agent-marketplace-creator

name	agent-marketplace-creator
description	Création de marketplaces et registres d'agents IA réutilisables et partageables. Se déclenche avec "marketplace agent", "agent store", "agent registry", "partager agent", "distribuer agent", "agent template", "agent catalog", "agent as a service", "skill marketplace". Also triggers on "agent marketplace", "share agents".

Agent Marketplace Creator

Quand utiliser ce skill

Utilise ce skill pour concevoir une plateforme de distribution d'agents IA : registre interne d'entreprise, marketplace public, bibliothèque de templates réutilisables ou place de marché avec monétisation. Il couvre l'architecture, le packaging, la gouvernance et la distribution.

---

Étape 1 — Choisir l'architecture cible

Critère de décision :

Besoin	Architecture
Contrôle total, déploiement simplifié	Centralisée (registry + runtime hébergés)
Agents hébergés chez leurs créateurs	Fédérée (marketplace = couche discovery)
Usage interne entreprise uniquement	Registry privé (Artifact Hub, Harbor, custom)
Monétisation publique	SaaS centralisé avec billing intégré

Composants obligatoires :

• Registry : base de données des agents + métadonnées indexées
• Versioning : semantic versioning strict, compatibilité ascendante
• Discovery : search full-text + filtres + recommandations
• Runtime : sandbox isolée par agent, ressources déclarées
• IAM : auth créateur (publication) séparée de auth utilisateur (consommation)

---

Étape 2 — Format de packaging standardisé

Structure minimale d'un agent publiable :

my-agent/
├── agent.yaml          # manifeste principal
├── system_prompt.md    # instructions de l'agent
├── tools.json          # outils requis et configs
├── config.schema.json  # paramètres configurables (JSON Schema)
├── README.md           # documentation utilisateur
└── tests/
    ├── fixtures/       # inputs de test
    └── expected/       # outputs attendus

agent.yaml minimal :

name: my-data-analyst
version: 1.2.0
description: Analyse des fichiers CSV et génère des rapports visuels.
author: [e-mail]
license: MIT
category: data
tags: [csv, analysis, reporting]
runtime:
  model: claude-sonnet-4-6
  max_tokens: 4096
permissions:
  network: false
  filesystem: read-only
  tools: [code_execution, file_read]
dependencies:
  agents: []
  mcp_servers: []

config.schema.json exemple :

{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "properties": {
    "language": {
      "type": "string",
      "enum": ["fr", "en", "ar"],
      "default": "fr",
      "description": "Langue des rapports générés"
    },
    "chart_style": {
      "type": "string",
      "enum": ["minimal", "detailed"],
      "default": "minimal"
    }
  }
}

Publier un SDK CLI :

# Initialiser un nouveau package agent
agent-sdk init my-agent --template data-analyst

# Valider le package avant publication
agent-sdk validate ./my-agent

# Publier sur le registry
agent-sdk publish ./my-agent --registry https://registry.monentreprise.com

---

Étape 3 — Discovery et indexation

Utiliser Typesense (léger) ou Elasticsearch (scalable) pour l'index.

Champs à indexer : name, description, tags[], category, author, downloads_count, rating_avg, updated_at.

Filtres clés à exposer :

• Catégorie (data, code, communication, productivité, sécurité)
• Modèle requis (claude, gpt-4, gemini…)
• Permissions réseau (réseau autorisé / sandbox strict)
• Licence (open-source / commercial)
• Tier (gratuit / pro)

API search minimale :

GET /api/v1/agents?q=csv+analysis&category=data&license=open&sort=downloads

---

Étape 4 — Versionnage et cycle de vie

Appliquer SemVer strict (MAJOR.MINOR.PATCH) :

Changement	Version
Breaking change prompt/API	MAJOR
Nouvelle fonctionnalité rétrocompat	MINOR
Bugfix, correction de prompt	PATCH

Politique de dépréciation :

• Annonce 90 jours avant la fin de support d'une version MAJOR
• Tag deprecated dans le registry, bannière dans la UI
• Support de la version précédente pendant 6 mois minimum
• Guide de migration fourni obligatoirement pour tout changement MAJOR

CI du registry — vérifications automatiques à chaque push :

# .github/workflows/agent-ci.yml
steps:
  - name: Validate schema
    run: agent-sdk validate .
  - name: Run tests
    run: agent-sdk test . --fixture tests/fixtures/
  - name: Security scan
    run: agent-sdk scan . --check prompt-injection,data-leak
  - name: Compat check
    run: agent-sdk compat-check . --against-previous

---

Étape 5 — Authentification et accès

Séparation des rôles :

Rôle	Auth	Permissions
Créateur	API key longue durée + 2FA	Publish, update, delete ses propres agents
Utilisateur	OAuth2 / API key	Install, invoke, rate
Admin	RBAC interne	Approve, ban, override

Rate limiting par tier (exemple Nginx/Kong) :

# Kong rate-limit plugin
config:
  minute: 60      # free tier
  hour: 1000
  policy: local

---

Étape 6 — Déploiement des agents — 4 modes

Mode	Description	Idéal pour
Managed	Marketplace héberge et exécute	Zero-ops, usage ponctuel
Self-hosted	Package exporté, runtime interne	Données sensibles, air-gapped
API endpoint	Agent exposé en REST/streaming	Intégration applicative
Embedded SDK	Bibliothèque à intégrer	Produit SaaS tiers

Endpoint API standard :

POST /api/v1/agents/{agent_id}/invoke
Authorization: Bearer <api_key>
Content-Type: application/json

{
  "input": "Analyse ce fichier CSV...",
  "config": { "language": "fr" },
  "stream": true
}

---

Étape 7 — Facturation et monétisation

Modèles disponibles :

• Pay-per-use : facturation au token ou à l'invocation
• Subscription : accès illimité mensuel/annuel
• Freemium : quota gratuit (ex : 100 invocations/mois) + payant
• Revenue sharing : créateurs touchent 70 % des revenus générés

Intégration Stripe :

# Webhook Stripe pour crediter le créateur
@app.post("/webhooks/stripe")
async def stripe_webhook(event: StripeEvent):
    if event.type == "invoice.payment_succeeded":
        agent_id = event.metadata["agent_id"]
        creator_id = get_agent_creator(agent_id)
        amount = event.amount_paid * 0.70  # 70% pour le créateur
        credit_creator_wallet(creator_id, amount)

Afficher coût estimé par invocation sur la fiche agent (inclure coût LLM sous-jacent + frais marketplace).

---

Étape 8 — Assurance qualité et validation

Pipeline de review à deux niveaux :

1. Automatique (bloquant) :

   • Validation du schema agent.yaml + config.schema.json
   • Tests fournis passants à 100 %
   • Scan injection de prompt (agent-sdk scan)
   • Taille du system prompt < 50 000 tokens
   • Permissions déclarées cohérentes avec les outils utilisés

2. Manuelle (pour agents sensibles) :

   • Accès à des données utilisateurs
   • Permissions réseau + filesystem write
   • Niveau de permission enterprise

Score de qualité public (0–100) :

score = (test_coverage * 0.3) + (rating_avg/5 * 0.3) + (doc_completeness * 0.2) + (uptime * 0.2)

---

Anti-patterns et pièges

• Ne jamais publier un agent sans sandbox : exécuter des agents en environnement non isolé expose l'infrastructure hôte à des injections de prompt qui déclenchent des commandes système.
• Éviter les configurations "tout-en-un" : un agent qui fait trop de choses est impossible à tester, versionner et monitorer correctement. Préférer la composition d'agents spécialisés.
• Ne pas négliger la migration : un MAJOR sans guide de migration force les utilisateurs à rester bloqués sur l'ancienne version — cela fragmente l'écosystème.
• Éviter les secrets dans agent.yaml : toujours passer les credentials via un vault (AWS Secrets Manager, HashiCorp Vault, Doppler) référencé par nom, jamais en clair dans le manifeste.
• Ne pas mélanger auth créateur et auth utilisateur : deux surfaces d'attaque distinctes, deux rotations de clés distinctes, deux audit logs distincts.
• Pas de rate limiting absent : sans limite, un seul agent malveillant ou bogué peut consommer tout le budget LLM du marketplace en quelques minutes.

---

Bonnes pratiques 2026

• Observabilité créateur : exposer via dashboard les métriques par agent — invocations, taux d'erreur, latence p50/p99, satisfaction (thumbs up/down). Sans données, pas d'amélioration.
• Licence explicite obligatoire : MIT, Apache 2.0, BSL, commercial ou propriétaire — refuser toute publication sans déclaration de licence.
• Interopérabilité MCP : exposer les agents comme serveurs MCP pour permettre leur consommation directe depuis Claude Code et d'autres clients compatibles.
• Tests de non-régression comportementale : les benchmarks de réponse sur un dataset golden set doivent être exécutés à chaque nouvelle version pour détecter les dérives de comportement liées aux mises à jour de modèle.
• Changelog public automatique : générer le changelog depuis les commits Git (Conventional Commits) et le publier automatiquement sur la fiche marketplace à chaque release.

Communication Rules — MANDATORY

• Ultra-concise. No filler, no preamble, no pleasantries.
• Never say "happy to help", "sure!", "great question", "let me", or similar.
• Tool first, talk second. Act before explaining.
• Result first. Lead with outcome, not process.
• Stop when done. No summary, no recap, no trailing commentary.
• No politeness wrappers. Direct and blunt.
• Minimum words. If one word works, do not use ten.
• No unsolicited explanations.
• No emoji unless asked.