TanStack AI atteint le RC : ce que cela signifie pour les équipes TypeScript

Trois personnes, travaillant sur leur temps libre, ont passé les dix derniers mois à construire un framework IA complet pour TypeScript. Le 21 août 2026, elles l'ont appelé release candidate. Une chose à savoir avant de lire l'annonce : npm sert actuellement @tanstack/ai en version 0.49.1, donc "RC" est une étiquette de phase du projet, pas un semver tag. L'architecture est locked ; le numéro de version n'a pas encore rattrapé. Rien de cela n'est un scandale, mais vous calibrerez mieux l'annonce en gardant les deux faits en tête.

Points clés - TanStack AI, un framework IA open source de l'écosystème TanStack, est entré en phase release candidate le 21 août 2026, construit par trois maintainers sur leur temps libre. - Une seule méthode chat() couvre provider chat, media generation, MCP, sandboxes et agent harnesses, avec AG-UI comme wire protocol et type safety comme argument central. - Les packages restent en 0.x et le Vercel AI SDK dépasse le projet d'environ 70 contre 1 en téléchargements npm hebdomadaires. RC signifie "aidez-nous à tester", pas "migrez lundi". - Si vous construisez des features IA en TypeScript, c'est la semaine pour l'essayer sur quelque chose de petit.

Qu'est-ce qui s'est réellement passé cette semaine ?

Le 21 août, Alem Tuzlak, Jack Herrington et Tom Beckenham ont annoncé la phase RC sur le blog TanStack. Le projet a commencé en octobre 2025 avec une seule méthode chat() et quatre providers, et couvre désormais l'essentiel de ce dont un produit IA a besoin : chat, persistence, media generation, embeddings, memory, MCP et sandboxed agent harnesses capables d'exécuter Codex, Claude Code ou d'autres coding agents compatibles ACP contre votre propre UI.

Quelques claims méritent des footnotes. Le headline "24 providers" compte plusieurs modalités ; la page officielle de comparaison liste 16 LLM adapters plus 5 harness adapters. Les "100+ models" pour media generation viennent surtout de la portée de catalogue d'un seul adapter via fal. Et l'adoption AG-UI, présentée comme nouvelle, était fonctionnellement terminée en mai, quand l'équipe a ship une compliance bidirectionnelle complète avec la spec. Rien de cela n'est malhonnête. C'est l'inflation ordinaire d'un launch post, qu'il vaut mieux dégonfler avant de la répéter.

La ligne qui sonne le plus vrai est près de la fin : "We don't have a commercial roadmap, a product to upsell, or a hidden agenda." Pour de l'AI tooling en 2026, c'est réellement inhabituel.

TanStack AI est entré dans sa phase release candidate le 21 août 2026. Le framework est passé d'une méthode chat et quatre providers à un stack IA complet avec AG-UI comme protocole officiel, construit ouvertement par une équipe de trois personnes (blog TanStack).

Pourquoi est-ce important ?

Parce que la compétition qu'il rejoint n'est pas serrée, et c'est précisément ce qui la rend intéressante. L'incumbent est le Vercel AI SDK, auquel Vercel attribue plus de 40 millions de téléchargements mensuels et une adoption Fortune 500. Cette semaine, le registry npm donnait ai, le package Vercel, à environ 23,1 millions de téléchargements hebdomadaires. @tanstack/ai se situait autour de 329 000. Un écart d'environ 70 contre 1.

Téléchargements npm hebdomadaires, dernière semaine d'août 2026, dessinés à l'échelle. La barre TanStack fait trois pixels de haut, ce qui est précisément le point : voici le challenger, pas l'incumbent.

La réponse de TanStack à cet écart est la même qu'il avait donnée au data fetching il y a dix ans. React Query a gagné en étant headless, framework-agnostic, type-safe et attaché à aucune plateforme, et TanStack AI applique ce pattern au plumbing IA. Là où l'AI SDK stream un proprietary UI message format, TanStack AI émet des événements AG-UI natifs end to end, un protocole déjà parlé par plus de 20 agent frameworks. Et sa page de comparaison, à son crédit, concède du terrain dans les deux sens : elle présente le choix comme problème de composition de librairies versus problème de plateforme full-stack, puis liste ce que l'AI SDK fait mieux. C'est la page "us versus them" la plus honnête que j'ai lue des deux côtés.

Le Vercel AI SDK mène TanStack AI d'environ 70 contre 1 en téléchargements npm hebdomadaires, 23,1 millions contre 329 000 fin août 2026. La réponse de TanStack est architecturale : protocole AG-UI ouvert, clients framework-agnostic et type safety end-to-end, sans plateforme attachée.

Que signifie cela pour les équipes TypeScript ?

Trois choses concrètes, dans l'ordre décroissant de la confiance que je leur accorde.

Premièrement, persistence cesse d'être un projet. Vous implémentez une petite store interface, la faites tourner contre la conformance suite de l'équipe et la passez à un persistence middleware. L'exemple des docs fait environ 20 lignes, et les users peuvent refresh mid-stream puis reprendre où ils en étaient. Footnote : la version 20 lignes utilise un stream in-memory pour development. Durable resumability en production a besoin d'un backend externe Durable Streams, donc prévoyez-le avant de citer le nombre à votre équipe.

Deuxièmement, MCP obtient des types. Le package @tanstack/ai-mcp ship une CLI qui inspecte un remote MCP server et génère des types TypeScript pour ses tools, de sorte qu'un malformed tool call échoue au compile time plutôt qu'à 2h du matin. Si vous câblez des MCP servers à la main, et mes notes sur MCP for Business suggèrent que beaucoup d'équipes le font encore, cela seul vaut un après-midi.

Troisièmement, les agent harnesses deviennent un composant, pas un vendor. Exécutez Codex ou Claude Code dans la sandbox de votre choix, branchez les conversations, lancez plusieurs attempts du même prompt en parallèle et gardez chaque run durable. Personne ne choisit Daytona ou E2B pour vous. Si la notion de harness est nouvelle, mon practitioner's blueprint for agentic architecture couvre la loop dessous. Pour les lecteurs qui suivent les labs chinois, l'adapter OpenRouter place Qwen, DeepSeek et Kimi à une ligne de config de la même API, ce qui correspond bien à la posture model-agnostic défendue dans le field guide de l'écosystème open-weight chinois.

Pour les équipes TypeScript, les attraits pratiques du RC sont persistence en environ 20 lignes de middleware, type safety au compile time pour les tools MCP via une CLI de génération de types, et des harnesses sandboxed provider-agnostic pour des coding agents comme Codex et Claude Code.

Que devriez-vous faire maintenant ?

1. Cette semaine : installez-le sur quelque chose de jetable. pnpm add @tanstack/ai @tanstack/ai-openai, câblez chat() à un endpoint server-sent events et voyez comment le streaming et les types se comportent face à votre setup actuel.

2. Ce mois-ci : lisez la comparaison de l'équipe avec le Vercel AI SDK avant de lire celle de quiconque, y compris la mienne. Elle est franche sur les endroits où l'AI SDK est devant, ce qui rend ses claims pour TanStack AI plus crédibles.

3. Si vous trouvez un bug : file it. Le repo a 45 open issues et trois maintainers, et les rough edges sont réels : premier text delta perdu lorsqu'un tool call précède le texte, 400 intermittents dans la boucle OpenAI Responses tool. Le feedback RC est ce qui devient v1.

Ne faites aucune des choses suivantes :

• Ne migrez pas une application AI SDK en production cette semaine. Les packages sont en 0.x pour une raison.

• Ne prenez pas "24 providers" au pied de la lettre. Les docs listent 16 LLM adapters plus 5 harness adapters ; le plus grand nombre compte les providers entre modalités.

• Ne faites pas confiance à la tanstack.com/ai landing page, qui dit encore alpha et liste quatre providers. Elle n'a simplement pas encore été mise à jour pour le RC.

La vue d'ensemble

L'histoire sous le release est la forme de l'équipe. Trois personnes, temps libre, pas de pricing page, 52 commits merged dans les six jours après le post RC. Face à une platform company avec un gateway à vendre, c'est soit la version romantique de l'open source, soit un vrai operational risk, et probablement les deux. Les packages npm de TanStack faisaient partie de ceux touchés par le supply-chain worm de mai 2026, ce qui montre à quoi ressemble une surface opérationnelle de trois personnes pendant une mauvaise semaine.

L'équipe dit que v1 est très proche, et le commit log dit qu'elle le pense. Ce que v1 ne changera pas, c'est l'écart du graphique ci-dessus ; le combler est un business plus lent que shipping code. Regardez l'issue tracker, pas la cadence des annonces, pour savoir quand c'est prêt pour vous.

Questions fréquentes

TanStack AI est-il production-ready ?

Pas encore, selon son propre framing. Release candidate signifie que l'architecture est locked et que l'équipe veut de l'adversarial testing avant v1. Les packages restent en 0.x et l'issue tracker montre de vrais rough edges. Il est prêt pour des side projects et une évaluation sérieuse, pas pour une migration production.

TanStack AI fonctionne-t-il uniquement avec React ?

Non. Les core packages sont framework-agnostic, avec des first-party clients pour React, Vue, Svelte, Angular et Preact, plus un quickstart server-only. L'indépendance vis-à-vis du framework est l'un de ses principaux points de différence avec le Vercel AI SDK.

Pour aller plus loin

• MCP for Business : où le protocole que TanStack AI type désormais pour vous gagne réellement sa place.

• Agentic AI Architecture: A Practitioner's Blueprint : la loop sous les agent harnesses que ce framework package.

• A Field Guide to China's Open-Weight AI Ecosystem : les models de l'autre côté de cet adapter OpenRouter.