Los Recetarios de Agentes Avanzados es un proyecto comunitario en GitHub que ofrece una biblioteca de recetas de agentes de IA basadas en LangChain. Cubre módulos de memoria para retención de contexto, integración de herramientas personalizadas y llamadas a APIs externas, patrones de llamadas a funciones para respuestas estructuradas, planificación en cadena de pensamiento para decisiones complejas y orquestación de flujos de trabajo de múltiples pasos. Los desarrolladores pueden usar estos ejemplos prefabricados para entender las mejores prácticas, personalizar comportamientos y acelerar el desarrollo de agentes inteligentes que automaticen tareas como programación, recuperación de datos y soporte al cliente.

Cyrano es un marco y CLI de código abierto en Python para crear agentes AI que orquestan modelos de lenguaje amplios y herramientas externas mediante indicaciones en lenguaje natural. Los usuarios pueden definir herramientas personalizadas (funciones), configurar límites de memoria y tokens, y manejar callbacks. Cyrano se encarga de analizar respuestas JSON de los LLMs y ejecutar las herramientas especificadas en secuencia. Enfatiza simplicidad, modularidad y cero dependencias externas, permitiendo a los desarrolladores prototipar chatbots, construir flujos de trabajo automatizados e integrar capacidades AI rápidamente en las aplicaciones.

gpt-func-calling es una caja de herramientas para desarrolladores que demuestra la función de llamada de funciones de OpenAI, permitiendo a la IA basada en chat interactuar con servicios externos. Definiendo firmas de funciones en JSON, los desarrolladores guían a GPT-3.5/4 para reconocer cuándo llamar a una función, formatear automáticamente los argumentos y manejar la respuesta de manera estructurada. Esto agiliza la integración con APIs de clima, consultas a bases de datos o lógica empresarial personalizada, garantizando resultados coherentes y fiables sin análisis manual.

LLM Functions proporciona un marco sencillo para conectar las respuestas de grandes modelos lingüísticos con la ejecución real del código. Defina funciones mediante esquemas JSON, regístrelas en la biblioteca, y el LLM devolverá llamadas estructuradas a funciones cuando corresponda. La biblioteca analiza esas respuestas, valida los parámetros y llama al manejador correcto. Soporta callbacks síncronos y asíncronos, manejo de errores personalizado y extensiones de plugins, lo que la hace ideal para aplicaciones que requieren búsqueda dinámica de datos, llamadas API externas o lógica empresarial compleja en conversaciones impulsadas por IA.