MIDCA es una arquitectura cognitiva modular diseñada para soportar el ciclo cognitivo completo de los agentes inteligentes. Procesa entradas sensoriales a través de un módulo de percepción, interpreta datos para generar y priorizar metas, usa un planificador para crear secuencias de acciones, ejecuta tareas y luego evalúa resultados mediante una capa metacognitiva. El diseño de doble ciclo separa respuestas reactivas rápidas del razonamiento deliberado más lento, permitiendo que los agentes se adapten dinámicamente. La estructura extensible y el código abierto hacen de MIDCA la opción ideal para investigadores y desarrolladores que exploran toma de decisiones autónomas, aprendizaje y autorreflexión en IA.

WowDAO es la primera organización autónoma descentralizada para la comunidad global de IA de código abierto. Proporciona una plataforma para que los entusiastas de la IA, desarrolladores e investigadores colaboren, compartan recursos y desarrollen soluciones innovadoras en IA. Al democratizar la IA, WowDAO empodera a sus miembros para participar en el desarrollo de la IA, independientemente de su ubicación geográfica o restricciones de recursos.

El Agente de IA con Ciberseguridad es un marco de IA de código abierto versátil, diseñado para optimizar y mejorar las operaciones de seguridad. Utiliza el poder de grandes modelos de lenguaje para realizar búsquedas de amenazas, escaneo de vulnerabilidades, análisis de registros, generación de cargas útiles maliciosas y respuesta automática a incidentes. El agente puede integrarse con APIs de seguridad populares como Shodan, VulnDB, VirusTotal y plataformas SIEM. Su arquitectura basada en plugins permite a los desarrolladores ampliar capacidades para flujos de trabajo de seguridad personalizados, como detección de phishing o auditorías de cumplimiento. Se puede desplegar en local o en la nube, acelerando los flujos de trabajo de los equipos de seguridad, reduciendo esfuerzos manuales, mejorando la precisión en detección y permitiendo una remediación más rápida.

AI_RAG ofrece una solución modular de generación aumentada por recuperación que combina indexación de documentos, búsqueda vectorial, generación de incrustaciones y composición de respuestas impulsada por LLM. Los usuarios preparan corpus de documentos de texto, conectan un almacén vectorial como FAISS o Pinecone, configuran los endpoints de incrustación y LLM, y ejecutan el proceso de indexación. Cuando llega una consulta, AI_RAG recupera los pasajes más relevantes, los alimenta junto con el prompt en el modelo de lenguaje elegido y devuelve una respuesta contextualizada. Su diseño extensible permite conectores personalizados, soporte para múltiples modelos y control fino sobre parámetros de recuperación y generación, ideal para bases de conocimiento y agentes conversacionales avanzados.

CAMEL-AI es un marco basado en Python que permite a desarrolladores e investigadores construir, configurar y hacer correr múltiples agentes de IA autónomos alimentados por LLMs. Ofrece soporte integrado para generación aumentada por recuperación (RAG), uso de herramientas externas, comunicación entre agentes, gestión de memoria y estado, y programación. Con componentes modulares y fácil integración, los equipos pueden prototipar sistemas multi-agente complejos, automatizar flujos de trabajo y escalar experimentos en diferentes backends de LLM.