes sans verrouillage propriétaire. Le lendemain, Vercel a dévoilé eve, son propre framework open source pour construire, exécuter et déployer des agents IA en production.

Les deux projets poursuivent un objectif similaire : donner aux développeurs une base solide pour passer du prototype d’agent IA à un véritable logiciel de production. Mais leurs approches diffèrent sensiblement.

Deux frameworks pour professionnaliser les agents IA

Flue et eve partent du même constat : créer un agent IA ne devrait plus nécessiter de reconstruire à chaque fois toute l’infrastructure autour du modèle.

Gestion des outils, état conversationnel, exécution de code, connexions à Slack ou GitHub, observabilité, reprise après incident, intégration frontend : toutes ces briques reviennent dans presque tous les projets d’agents.

Flue comme eve veulent donc fournir un cadre standardisé, en TypeScript, permettant de créer des agents plus fiables, plus maintenables et plus faciles à déployer.

Flue : autonomie, workflows et absence de lock-in

Flue se présente comme un framework open source pour construire la nouvelle génération d’agents et de workflows IA. Sa promesse principale tient en trois idées : connecter n’importe quel LLM, construire son agent en TypeScript et le déployer où l’on veut.

Avec la version 1.0 Beta, Flue introduit plusieurs primitives majeures :

• Agents autonomes
• Workflows déterministes
• Sandboxes
• Channels pour Slack, GitHub, Linear et d’autres services
• SDK client
• Intégration React via @flue/react
• Observabilité avec OpenTelemetry, Braintrust ou Sentry
• Agents durables capables de reprendre après une interruption

La distinction entre agents et workflows est centrale. Dans Flue, un workflow exécute des étapes définies explicitement par le développeur. Il est adapté aux tâches structurées, prévisibles et contrôlées. Un agent, lui, reçoit un contexte composé d’un modèle, d’outils, de compétences, d’instructions et éventuellement d’une sandbox, puis résout une tâche de manière plus autonome.

Cette dualité permet de combiner des boucles IA très contrôlées avec des agents plus libres, selon les besoins du projet.

eve : le “Next.js des agents” selon Vercel

eve adopte une approche plus structurée autour du système de fichiers. Vercel résume sa philosophie ainsi : un agent est un dossier.

Un agent eve se compose de fichiers dédiés : agent.ts pour la configuration du modèle, instructions.md pour le comportement, tools/ pour les capacités, skills/ pour les connaissances, subagents/ pour la délégation, channels/ pour les interfaces et schedules/ pour les tâches planifiées.

Cette organisation rappelle fortement la logique de Next.js : l’emplacement d’un fichier dans l’arborescence définit son rôle. Vercel veut ainsi rendre les agents lisibles, standardisés et facilement versionnables dans Git.

eve met fortement l’accent sur la production :

• Exécution durable
• Sandboxes isolées
• Approbations humaines
• Sous-agents
• Evals
• Observabilité native
• Déploiement sur Vercel
• Connexions MCP et OpenAPI
• Canaux Slack, Discord, Teams, Telegram, GitHub ou Linear

Vercel présente eve comme le framework utilisé en interne pour faire tourner plus d’une centaine d’agents en production, notamment pour l’analyse de données, le support, les ventes, le contenu ou le routage interne des demandes.

Deux philosophies proches, mais pas identiques

Flue insiste sur la flexibilité et l’absence de verrouillage. Le framework met en avant la possibilité de connecter n’importe quel modèle, de déployer sur différentes plateformes et de combiner agents autonomes et workflows déterministes.

eve, de son côté, assume une intégration plus forte avec l’écosystème Vercel. Le framework est open source, mais son expérience de production semble particulièrement optimisée pour Vercel Sandbox, Vercel Connect, Vercel Cron Jobs et l’observabilité de la plateforme.

En clair, Flue semble vouloir devenir le framework portable et composable des agents IA. eve veut devenir le framework opinionated et production-ready, dans l’esprit de Next.js.

La question de la durabilité

La durabilité est un enjeu majeur pour les deux frameworks.

Flue repose sur Durable Streams, avec une logique de journal append-only : chaque message utilisateur, réponse du modèle et résultat d’outil est enregistré dans un flux durable et rejouable. Si un processus tombe, un autre peut reprendre à partir du dernier état connu.

eve, de son côté, traite chaque conversation comme un workflow durable où chaque étape est checkpointée. Une session peut être interrompue, survivre à un crash ou à un déploiement, puis reprendre exactement là où elle s’était arrêtée.

Dans les deux cas, l’objectif est le même : éviter que les agents perdent leur contexte ou répètent des actions dangereuses après une panne.

Channels, SDK et intégration produit

Flue met en avant ses Channels, qui permettent de connecter les agents à Slack, GitHub, Linear ou d’autres services. Le framework introduit également @flue/react, avec des hooks comme useFlueAgent() et useFlueWorkflow() pour intégrer facilement un agent dans une application React.

eve propose aussi des channels, avec Slack, Discord, Teams, Telegram, Twilio, GitHub et Linear. Vercel met surtout en avant la capacité d’un même agent à vivre sur plusieurs surfaces, et même à déplacer une session d’un canal à un autre.

La différence est subtile : Flue semble particulièrement attentif à l’intégration frontend et à la portabilité côté produit, tandis qu’eve insiste davantage sur l’exploitation d’agents dans des environnements d’équipe et d’entreprise.

Observabilité et tests

Les deux frameworks considèrent les agents comme du logiciel de production, et non comme de simples prompts.

Flue annonce une prise en charge d’OpenTelemetry, Braintrust, Sentry et d’autres outils d’observabilité. eve produit également des traces détaillées compatibles OpenTelemetry, avec la possibilité de visualiser chaque appel modèle, chaque appel outil et chaque action exécutée dans une sandbox.

eve met aussi fortement en avant les evals, qui permettent de tester les agents comme le reste du code, notamment en CI. Flue dispose également d’une approche orientée développeur, avec de nouveaux outils CLI et une documentation pensée pour les coding agents.

Flue ou eve : lequel choisir ?

Le choix entre Flue et eve dépendra surtout du contexte.

Flue paraît plus adapté aux équipes qui veulent un framework flexible, portable et moins lié à une plateforme spécifique. Sa combinaison entre workflows déterministes et agents autonomes en fait un bon choix pour les projets qui nécessitent à la fois contrôle, automatisation et liberté de déploiement.

eve semble plus pertinent pour les équipes déjà proches de l’écosystème Vercel ou qui veulent une expérience très structurée, avec un modèle mental simple : un agent est un dossier, et chaque fichier correspond à une capacité. Son positionnement “Next.js pour les agents” parle directement aux développeurs habitués aux conventions fortes et aux déploiements rapides.

Un signal fort pour l’écosystème IA

L’arrivée quasi simultanée de Flue 1.0 Beta et d’eve montre que les agents IA entrent dans une nouvelle phase.

Après les prototypes, les wrappers autour de modèles et les scripts internes, l’écosystème cherche désormais des frameworks capables de gérer la complexité réelle : état, sécurité, reprise, outils, interfaces, observabilité, tests et déploiement.

Flue et eve ne sont pas seulement deux nouveaux outils open source. Ils incarnent deux réponses à la même question : comment transformer les agents IA en logiciels fiables, maintenables et réellement utilisables en production ?

Si Flue mise sur la portabilité et la composabilité, eve mise sur les conventions fortes et l’intégration production. Dans les deux cas, une chose est claire : le développement d’agents IA est en train de se structurer aussi rapidement que le web moderne l’a fait avec ses grands frameworks.