AI & LLM

AI model integration, text generation, embeddings, and autonomous agents.

18 modules

Module	Description
Agent autonome	Agent IA autodirige avec memoire et comportement oriente objectif
Agent en chaine	Chaine de traitement IA sequentielle avec plusieurs etapes
Agent d'utilisation d'outils	Agent AI qui peut appeler des outils/fonctions
Embeddings de Texte	Générer des embeddings vectoriels à partir de texte en utilisant des modèles AI
Extraction AI	Extraire des données structurées à partir de texte en utilisant l'AI
Chat Ollama local	Discuter avec un LLM local via Ollama (completement hors ligne)
Memoire IA	Memoire de conversation pour l'agent IA
Memoire d'entites	Extraire et suivre les entites (personnes, lieux, concepts) des conversations
Memoire Redis	Memoire de conversation persistante utilisant le stockage Redis
Memoire vectorielle	Memoire semantique utilisant des embeddings vectoriels pour la recuperation de contexte pertinent
Modele IA	Configuration du modele LLM pour l'agent IA
AI Tool	Expose a module as a tool for AI Agent
Analyse de Vision	Analyser des images en utilisant des modèles de vision AI
Chat Claude	Envoyer un message de chat a Anthropic Claude AI et obtenir une reponse
Chat Google Gemini	Envoyer un message de chat a Google Gemini AI et obtenir une reponse
Chat OpenAI	Envoyer un message de chat aux modeles OpenAI GPT
Generation d'images DALL-E	Generer des images avec DALL-E
Agent IA	Agent IA autonome avec connexions multi-ports (modele, memoire, outils)

Modules

Agent autonome

agent.autonomous

Agent IA autodirige avec memoire et comportement oriente objectif

Parameters:

Name	Type	Required	Default	Description
goal	string	Yes	-	L'objectif a atteindre par l'agent
context	string	No	-	L'objectif a atteindre par l'agent
max_iterations	number	No	5	Contexte ou contraintes supplementaires
llm_provider	select (openai, ollama)	No	openai	Etapes de raisonnement maximum
model	string	No	gpt-4-turbo-preview	Nom du modele (ex: gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	Nom du modele (ex: gpt-4, llama2, mistral)
temperature	number	No	0.7	URL du serveur Ollama (uniquement pour le fournisseur ollama)

Output:

Field	Type	Description
result	string	Niveau de creativite (0-2)
thoughts	array	Resultat de l'operation
iterations	number	Resultat de l'operation
goal_achieved	boolean	Etapes de raisonnement de l'agent

Example: Research task

goal: Research the latest trends in AI and summarize the top 3
max_iterations: 5
model: gpt-4

Example: Problem solving

goal: Find the best approach to optimize database queries
context: PostgreSQL database with 10M records
max_iterations: 10

Agent en chaine

agent.chain

Chaine de traitement IA sequentielle avec plusieurs etapes

Parameters:

Name	Type	Required	Default	Description
input	string	Yes	-	Entree initiale pour la chaine
chain_steps	array	Yes	-	Entree initiale pour la chaine
llm_provider	select (openai, ollama)	No	openai	Tableau d'etapes de traitement (chacune est un modele de prompt)
model	string	No	gpt-4-turbo-preview	Nom du modele (ex: gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	Nom du modele (ex: gpt-4, llama2, mistral)
temperature	number	No	0.7	URL du serveur Ollama (uniquement pour le fournisseur ollama)

Output:

Field	Type	Description
result	string	Niveau de creativite (0-2)
intermediate_results	array	Resultat de l'operation
steps_completed	number	Resultat de l'operation

Example: Content pipeline

input: AI and machine learning trends
chain_steps: ["Generate 5 blog post ideas about: {input}", "Take the first idea and write a detailed outline: {previous}", "Write an introduction paragraph based on: {previous}"]
model: gpt-4

Example: Data analysis chain

input: User behavior data shows 60% bounce rate
chain_steps: ["Analyze what might cause this issue: {input}", "Suggest 3 solutions based on: {previous}", "Create an action plan from: {previous}"]

Agent d'utilisation d'outils

agent.tool_use

Agent AI qui peut appeler des outils/fonctions

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	L'objectif ou la tâche pour l'agent
tools	array	Yes	-	Liste des définitions d'outils [{nom, description, paramètres}]
provider	select (openai, anthropic)	No	openai	Fournisseur LLM pour l'agent
model	string	No	gpt-4o	Modèle à utiliser
api_key	string	No	-	Clé API (repli sur la variable d'environnement)
max_iterations	number	No	10	Nombre maximum de tours d'appel d'outils
system_prompt	string	No	-	Invite système optionnelle pour guider l'agent

Output:

Field	Type	Description
result	string	Réponse finale de l'agent
tool_calls	array	Tous les appels d'outils effectués pendant l'exécution
iterations	number	Nombre d'itérations complétées
model	string	Modèle utilisé

Example: File Processing Agent

prompt: Read the config file and update the version number
tools: [{"name": "read_file", "description": "Read contents of a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}}, "required": ["path"]}}, {"name": "write_file", "description": "Write contents to a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}, "content": {"type": "string", "description": "File content"}}, "required": ["path", "content"]}}]
provider: openai
model: gpt-4o
max_iterations: 5

Embeddings de Texte

ai.embed

Générer des embeddings vectoriels à partir de texte en utilisant des modèles AI

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	Texte à embedder
provider	select (openai, local)	No	openai	Fournisseur AI pour les embeddings
model	string	No	text-embedding-3-small	Modèle d'embedding à utiliser
api_key	string	No	-	Clé API (utilise la variable d'environnement par défaut)
dimensions	number	No	-	Dimensions d'embedding (pour les modèles qui le supportent)

Output:

Field	Type	Description
embeddings	array	Tableau d'embeddings vectoriels
model	string	Modèle utilisé pour l'embedding
dimensions	number	Nombre de dimensions dans le vecteur d'embedding
token_count	number	Nombre de tokens traités

Example: Single Text Embedding

text: The quick brown fox jumps over the lazy dog
provider: openai
model: text-embedding-3-small

Example: Reduced Dimensions

text: Semantic search query
provider: openai
model: text-embedding-3-small
dimensions: 256

Extraction AI

ai.extract

Extraire des données structurées à partir de texte en utilisant l'AI

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	Texte à partir duquel extraire les données
schema	object	Yes	-	Schéma JSON définissant les champs à extraire
instructions	string	No	-	Instructions supplémentaires pour l'extraction
provider	select (openai, anthropic)	No	openai	Fournisseur AI à utiliser
model	string	No	gpt-4o-mini	Modèle à utiliser pour l'extraction
api_key	string	No	-	Clé API (utilise la variable d'environnement par défaut)
temperature	number	No	0	Température d'échantillonnage (0-2)

Output:

Field	Type	Description
extracted	object	Données structurées extraites
model	string	Modèle utilisé pour l'extraction
raw_response	string	Réponse brute du modèle

Example: Extract Contact Info

text: John Smith is a senior engineer at Acme Corp. Email: john@acme.com
schema: {"type": "object", "properties": {"name": {"type": "string"}, "title": {"type": "string"}, "company": {"type": "string"}, "email": {"type": "string"}}}
provider: openai
model: gpt-4o-mini

Example: Extract Invoice Data

text: Invoice #1234 from Acme Corp. Total: $500.00. Due: 2024-03-01
schema: {"type": "object", "properties": {"invoice_number": {"type": "string"}, "vendor": {"type": "string"}, "total": {"type": "number"}, "due_date": {"type": "string"}}}
instructions: Extract all invoice fields. Parse amounts as numbers.

Chat Ollama local

ai.local_ollama.chat

Discuter avec un LLM local via Ollama (completement hors ligne)

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	Le message a envoyer au LLM local
model	select (llama2, llama2:13b, llama2:70b, mistral, mixtral, codellama, codellama:13b, phi, neural-chat, starling-lm)	No	llama2	Le message a envoyer au LLM local
temperature	number	No	0.7	Temperature d'echantillonnage (0-2)
system_message	string	No	-	Message de role systeme (optionnel)
ollama_url	string	No	http://localhost:11434	Message de role systeme (optionnel)
max_tokens	number	No	-	URL du serveur Ollama

Output:

Field	Type	Description
response	string	Tokens maximum dans la reponse (optionnel, depend du modele)
model	string	Reponse de l'operation
context	array	Reponse de l'operation
total_duration	number	Nom ou identifiant du modele
load_duration	number	Contexte de conversation pour les requetes suivantes
prompt_eval_count	number	Duree totale de traitement
eval_count	number	Duree de chargement du modele

Example: Simple local chat

prompt: Explain quantum computing in 3 sentences
model: llama2

Example: Code generation with local model

prompt: Write a Python function to calculate fibonacci numbers
model: codellama
temperature: 0.2
system_message: You are a Python programming expert. Write clean, efficient code.

Example: Local reasoning task

prompt: What are the pros and cons of microservices architecture?
model: mistral
temperature: 0.7

Memoire IA

ai.memory

Memoire de conversation pour l'agent IA

Parameters:

Name	Type	Required	Default	Description
memory_type	select (buffer, window, summary)	Yes	buffer	Type de stockage memoire
window_size	number	No	10	Nombre de messages recents a conserver (pour la memoire fenetre)
session_id	string	No	-	Identifiant unique pour cette session de conversation
initial_messages	array	No	[]	Historique de conversation prechargee

Output:

Field	Type	Description
memory_type	string	Historique de conversation prechargee
session_id	string	Historique de conversation prechargee
messages	array	Type de memoire
config	object	Identifiant de session

Example: Simple Buffer Memory

memory_type: buffer

Example: Window Memory (last 5 messages)

memory_type: window
window_size: 5

Memoire d'entites

ai.memory.entity

Extraire et suivre les entites (personnes, lieux, concepts) des conversations

Parameters:

Name	Type	Required	Default	Description
entity_types	multiselect	No	['person', 'organization', 'location']	Types of entities to extract and track
extraction_model	select (llm, spacy, regex)	Yes	llm	Model for entity extraction
session_id	string	No	-	Unique identifier for this memory session
track_relationships	boolean	No	True	Track relationships between entities
max_entities	number	No	100	Maximum number of entities to remember

Output:

Field	Type	Description
memory_type	string	Nombre maximum d'entites a retenir
session_id	string	Nombre maximum d'entites a retenir
entities	object	Type de memoire (entite)
relationships	array	Identifiant de session
config	object	Entites suivies par type

Example: People & Organizations

entity_types: ["person", "organization"]
extraction_model: llm

Example: Full Entity Tracking

entity_types: ["person", "organization", "location", "concept"]
track_relationships: true
max_entities: 200

Memoire Redis

ai.memory.redis

Memoire de conversation persistante utilisant le stockage Redis

Parameters:

Name	Type	Required	Default	Description
redis_url	string	Yes	redis://localhost:6379	Redis connection URL
key_prefix	string	No	flyto:memory:	Prefix for all Redis keys
session_id	string	Yes	-	Unique identifier for this memory session
ttl_seconds	number	No	86400	Time-to-live for memory entries (0 = no expiry)
max_messages	number	No	100	Maximum messages to store per session
load_on_start	boolean	No	True	Load existing messages from Redis on initialization

Output:

Field	Type	Description
memory_type	string	Charger les messages existants de Redis a l'initialisation
session_id	string	Charger les messages existants de Redis a l'initialisation
messages	array	Type de memoire (redis)
connected	boolean	Identifiant de session
config	object	Historique des messages charges

Example: Local Redis

redis_url: redis://localhost:6379
session_id: my-session
ttl_seconds: 3600

Example: Cloud Redis with Auth

redis_url: redis://:password@redis-cloud.example.com:6379
session_id: user-session
ttl_seconds: 86400
max_messages: 500

Memoire vectorielle

ai.memory.vector

Memoire semantique utilisant des embeddings vectoriels pour la recuperation de contexte pertinent

Parameters:

Name	Type	Required	Default	Description
embedding_model	select (text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002, local)	Yes	text-embedding-3-small	Model to use for generating embeddings
top_k	number	No	5	Number of most relevant memories to retrieve
similarity_threshold	number	No	0.7	Minimum similarity score (0-1) for retrieval
session_id	string	No	-	Unique identifier for this memory session
include_metadata	boolean	No	True	Include timestamp and other metadata with memories

Output:

Field	Type	Description
memory_type	string	Inclure l'horodatage et autres metadonnees avec les memoires
session_id	string	Inclure l'horodatage et autres metadonnees avec les memoires
embedding_model	string	Type de memoire (vecteur)
config	object	Identifiant de session

Example: Default Vector Memory

embedding_model: text-embedding-3-small
top_k: 5

Example: High Precision Memory

embedding_model: text-embedding-3-large
top_k: 10
similarity_threshold: 0.85

Modele IA

ai.model

Configuration du modele LLM pour l'agent IA

Parameters:

Name	Type	Required	Default	Description
provider	select (openai, anthropic, ollama)	No	openai	AI model provider
model	string	No	gpt-4o	Specific model to use
temperature	number	No	0.7	Creativity level (0=deterministic, 1=creative)
api_key	string	No	-	API key (defaults to provider env var)
base_url	string	No	-	Custom API base URL (for Ollama or proxies)
max_tokens	number	No	4096	Tokens maximum dans la reponse

Output:

Field	Type	Description
provider	string	Tokens maximum dans la reponse
model	string	Nom du fournisseur LLM
config	object	Nom du fournisseur LLM

Example: OpenAI GPT-4

provider: openai
model: gpt-4o
temperature: 0.7

Example: Anthropic Claude

provider: anthropic
model: claude-3-5-sonnet-20241022
temperature: 0.5

AI Tool

ai.tool

Expose a module as a tool for AI Agent

Parameters:

Name	Type	Required	Default	Description
module_id	string	Yes	-	Module ID to expose as tool (e.g. http.request, data.json_parse)
tool_description	string	No	-	Custom description for the agent (overrides module default)

Output:

Field	Type	Description
module_id	string	Module ID exposed as tool

Example: HTTP Request Tool

module_id: http.request

Example: JSON Parse Tool

module_id: data.json_parse

Analyse de Vision

ai.vision.analyze

Analyser des images en utilisant des modèles de vision AI

Parameters:

Name	Type	Required	Default	Description
image_path	string	No	-	Chemin local vers le fichier image
image_url	string	No	-	URL de l'image à analyser
prompt	string	No	Describe this image in detail	Que voulez-vous analyser ou demander sur l'image
provider	select (openai, anthropic)	No	openai	Fournisseur d'IA pour l'analyse visuelle
model	string	No	gpt-4o	Modèle de vision à utiliser
api_key	string	No	-	Clé API (utilise la variable d'environnement par défaut)
max_tokens	number	No	1000	Nombre maximum de tokens dans la réponse
detail	select (low, high, auto)	No	auto	Niveau de détail de l'image (bas/élevé/auto)

Output:

Field	Type	Description
analysis	string	Analyse AI de l'image
model	string	Modèle utilisé pour l'analyse
provider	string	Fournisseur utilisé pour l'analyse
tokens_used	number	Nombre de tokens utilisés

Example: Analyze Screenshot

image_path: /tmp/screenshot.png
prompt: Describe what you see in this UI screenshot
provider: openai
model: gpt-4o

Example: Analyze from URL

image_url: https://example.com/photo.jpg
prompt: What objects are in this image?
provider: anthropic
model: claude-sonnet-4-20250514

Chat Claude

api.anthropic.chat

Envoyer un message de chat a Anthropic Claude AI et obtenir une reponse

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Cle API Anthropic (defaut: env.ANTHROPIC_API_KEY)
model	string	No	claude-3-5-sonnet-20241022	Modele Claude a utiliser
messages	array	Yes	-	Tableau d'objets message avec role et contenu
max_tokens	number	No	1024	Contenu retourne par l'operation
temperature	number	No	1.0	Temperature d'echantillonnage (0-1). Des valeurs plus elevees rendent la sortie plus aleatoire
system	string	No	-	Prompt systeme pour guider le comportement de Claude

Output:

Field	Type	Description
content	string	Prompt systeme pour guider le comportement de Claude
model	string	Texte de reponse de Claude
stop_reason	string	Modele utilise pour la reponse
usage	object	Pourquoi le modele a arrete de generer (end_turn, max_tokens, etc)

Example: Simple question

messages: [{"role": "user", "content": "What is the capital of France?"}]
max_tokens: 100

Example: Text summarization

system: You are a helpful assistant that summarizes text concisely.
messages: [{"role": "user", "content": "Summarize this article: ${article_text}"}]
max_tokens: 500

Chat Google Gemini

api.google_gemini.chat

Envoyer un message de chat a Google Gemini AI et obtenir une reponse

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Cle API Google AI (defaut: env.GOOGLE_AI_API_KEY)
model	string	No	gemini-1.5-pro	Modele Gemini a utiliser
prompt	string	Yes	-	Le prompt texte a envoyer a Gemini
temperature	number	No	1.0	Controle l'aleatoire (0-2). Des valeurs plus elevees rendent la sortie plus aleatoire
max_output_tokens	number	No	2048	Nombre maximum de tokens dans la reponse

Output:

Field	Type	Description
text	string	Generated text response from Gemini
model	string	Model used for generation
candidates	array	All candidate responses

Example: Simple question

prompt: Explain quantum computing in simple terms

Example: Content generation

prompt: Write a professional email about ${topic}
temperature: 0.7
max_output_tokens: 500

Chat OpenAI

api.openai.chat

Envoyer un message de chat aux modeles OpenAI GPT

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	Le message a envoyer a GPT
model	select (gpt-4-turbo-preview, gpt-4, gpt-3.5-turbo)	No	gpt-4-turbo-preview	Le message a envoyer a GPT
temperature	number	No	0.7	Temperature d'echantillonnage (0-2)
max_tokens	number	No	1000	Temperature d'echantillonnage (0-2)
system_message	string	No	-	Tokens maximum dans la reponse

Output:

Field	Type	Description
response	string	Message de role systeme (optionnel)
model	string	Reponse de l'operation
usage	object	Reponse de l'operation

Example: Simple chat

prompt: Explain quantum computing in 3 sentences
model: gpt-3.5-turbo

Example: Code generation

prompt: Write a Python function to calculate fibonacci numbers
model: gpt-4
temperature: 0.2
system_message: You are a Python programming expert

Generation d'images DALL-E

api.openai.image

Generer des images avec DALL-E

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	Description de l'image a generer
size	select (256x256, 512x512, 1024x1024, 1792x1024, 1024x1792)	No	1024x1024	Description de l'image a generer
model	select (dall-e-3, dall-e-2)	No	dall-e-3	Version du modele DALL-E
quality	select (standard, hd)	No	standard	Qualite de l'image (DALL-E 3 uniquement)
n	number	No	1	Nombre d'images a generer (1-10)

Output:

Field	Type	Description
images	array	List of generated images
model	string	Model name or identifier

Example: Generate artwork

prompt: A serene mountain landscape at sunset, digital art
size: 1024x1024
model: dall-e-3
quality: hd

Example: Create logo

prompt: Modern tech startup logo with blue and green colors
size: 512x512
model: dall-e-2
n: 3

Agent IA

llm.agent

Agent IA autonome avec connexions multi-ports (modele, memoire, outils)

Parameters:

Name	Type	Required	Default	Description
prompt_source	select (manual, auto)	No	manual	D'ou obtenir le prompt de tache
task	string	No	-	La tache pour l'agent a completer. Utilisez {{input}} pour referencer les donnees en amont.
prompt_path	string	No	{<!-- -->{input}<!-- -->}	Chemin pour extraire le prompt de l'entree (ex: {{input.message}})
join_strategy	select (first, newline, separator, json)	No	first	Comment gerer les entrees de tableau
join_separator	string	No	`

---

| Separateur pour joindre les elements de tableau | |max_input_size| number | No |10000| Caracteres maximum pour le prompt (previent le debordement) | |system_prompt| string | No |You are a helpful AI agent. Use the available tools to complete the task. Think step by step.| Instructions pour le comportement de l'agent | |tools| array | No |[]| Liste des IDs de modules (alternative a la connexion de noeuds d'outils) | |context| object | No |{}| Liste des IDs de modules (alternative a la connexion de noeuds d'outils) | |max_iterations| number | No |10| Donnees de contexte supplementaires pour l'agent | |provider | select (openai, anthropic, ollama) | No | openai| AI model provider | |model| string | No |gpt-4o| Specific model to use | |temperature| number | No |0.3| Creativity level (0=deterministic, 1=creative) | |api_key| string | No | - | API key (defaults to provider env var) | |base_url` | string | No | - | Custom API base URL (for Ollama or proxies) |

Output:

Field	Type	Description
ok	boolean	Si l'agent a termine avec succes
result	string	Si l'agent a termine avec succes
steps	array	Si l'agent a termine avec succes
tool_calls	number	Le resultat final de l'agent
tokens_used	number	Liste des etapes prises par l'agent

Example: Web Research Agent

task: Search for the latest news about AI and summarize the top 3 stories
tools: ["http.request", "data.json_parse"]
model: gpt-4o

Example: Data Processing Agent

task: Read the CSV file, filter rows where status is "active", and count them
tools: ["file.read", "data.csv_parse", "array.filter"]
model: gpt-4o