Gesponsert von Flowith - Flowith ist ein Canvas-basierter agentischer Arbeitsbereich, der kostenloses 🍌Nano Banana Pro und andere effektive Model
Flowith - Flowith ist ein Canvas-basierter agentischer Arbeitsbereich, der kostenloses 🍌Nano Banana Pro und andere effektive Model
icon
KI-Tools KI-Agenten MCP KI-NewsRanking Einreichen & Werben
Anmelden

открытое ПО ИИ

  • Agno AI Agent

    Ein Open-Source-Python-Rahmenwerk, das autonome KI-Agenten mit LLM-Planung und Tool-Orchestrierung erstellt.
    0
    0
    Was ist Agno AI Agent?
    Der Agno AI Agent ist darauf ausgelegt, Entwicklern zu helfen, schnell autonome Agenten mit großen Sprachmodellen zu erstellen. Es bietet eine modulare Tool-Registry, Speicherverwaltung, Planungs- und Ausführungszyklen sowie eine nahtlose Integration mit externen APIs (wie Websuche, Dateisysteme und Datenbanken). Benutzer können eigene Tool-Schnittstellen definieren, Agentenpersönlichkeiten konfigurieren und komplexe, mehrstufige Arbeitsabläufe orchestrieren. Agenten können Aufgaben planen, Tools dynamisch aufrufen und aus früheren Interaktionen lernen, um die Leistung im Laufe der Zeit zu verbessern.
    Agno AI Agent Hauptfunktionen
    • Llm-Integration (OpenAI, Azure usw.)
    • Dynamische Mehrschrittplanung und -ausführung
    • Modulare Tool-Registry und -Aufruf
    • In-Memory- und Dateibasiertes Gedächtnisverwaltung
    • Anpassbare Agentenpersönlichkeiten und Eingabeaufforderungen
    • Erweiterbare Plugin-Architektur

  • Odyssey

    Odyssey ist ein Open-Source-Multi-Agenten-KI-System, das mehrere LLM-Agenten mit modularen Werkzeugen und Speicher für komplexe Aufgabenautomatisierung orchestriert.
    0
    0
    Was ist Odyssey?
    Odyssey bietet eine flexible Architektur zum Aufbau kollaborativer Multi-Agenten-Systeme. Es umfasst Kernkomponenten wie den Task Manager zur Definition und Verteilung von Teilaufgaben, Memory-Module zur Speicherung von Kontext und Gesprächshistorien, Agent Controller zur Koordination von LLM-gesteuerten Agenten und Tool-Manager zur Integration externer APIs oder benutzerdefinierter Funktionen. Entwickler können Workflows via YAML-Dateien konfigurieren, vorgefertigte LLM-Kerne (z.B. GPT-4, lokale Modelle) auswählen und das Framework nahtlos mit neuen Werkzeugen oder Speicher-Backends erweitern. Odyssey protokolliert Interaktionen, unterstützt asynchrone Aufgaben-Ausführung und ermöglicht iterative Verfeinerungsschleifen, was es ideal für Forschung, Prototyping und produktionsreife Multi-Agenten-Anwendungen macht.

  • Symbol-LLM

    Ein erweiterbares Python-Framework zum Erstellen von KI-Agenten auf Basis von LLM mit symbolischer Speicher, Planung und Tool-Integration.
    0
    0
    Was ist Symbol-LLM?
    Symbol-LLM bietet eine modulare Architektur für den Aufbau von KI-Agenten, die durch große Sprachmodelle mit symbolischen Speichern unterstützt werden. Es verfügt über ein Planer-Modul zur Aufteilung komplexer Aufgaben, einen Akteur zur Tool-Ausführung und ein Speichersystem zur Beibehaltung des Kontexts über Interaktionen hinweg. Mit integrierten Toolkits wie Websuche, Taschenrechner und Code-Runner sowie einfachen APIs für benutzerdefinierte Tool-Integration ermöglicht Symbol-LLM Entwicklern und Forschern, schnell ausgefeilte LLM-basierte Assistenten für verschiedene Bereiche wie Forschung, Kundensupport und Workflow-Automatisierung zu prototypisieren und bereitzustellen.
Ausgewählt