Des agents de code isolés — et sous votre contrôle
Transformez vos tickets Jira et GitHub en pull requests — en pleine autonomie, ou pilotés ticket par ticket depuis un dashboard en direct.
Opérationnel en trois commandes
-
Installer le CLI (Homebrew sur macOS / Linux)
brew install takuto-team/tap/takuto -
Générer la config avec l’assistant interactif
takuto setup -
Le démarrer, puis ouvrir le dashboard (:8080 par défaut)
takuto start
Prérequis : juste Docker ou Podman. takuto setup crée un dossier .takuto/ dans le répertoire courant (lancez-le n’importe où — pas seulement dans un dossier de projet), et takuto start récupère l’image Takuto Core au premier lancement et ouvre le dashboard, où vous créez votre compte admin et connectez votre fournisseur d’IA et GitHub.
Apportez votre propre agent de code — Takuto pilote ces quatre-là :
- Claude Code
- Cursor Agent
- Codex
- OpenCode modèles auto-hébergés uniquement (LM Studio, Ollama, vLLM…)
Une automatisation que vous gardez sous contrôle
Faites tourner tout le pipeline sans surveillance, ou reprenez la main ticket par ticket. Le choix vous revient à chaque exécution.
Piloté par les tickets ou autonome
Interrogez Jira ou GitHub Issues pour les tickets « To Do », ou collez une description directement dans le dashboard — aucun système de ticketing requis.
Autonome, manuel ou mixte
Laissez-le dérouler tout le pipeline pendant la nuit, déclenchez chaque phase vous-même, ou laissez-le piocher le travail routinier pendant que vous gérez les tickets délicats.
Parallèle par conception
Traitez plusieurs tickets à la fois — chacun obtient son propre git worktree et un environnement isolé, donc rien n’empiète sur rien. La concurrence est à votre main (elle démarre à un).
Un dashboard en direct
Suivez la sortie terminal par workflow, observez la progression, et mettez en pause, reprenez, relancez ou inspectez n’importe quelle exécution depuis le navigateur.
Éditeur + terminal dans le navigateur
Plongez dans n’importe quel workflow avec un éditeur VS Code et un terminal web pointés sur le worktree exact où travaille l’agent.
Des pipelines que vous définissez
Enchaînez les étapes — implémenter, traiter les commentaires de PR, fusionner la branche de base — avec des dépendances entre elles, le tout édité dans l’onglet Workflows du dashboard.
Deux façons de le faire tourner
Takuto CLI
La voie la plus rapide : takuto setup génère votre config dans un dossier .takuto/, puis takuto start lance tout et orchestre Docker ou Podman Compose à votre place — le dashboard est sur :8080 par défaut. Vous terminez la configuration (compte admin, fournisseur d’IA, GitHub) dans le dashboard.
Construisez le vôtre à partir de Takuto Core
Faites tourner le moteur directement — clonez Takuto Core, configurez config.toml et lancez-le vous-même avec Docker Compose. Pour les équipes qui veulent un contrôle total de l’image et du déploiement.
Isolation & confidentialité
Chaque agent tourne dans son propre container
Le travail est isolé par workflow — container séparé, git worktree séparé, environnement séparé — ce qui réduit le rayon d’impact d’une prompt injection. Le trafic sortant est verrouillé par un firewall d’egress en deny-by-default. Aucun tracking, aucune télémétrie : votre code et le contenu des tickets ne partent que vers le fournisseur d’IA que vous configurez.
Le nom
Takuto (タクト) — la baguette du chef d’orchestre
En japonais, takuto désigne la baguette dont le chef d’orchestre se sert pour diriger. Le nom colle à ce que fait l’outil — garder en cadence une section d’agents IA qui travaillent à partir d’une même partition — et c’est un clin d’œil au Japon, où Takuto a été créé (à Tokyo).