AgenticIR (Agentic Information Retrieval) bietet ein modulares Framework, in dem auf LLM basierende Agenten autonom IR-Workflows planen und ausführen. Es ermöglicht die Definition von Agentenrollen — wie Abfragegenerator, Dokumentenretriever und Zusammenfasser —, die in anpassbaren Sequenzen laufen. Agenten können Rohtext abrufen, Abfragen anhand Zwischenresultaten verfeinern und extrahierte Passagen zu prägnanten Zusammenfassungen zusammenführen. Das Framework unterstützt Multi-Schritte-Pipelines, einschließlich iterativer Websuche, API-basierter Dateneingabe und lokaler Dokumentenparsing. Entwickler können Agentenparameter anpassen, verschiedene LLMs integrieren und Verhaltensrichtlinien feintunen. AgenticIR bietet außerdem Protokollierung, Fehlerbehandlung und parallele Agentenausführung, um die groß angelegte Informationsbeschaffung zu beschleunigen. Mit minimalem Codeaufwand können Forscher und Entwickler autonome Abfragesysteme prototypisieren und bereitstellen.

Sherpa von CartographAI ist ein in Python geschriebenes Agenten-Framework, das die Erstellung intelligenter Assistenten und automatisierter Workflows vereinfacht. Es ermöglicht Entwicklern die Definition von Agenten, die Benutzereingaben interpretieren, geeignete LLM-Endpunkte oder externe APIs auswählen und komplexe Aufgaben wie Dokumentenzusammenfassung, Datenabruf und dialogbasierte Fragen beantworten. Mit seiner Plugin-Architektur unterstützt Sherpa die einfache Integration von benutzerdefinierten Tools, Speicher, Routing-Strategien zur Optimierung von Relevanz und Kosten. Benutzer können mehrstufige Pipelines konfigurieren, bei denen jedes Modul eine spezifische Funktion übernimmt – wie semantische Suche, Textanalyse oder Codegenerierung – während Sherpa den Kontext weitergibt und Fallback-Logik verwaltet. Dieser modulare Ansatz beschleunigt die Prototypentwicklung, verbessert die Wartbarkeit und ermöglicht Teams die Skalierung von KI-gesteuerten Lösungen für vielfältige Anwendungen.