Context
KnowledgeQuery + ContextAssembly
Résolvez les connaissances pertinentes, le contexte du monde et les contraintes avant d’assembler ce que voit le fournisseur.
Prêt pour les agents
Branchez votre agent. Gardez l’autorité métier.
Connectez OpenClaw, un autre framework d’agents ou votre propre automatisation via cell, les endpoints d’outillage ou MCP. Les agents peuvent raisonner, appeler des capacités et proposer des actions tandis que la sémantique applicative, les règles et l’exécution restent sous le contrôle de logiCells.
Trois voies d’accès
Utilisez la stack agentique que vous avez déjà.
L’accès agent est une interface de l’application, pas un second modèle métier. Les mêmes concepts, capacités et règles du runtime restent la référence, quel que soit l’appelant.
CLI
cell agent
Exécutez des objectifs, ouvrez des sessions persistantes, inspectez les confirmations en attente, approuvez ou refusez des demandes et évaluez les sessions depuis la ligne de commande.
Tooling
Point d’accès persistant au runtime
Permettez à une couche d’orchestration externe de travailler avec l’application déjà chargée dans le runtime, plutôt que d’en démarrer une seconde copie.
MCP
Capacités externes gouvernées
Découvrez et appelez des capacités MCP via le même catalogue, les mêmes règles et les mêmes limites de confirmation que pour les actions natives de l’application.
Opérationnalisation native
MCP est un backend, pas l’identité métier.
Une Action sémantique reste stable même lorsque son backend d’exécution évolue. Les capacités MCP peuvent être opérationnalisées via un AST natif, afin que les détails du protocole restent derrière le contrat applicatif au lieu de devenir le contrat lui-même.
01Action sémantique
02#has_operational → #ast_program
03adaptateur AST natif
04MCP.Call / native / service
05résultat typé · EvidenceSet · provenance
Governed exécution
L’agent propose. Le runtime décide ce qui peut s’exécuter.
Le LLM n’est pas l’autorité métier. Les capacités sont typées, soumises aux règles et peuvent exiger une confirmation explicite avant le déclenchement d’un effet.
Catalogue + règles
Découvrir n’est pas autoriser.
Une capacité peut être visible par le système sans être automatiquement autorisée pour l’agent, l’utilisateur, le périmètre ou le contexte courant.
Liaison typée
Arguments are validated before exécution.
Le runtime lie les valeurs fournies par l’agent aux contrats d’actions natifs au lieu de faire confiance à des charges utiles de protocole arbitraires.
Confirmation
Les opérations à effet peuvent s’arrêter avant l’effet.
Les confirmations en attente créent une limite explicite où l’approbation ou le refus appartient à l’hôte, pas au modèle.
Native exécution
Les actions approuvées utilisent le runtime de l’application.
L’opération finale passe par les mêmes mécanismes d’action et de runtime que ceux utilisés par l’application elle-même.
Runtime de connaissance
Donnez aux agents un contexte structuré, des preuves et une connaissance cadrée.
Le contexte agent peut être assemblé à partir de connaissances conceptuelles au lieu de reposer uniquement sur la recherche dans du texte non structuré. Le périmètre, la provenance, les preuves et les règles restent visibles tout au long de la chaîne de requête et de contexte.
Evidence
BindingSet + EvidenceSet
Conservez les résultats sémantiques avec les preuves et la provenance nécessaires pour comprendre leur origine.
Shared connaissance
Personnel → équipe → projet → organisation
Faites circuler la connaissance entre des périmètres explicites par la gouvernance plutôt que d’aplatir la mémoire personnelle en une vérité unique d’entreprise.
Agents externes
OpenClaw est un appelant parmi d’autres, pas une dépendance.
Un framework d’agents externe peut piloter logiCells via le CLI, l’outillage ou MCP tandis que l’application conserve ses propres actions sémantiques et sa gouvernance. Si le framework ou le modèle évolue ensuite, la capacité métier n’a pas besoin d’être renommée autour de l’intégration.
Community prête pour les agents
Construisez des agents au-dessus d’un sens métier exécutable.
Utilisez les agents là où ils apportent un effet de levier, tout en gardant explicites le modèle applicatif, les frontières de connaissance et les règles d’exécution.