Configuration OpenCode multi-agents pour Onyxia (Insee)

Configuration prête à l'emploi pour piloter, depuis OpenCode, des projets de data science et MLOps en R et Python dans l'environnement Onyxia / SSP Cloud, en s'appuyant sur les modèles auto-hébergés de la plateforme (les données envoyées aux agents restent donc dans le périmètre Insee).

Contenu

opencode-onyxia/
├── opencode.jsonc                 # config principale : fournisseur, modèles, agents, permissions, MCP
├── AGENTS.md                      # contexte Onyxia partagé par TOUS les agents (chargé automatiquement)
├── install.sh                     # installation GLOBALE dans ~/.config/opencode (tous projets)
├── INSTALL.md                     # guide d'installation détaillé
├── prompts/                       # prompt système de chaque agent
│   ├── build.md  plan.md  python-ds.md  r-ds.md  mlops.md  reviewer.md  dataviz-vision.md
└── .opencode/skills/              # savoir-faire chargés à la demande (1 dossier = 1 skill)
    ├── onyxia-storage-s3/SKILL.md
    ├── mlflow-tracking/SKILL.md
    ├── argo-mlops/SKILL.md
    ├── python-datascience/SKILL.md
    ├── r-datascience/SKILL.md
    ├── reproductibilite-onyxia/SKILL.md
    ├── quarto-publication/SKILL.md
    ├── vault-secrets-onyxia/SKILL.md
    └── git-workflow-ds/SKILL.md

Installation (résumé — guide détaillé dans INSTALL.md)

1. Installer OpenCode dans le service (VSCode/Jupyter) :

   curl -fsSL https://opencode.ai/install | bash

2. Installer la config en global (valable pour tous les projets) — script fourni :

   cd opencode-onyxia && ./install.sh

   Il copie la config, AGENTS.md, les prompts et les skills dans ~/.config/opencode/. Détails et alternatives (manuel, suivi Git, surcharge par projet) dans INSTALL.md.
3. Récupérer une clé d'API sur la passerelle Open WebUI https://llm.lab.sspcloud.fr (Settings → Account → API Keys), puis renseigner les deux variables d'environnement :

   export OPENAI_BASE_URL="https://llm.lab.sspcloud.fr/v1"
   export OPENAI_API_KEY="sk-……"

   (Idéalement stockées dans Vault et injectées par le service.)
4. Vérifier l'endpoint (Open WebUI expose /v1 et /api) :

   curl -s "$OPENAI_BASE_URL/chat/completions" \
     -H "Authorization: Bearer $OPENAI_API_KEY" -H "Content-Type: application/json" \
     -d '{"model":"qwen3-6-35b-moe","messages":[{"role":"user","content":"ping"}],"max_tokens":5}'

   Réponse chat.completion → /v1 est correct ; 404 → utiliser …/api. Les identifiants de modèles (qwen3-6-35b-moe, gemma4-26b-moe, qwen3-vl) sont déjà confirmés et présents dans la config.
5. Lancer : opencode puis /models pour confirmer la présence des modèles.

Utilisation

• Basculer entre agents principaux (build ⇄ plan) : touche Tab.
• Déléguer : les sous-agents (python-ds, r-ds, mlops, reviewer, dataviz-vision) sont appelés automatiquement selon le besoin, ou explicitement via @nom (ex. @reviewer relis le diff, @mlops déploie ce modèle).
• Skills : chargées automatiquement quand la tâche correspond à leur description ; on peut aussi y faire référence dans le prompt.

Répartition des modèles

Modèle	Rôle dans la config
qwen3-6-35b-moe	modèle par défaut — code, raisonnement, agents build/python-ds/r-ds/mlops
gemma4-26b-moe	small_model (titres, résumés) + agents plan et reviewer (diversité de point de vue)
qwen3-vl	agent dataviz-vision — lecture de graphiques, schémas, captures

Serveurs MCP livrés (désactivés par défaut)

Deux serveurs remote sont pré-déclarés dans opencode.jsonc avec "enabled": false : excalidraw (diagrammes, nécessite EXCALIDRAW_API_KEY) et datagouv (données publiques data.gouv.fr). Activation et précautions de confidentialité : voir INSTALL.md.

Sécurité / confidentialité

• OpenCode n'est pas sandboxé : les commandes bash s'exécutent réellement sur le pod. Les permissions de opencode.jsonc autorisent l'outillage data science usuel et demandent confirmation pour le réseau, Kubernetes et les suppressions.
• MCP désactivé par défaut (un MCP « remote » enverrait du contexte hors plateforme).
• Sur l'instance publique, ne traiter que des données publiques / non sensibles.

Personnalisation

• Ajouter un agent : nouveau bloc sous agent + un prompt dans prompts/.
• Ajouter un savoir-faire : nouveau dossier .opencode/skills/<nom>/SKILL.md (en-tête YAML name + description obligatoires).
• Les skills suivent le standard Agent Skills : celles écrites pour Claude Code fonctionnent telles quelles.