MnM — Make no Mistake

🇬🇧 Read in English | 🇫🇷 Vous lisez la version française.

███╗   ███╗       █████╗       ███╗   ███╗
████╗ ████║      ██╔══██╗      ████╗ ████║
██╔████╔██║      ██║  ██║      ██╔████╔██║
██║╚██╔╝██║      ██║  ██║      ██║╚██╔╝██║
██║ ╚═╝ ██║      ██║  ██║      ██║ ╚═╝ ██║
╚═╝     ╚═╝ake   ╚═╝  ╚═╝o     ╚═╝     ╚═╝istake

Le cockpit de supervision pour les équipes qui conçoivent, développent et livrent avec des agents IA. Piloter, gouverner et mesurer ce que font Claude Code, Cursor, Codex et les autres dans ta boîte — sans remplacer personne.

MnM est une plateforme qui orchestre et supervise les agents IA utilisés par toute ta chaîne produit : dev, PO, PM, infra, QA, compliance, direction. Ce n'est pas un IDE, pas un framework, et ça ne remplace pas Claude Code, Cursor ou Codex. C'est la couche au-dessus — pilotage, gouvernance, transparence. Tu gardes tes outils, MnM apporte la confiance, le contrôle et la visibilité qui manquent quand des dizaines de personnes lancent des agents chacune dans leur coin, sans supervision ni mémoire partagée.

Trois modes de déploiement : full local pour les devs solo, self-hosted single company pour les équipes, ou backend hébergé multi-company pour distribuer à grande échelle. Le compute agent se fait côté client (MCP, Desktop, CLI locale) — le serveur est un API/data/orchestration layer.

Fait par Studio Manifeste. En cours de déploiement en production avec un client pilote enterprise.

🚀 Feature phare : Governed Workflows

Les Governed Workflows sont l'innovation principale de MnM pour piloter des équipes qui développent avec des agents IA. Chaque workflow est un fichier workflow.json versionné en git — la même rigueur qu'un commit de code, appliquée à l'orchestration d'agents.

• Workflow Studio — éditeur multi-fichiers Monaco avec JSON schema, autocomplete, validation live, et un AI Assistant qui propose des modifications en langage naturel (cards Appliquer/Rejeter par fichier).
• Gates canoniques — 4 gates réutilisables shippées (artifact-exists, artifacts-bundle, step-succeeded, review-pass) + DSL pour des gates custom (packages/gate-runner/).
• HITL — approbation humaine sur les transitions de step critiques, avec validation badge live et drawer de détail.
• Audit complet — chaque modif passe par un commit git : auteur réel, message, diff, rollback natif. Pas d'état de workflow flottant en DB sans trace.
• Parité REST + MCP — les 14 endpoints sont exposés en HTTP et en MCP. Ton agent Claude Code peut concevoir, sauvegarder et lancer un workflow sans toucher à l'UI.
• Multi-provider git — provider local pour le dev solo, GitLab self-hosted pour la prod (OAuth 2.1 + PKCE, commits attribués à l'utilisateur via son token).
• Live events — SSE /events/ws pour les mises à jour temps réel sur les runs et l'AI Assistant.

C'est la première feature MnM destinée à un déploiement entreprise large : un seul backend orchestre, mais l'autorité reste dans le repo git de l'équipe — pas de lock-in cockpit, pas de boîte noire.

Le problème

Le développement et la conception assistés par agents IA se sont installés partout en entreprise sans que personne ne supervise vraiment ce qui se passe. Concrètement :

• Personne ne sait ce que font les agents, ni combien ça coûte.
• Pas d'audit, pas de standards partagés, pas de gouvernance.
• Chaque personne bosse seule avec ses prompts. Les bonnes pratiques ne circulent pas entre équipes ni entre métiers.
• Les bugs et les dérives arrivent en production parce qu'il n'y a aucun gate de qualité avant.
• Impossible de dire si les équipes s'améliorent avec l'IA, ou si elles régressent.

La conviction derrière MnM : les boîtes ne veulent pas remplacer leurs équipes par des agents autonomes. Elles veulent que leurs équipes utilisent des agents sous supervision.

Les 3 piliers

Confiance — l'agent prouve qu'il mérite l'autonomie, l'humain est juge

Chaque exécution d'agent est scorée selon des dimensions configurées par l'entreprise : coverage, conventions, sécurité, perf, ce que tu veux. Un panel d'agents reviewers tourne en parallèle et donne un verdict multi-dimensionnel. Les gate reviews humaines s'appuient là-dessus, pas sur du feeling.

Contrôle — c'est un dial, pas un switch

Six niveaux d'autonomie, de Manual (l'humain fait tout) à Autonomous (l'agent décide seul). La progression est pilotée par les KPI : tant que le scoring n'atteint pas le seuil, l'autonomie reste bloquée. Le level Autonomous est verrouillé par défaut et se déverrouille dimension par dimension.

Transparence — chaque stakeholder voit ce qui le concerne

Le CEO regarde les coûts et les tendances. Le CTO regarde la gouvernance et la conformité. Le PM regarde la coverage des features. Le dev voit ses propres scores. Le QA voit les tests manquants. Un seul système, plusieurs lentilles.

Pour qui

• CTO et DSI qui ont besoin de gouvernance, d'audit et de visibilité cross-équipes sur l'usage des agents IA.
• Lead Dev et Tech Lead IA qui pilotent une équipe avec des agents et veulent mesurer si ça s'améliore vraiment.
• Développeurs qui veulent un environnement où leurs agents tournent en sécurité, avec du feedback objectif.
• PM, PO, QA et compliance qui veulent voir ce qui est livré, testé et conforme sans harceler les équipes.

Taille cible : équipes produit de 5 à 500 personnes (dev, PO, PM, infra, QA, compliance). Au-delà ça reste utilisable (multi-squads via tags), mais on n'a pas optimisé pour les mégacorps.

MnM vs Paperclip

MnM est un fork de Paperclip. Les deux projets ont divergé vers des visions très différentes, et Paperclip a pas mal avancé de son côté depuis le fork. Le tableau ci-dessous reflète l'état actuel des deux.

	Paperclip	MnM
Philosophie	"Run autonomous AI companies" : l'agent est l'employé, Paperclip est la boîte	Cockpit de supervision pour les équipes qui travaillent avec des agents IA : l'humain reste au centre, l'agent est un outil supervisé
Cible	Solo entrepreneurs, portfolios de boîtes autonomes	Équipes produit 5–500 personnes (dev, PO, PM, infra, QA, compliance) qui utilisent déjà Claude Code, Cursor ou Codex
Modèle	Multi-company (plusieurs boîtes par déploiement)	Multi-tenant (shared DB + RLS, isolation par company + tags)
Isolation	Par company	Par tags additifs (cross-métier, multi-équipes)
Agents	Heartbeats, org charts, délégation, goal alignment	Compute côté client (MCP/Desktop/CLI), sandbox Docker optionnel
Traces	Tool-call tracing + audit log	Pipeline Bronze/Silver/Gold avec enrichissement LLM hiérarchique
Communication	Ticketing threadé + goals	Chat collaboratif temps réel, artifacts, RAG, dossiers, @mentions
Orchestration	Heartbeats + skills manager + scheduled routines	Governed Workflows (git-first, Studio Monaco + AI Assistant + Gates canoniques) + CAO + HITL
Config	AGENTS.md + Skills Manager + governance with rollback	Config Layers structurées avec priority merge + OAuth2 PKCE
Scoring	Pas de notion de qualité objective	Quality Profiles + Agent Review Panel (en cours)
Autonomie	Binaire (agent ou humain)	Continuum 6 niveaux KPI-driven (en cours)
Humain	Board-level (approve, override)	First-class, cockpit de supervision continue

Les deux peuvent coexister. MnM s'adresse aux boîtes qui veulent garder leurs devs et les augmenter avec de l'IA, pas les remplacer par des agents autonomes.

Ce qu'on a construit

Livré et en production

• RBAC dynamique et isolation par tags : 91 permissions granulaires, rôles en DB, RLS PostgreSQL sur 41 tables, tags additifs cross-métier.
• Architecture multi-tenant : shared DB + RLS, toutes les routes API scopées par /companies/:companyId/, middleware chain defense-in-depth (auth → company membership → permissions → tag scope → RLS).
• Pipeline de traces Bronze → Silver → Gold : capture raw logs, phase detection déterministe, enrichissement LLM hiérarchique (global → workflow → agent → issue), UI timeline inspirée de Langfuse.
• Config Layers : configuration agent structurée, mergée par priorité (Company enforced > Base > Additional), versionée, avec détection de conflits et advisory locks PostgreSQL.
• Chat collaboratif : discussions temps réel avec agents, artifacts versionés, documents et RAG pgvector, dossiers partagés, slash commands, @mentions.
• CAO (Chief Agent Officer) : agent système auto-créé, watchdog silencieux et interactif via @cao.
• Governed Workflows (feature phare entreprise) : workflows-as-code versionnés en git, Workflow Studio multi-fichiers (Monaco + JSON schema + autocomplete), AI Assistant Panel (SSE Claude Sonnet) avec inline file proposals, 4 gates canoniques (artifact-exists, artifacts-bundle, step-succeeded, review-pass) + gates custom, validation HITL avec badge live, OAuth 2.1 GitLab pour commits attribués à l'utilisateur, parité REST + MCP (14 endpoints). Voir la section dédiée plus haut.
• Audit immuable : table partitionnée par mois, protégée par TRIGGER, auto-émission sur actions critiques, export UI.
• Serveur MCP : 68 tools et 10 resources sur 14 domaines, OAuth 2.1 avec PKCE, Dynamic Client Registration, écran de consentement granulaire. N'importe quel client MCP (Claude Code, Cursor, Claude Desktop) peut piloter la plateforme.
• Communication A2A : bus agent-to-agent avec règles de permissions et trail d'audit.

En cours : le flywheel cœur

Ces briques sont l'architecture centrale des 3 piliers. Le schéma existe en DB, les APIs et les UI se construisent dessus en ce moment :

• Feature Map : arbre de nodes (features, ACs, requirements) reliés via entity_links, vue centrale du produit avec coverage structurelle.
• Quality Profiles : dimensions de scoring configurables par entreprise, attachées à des nodes via entity_links.
• Agent Review Panel : N agents reviewers tournent en parallèle et scorent chaque exécution par dimension.
• Gate Review humaine : approval workflow wire aux Quality Profiles.
• Autonomy Continuum : 6 niveaux KPI-driven, level 5 (Autonomous) verrouillé par défaut.
• Improvement Cockpit : KPIs, trends, thèmes de correction, vue par rôle (CEO, CTO, Lead, Dev, QA).
• Drift Detection : détection automatique de dérive entre specs et code, intégrée à la Feature Map.

Le flywheel : l'agent exécute, le Quality Profile score, la Gate Review tranche, l'Improvement Cockpit agrège, la skill s'améliore, l'autonomie peut monter d'un cran.

Objectif T3 2026

MnM en production sur des équipes pluri-disciplinaires, les 3 piliers opérationnels, premiers clients payants.

Essayer MnM

Standalone (zero-config, à passer à un collègue)

# Prerequis : Docker
docker compose -f docker-compose.standalone.yml up
# puis ouvrir http://localhost:3100 et compléter l'onboarding

Aucun .env à éditer, aucune clé API requise. Le conteneur génère automatiquement les secrets au premier boot, persiste les données dans un volume Docker, et l'onboarding propose d'ajouter (ou de skip) chaque intégration optionnelle : provider LLM, git pour le versioning des workflows, connecteurs externes (Jira, Slack, etc.). Tout peut être configuré ou ajouté plus tard depuis Settings.

Le premier utilisateur qui s'inscrit devient instance admin. Pour partager avec un collègue : passe-lui ce dépôt, il lance la commande, et l'expérience est identique.

Full local (dev solo)

# Prerequis : Bun >= 1.3, Node >= 20
bun install
bun run dev        # Quick start avec PostgreSQL embarqué, zero auth

Local avec infra Docker (usage quotidien)

# Prerequis : Docker
cp .env.example .env   # decommenter DATABASE_URL + REDIS_URL
bun run local          # Docker (PG + Redis) + app native

Le setup local reproduit la topologie de production : l'infra tourne dans Docker, l'app tourne nativement pour acceder directement a ta CLI Claude. Tu peux ensuite consommer MnM via l'UI web, l'app desktop, ou en MCP depuis Claude Code / Cursor.

Self-hosted ou heberge multi-company (production)

docker compose up      # 1 company = self-hosted, N companies = heberge

Le meme code, la meme DB — seule la config change (MNM_DEPLOYMENT_MODE=authenticated). Chaque company est isolee par RLS PostgreSQL.

Pour le deploiement prod (Docker Compose, Dokploy), le get started dev complet et le guide pour brancher un client MCP, voir CONTRIBUTING.md.

Aller plus loin

• CONTRIBUTING.md : installation, commandes, structure du repo, conventions, comment contribuer.
• docs/ARCHITECTURE.md : stack technique, décisions architecturales, détails par composant.
• docs/HISTORY.md : chronologie du projet, brainstorms fondateurs, métriques, roadmap détaillée.

Credits

Fork de Paperclip ("run autonomous AI companies"). Merci à l'équipe Paperclip pour le socle initial, même si les visions ont divergé depuis.

Licence

MnM est sous double licence :

• Cœur (tout hors ee/) : GNU Affero General Public License v3.0 (AGPL-3.0). Libre d'usage, de modification et de self-host. La distribution réseau implique de partager le code source.
• Modules Enterprise (dossier ee/) : MnM Enterprise License (source-available, nécessite une licence commerciale).
• Licence commerciale / non-AGPL : disponible pour les organisations qui ne peuvent pas adopter l'AGPL — voir COMMERCIAL-LICENSE.md. Contact tom@alphaluppi.fr.

Marques (MnM, Alpha Luppi, logo MnM) — voir TRADEMARKS.md. Contribuer — voir CLA.md.