👁️ Argus — QA Orchestrator Persona

"Celui aux cent yeux qui voit ce que d'autres ne voient pas"

Argus est un système de persona IA spécialisé en test et qualité logicielle, construit sur le framework CRAFT/TOON. Il orchestre une constellation d'agents spécialisés et maintient une mémoire structurée à 5 niveaux.

Architecture

argus.persona.yaml          # Persona CRAFT/TOON (v0.10.0)
mcp_server/                 # Serveur MCP — expose Argus aux clients IA
├── server.py               # 11 tools MCP (query, risk, strategy, record, cycle…)
├── memory_reader.py        # Accès lecture à la mémoire YAML + validation schema
├── data_dir.py             # Résolution du répertoire de données
├── engines/                # Moteurs cognitifs (consolidation, decay, reflection)
│   ├── config.py           # Constantes partagées
│   ├── consolidation.py    # Épisodes → connaissances sémantiques
│   ├── decay.py            # Oubli progressif
│   ├── reflection.py       # 12 health checks
│   └── cognitive_cycle.py  # Orchestrateur du cycle complet
└── defaults/               # Données par défaut (base de connaissances)
    ├── semantic/            # 46 patterns, 62 heuristiques, 8 profils
    └── deliverables/        # Templates (test plan, matrice, charte)
memory/                     # Système de mémoire à 5 niveaux
├── working/                # Mémoire de travail (session)
├── episodic/               # Historique (analyses, décisions, incidents, exécutions)
├── semantic/               # Connaissances apprises (patterns, heuristiques, ISTQB)
├── projects/               # Profils par projet
└── relational/             # Graphe d'associations
schemas/                    # JSON Schemas (Draft-07) pour validation
scripts/                    # Scripts d'installation (hooks Git)
tests/                      # Suite de validation & tests (476 tests)

Installation

Option 1 — Via pip (recommandé)

pip install argus-qa

Au premier lancement, Argus crée automatiquement ~/.argus/ avec la base de connaissances par défaut (46 patterns de défauts, 62 heuristiques de test, 8 profils de contexte).

Option 2 — Depuis les sources (développement)

git clone https://github.com/argus-qa/argus.git
cd argus
pip install -e ".[dev]"

Répertoire de données

Priorité	Source	Usage
1	ARGUS_DATA_DIR (env var)	Tests, setups custom
2	./memory/ dans le CWD	Mode dev (clone git)
3	~/.argus/memory/	Installation pip (défaut)

Prérequis

• Python 3.11+
• Dépendances : pip install -r requirements.txt

Démarrage rapide

# Installer les dépendances
pip install -r requirements.txt

# Installer le hook pre-commit (5 validations automatiques)
.\scripts\install-hooks.ps1

# Lancer la suite de tests complète
python -m pytest tests/ -v

# Exécuter le cycle cognitif (scan mémoire)
python tests/cognitive_cycle.py

Validation

Le projet dispose d'un pipeline de validation à 5 couches, exécuté automatiquement via le hook pre-commit :

Étape	Script	Description
1	tests/validate_yaml.py	Syntaxe YAML
2	tests/sync_counters.py	Synchronisation index/compteurs
3	tests/validate_references.py	Références croisées inter-fichiers
4	tests/validate_encoding.py	Détection BOM/mojibake
5	tests/sync_schemas.py	Cohérence enums JSON Schema

Scripts additionnels :

• tests/validate_schemas.py — Validation YAML contre JSON Schemas
• tests/validate_risk_scoring.py — Validation du scoring de risque

Cycle cognitif

Le système maintient sa mémoire via un cycle en 3 phases :

1. Consolidation — Transforme les épisodes récurrents en connaissances sémantiques
2. Decay — Applique un oubli progressif aux connaissances non utilisées (grâce : 60j, taux : 0.05/mois, seuil : 0.2)
3. Reflection — 12 health checks (cohérence, complétude, fraîcheur, équilibre)

python tests/cognitive_cycle.py              # Scan (dry-run)
python tests/cognitive_cycle.py --apply      # Appliquer les corrections
python tests/cognitive_cycle.py --phase decay # Une seule phase

CI/CD

GitHub Actions (.github/workflows/validate.yml) exécute la validation complète sur chaque push/PR :

• Branches : main, develop
• Matrice Python : 3.11, 3.12, 3.13
• 6 étapes de validation + suite pytest complète

Mémoire

Voir memory/README.md pour la documentation détaillée du système de mémoire.

Serveur MCP

Argus expose ses capacités via le Model Context Protocol (MCP). N'importe quel client compatible (VS Code, Claude Desktop, Cursor…) peut s'y connecter.

Tools disponibles

Tool	L/É	Description
query_memory	L	Interrogation de la mémoire (patterns, heuristiques, analyses, stats…)
get_risk_analysis	L	Analyse de risque sur un extrait de code ou diff
get_testing_strategy	L	Recommandation de stratégie de test selon le contexte
get_memory_health	L	Diagnostic de santé mémoire (12 health checks)
record_analysis	É	Enregistrement d'une analyse en mémoire épisodique
record_pattern	É	Ajout d'un defect pattern en mémoire sémantique
record_heuristic	É	Ajout d'une heuristique de test en mémoire sémantique
record_decision	É	Enregistrement d'une décision en mémoire épisodique
record_incident	É	Enregistrement d'un incident en mémoire épisodique
record_execution	É	Enregistrement d'une exécution de tests en mémoire épisodique
run_cognitive_cycle	L/É	Exécution du cycle cognitif (consolidation → decay → reflection)

Lancement

# Via la commande installée par pip
argus-mcp

# Ou via le module Python
python -m mcp_server

Configuration VS Code

Ajouter dans le fichier .vscode/mcp.json de n'importe quel projet :

{
  "servers": {
    "argus": {
      "type": "stdio",
      "command": "argus-mcp"
    }
  }
}

Configuration Claude Desktop

Ajouter dans claude_desktop_config.json :

{
  "mcpServers": {
    "argus": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "cwd": "C:/chemin/vers/Argus"
    }
  }
}

Configuration Cursor

Ajouter dans .cursor/mcp.json du projet :

{
  "mcpServers": {
    "argus": {
      "command": "argus-mcp",
      "transportType": "stdio"
    }
  }
}

Sécurité

• Les données utilisateur sont stockées localement dans ~/.argus/ et ne sont jamais transmises
• Le serveur MCP fonctionne en transport stdio (local uniquement)
• Les entrées sont validées (taille, rate limiting, path traversal)
• Les dépendances sont plafonnées pour prévenir les attaques supply chain

Avertissement

Argus est un outil d’aide à l’analyse qualité. Il ne remplace pas un audit de sécurité professionnel et ne garantit pas la détection exhaustive des défauts. Utilisez-le comme couche complémentaire dans votre processus de test, jamais comme unique source de vérité.

Contribuer

Voir CONTRIBUTING.md pour ajouter des patterns, heuristiques ou profils de contexte.

Voir DEVELOPMENT.md pour le guide technique (architecture, tests, cycle cognitif, CI/CD).

Licence

MIT