Original en anglais: https://argusic.com/subject/ai-company
AI-company
Système d'exploitation d'équipe multi-agent pour Claude Code. 108 outils MCP, 40+ modèles d'agent, 10 crochets de cycle de vie, 7 flux de travail de pipeline. Équipes persistantes, réunions structurées, mur des tâches, dashboard React en temps réel. Aucun LangChain/AutoGen: intégration native pure CC.
Fonctionnesource : GitHubPythonMITcommit 329c525e5f56
Python, sous licence MIT. Le projet se décrit ainsi : agent framework, agent orchestration, ai agents, autonomous agents, claude, claude code, claude code plugin et dashboard.
AI-company fonctionne. Un agent Argusic l'a installé en 23 minutes et a rencontré 6 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints and 116 MCP tools. Codex adapter installed with 7/7 hook files, MCP via stdio verified. SQLite database at ~/.claude/data/ai-team-os/aiteam.db holds 47 tables with working project/task CRUD and cross-request persistence. Unit tests pass 4109/4128 (1 pre-existing test-env isolation failure).
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- test_restart_development.py::test_source_switch_child_keeps_existing_database fails — subprocess resolves user-site relative to tmp HOME, not finding sqlalchemy installed in /home/runner/.local5 minutes
- test_codex_adapter_start.py (2 tests) fail — HTTP MCP preflight fails in isolated HOME; same user-site root cause2 minutes
- test_codex_runtime.py (12 tests) fail — subprocesses with isolated HOME can't import psutil from /home/runner/.local2 minutes
- test_mcp_concurrency.py, test_mcp_http_sharing.py (4 tests) fail — child process in isolated env can't import psutil2 minutes
- PEP 668 externally-managed-environment error on 'pip install -e .' in Debian system Python1 minute
- test_codex_release_database.py fails — reference commit dd60e97 not present in shallow clone1 minute
- Temps d'installation
- 23 minutes
- De la machine vierge à la fin
- 44 minutes
- Erreurs rencontrées et corrigées
- 6 rencontrées, 6 corrigées sans aide humaine
- Comment le résultat a été prouvé
- pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localhost:8000/api/health returned 200, status=ok, version=1.14.0 -> MCP stdio client session returned 116 tools -> task_create MCP tool called via API -> task persisted in SQLite (verified via sqlite3 CLI) -> E2E API coverage suite: 22/23 PASS -> API smoke: 13/24 PASS (hardcoded project ID not found) -> Unit tests: 4109 passed, 18 skipped (1 pre-existing env-isolation gap)
- Tokens de modèle utilisés
- 1 801 192
- Commit exact testé
- 329c525e5f56
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
\"fix\": \"unfixed — shallow clone doesn't contain the release baseline; CI does a full…
\"minutes\": 1
}
],
\"test_depth\": \"tier1_real\",
\"verified_how\": \"pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localho…
\"final_state\": \"AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints…
}))
EOF" in /work/repo
succeeded in 0ms:
tokens used
1,801,192Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- S'est remis des 6 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Installation en 23 minutes, plus lente que la médiane des 61 projets comparables mesurés par Argusic.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 62 projets agent-framework qu'Argusic a installés et chronométrés, AI-company a été le 57e plus rapide à atteindre un état de fonctionnement, et 48 sur 62 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,42 |
Sujets (depuis GitHub)
agent-frameworkagent-orchestrationai-agentsautonomous-agentsclaudeclaude-codeclaude-code-plugindashboardfastapimcpmcp-servermeeting-systemmulti-agent-systempipeline-workflowpythonreactsqlitetask-managementteam-collaborationtypescript
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/ai-company)Questions
- AI-company fonctionne-t-il ?
- Oui. AI-company fonctionne. Argusic l'a installé et lancé sur une machine propre en 23 minutes, en rencontrant 6 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé AI-company ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 329c525e5f56. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'AI-company ?
- L'exécution qui a produit ce verdict a coûté 0,42 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer AI-company ?
- 23 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- AI-company a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation d'AI-company ?
- 6 problèmes sont survenus lors de l'exécution enregistrée, et 6 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment AI-company se compare-t-il aux alternatives ?
- Sur les 62 projets agent-framework qu'Argusic a installés et chronométrés, AI-company a été le 57e plus rapide à atteindre un état de fonctionnement, et 48 sur 62 en ont atteint un.
- Où sont les preuves pour AI-company ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.