MIDCA est une architecture modulaire conçue pour supporter la boucle cognitive complète des agents intelligents. Elle traite les entrées sensorielles via un module de perception, interprète les données pour générer et prioriser des objectifs, utilise un planificateur pour créer des séquences d'actions, exécute des tâches, puis évalue les résultats par une couche métacognitive. La conception à double-cycles sépare les réponses réactives rapides du raisonnement délibératif plus lent, permettant aux agents de s'adapter dynamiquement. La cadre extensible et le code source ouvert font de MIDCA un outil idéal pour la recherche et le développement dans la prise de décision autonome, l'apprentissage et la réflexion sur soi en IA.

WowDAO est la première organisation autonome décentralisée pour la communauté IA open-source mondiale. Elle offre une plateforme pour les passionnés d'IA, les développeurs et les chercheurs afin de collaborer, partager des ressources et développer des solutions IA innovantes. En démocratisant l'IA, WowDAO permet à ses membres de participer au développement de l'IA, indépendamment de leur localisation géographique ou des contraintes de ressources.

L'agent AI avec cybersécurité est un cadre IA open-source polyvalent conçu pour rationaliser et améliorer les opérations de sécurité. Il exploite la puissance de grands modèles linguistiques pour effectuer la chasse aux menaces, le scan des vulnérabilités, l'analyse des journaux, la génération de charges utiles malveillantes et la réponse automatisée aux incidents. L'agent peut intégrer des API de sécurité populaires comme Shodan, VulnDB, VirusTotal et des plateformes SIEM. Son architecture basée sur des plugins permet aux développeurs d'étendre ses capacités pour des flux de travail de sécurité personnalisés, tels que la détection de phishing ou l'audit de conformité. Déployable sur site ou dans le cloud, il accélère les flux de travail des équipes de sécurité, réduit l'effort manuel, améliore la précision de la détection et permet une remédiation plus rapide.

AI_RAG fournit une solution modulaire de génération augmentée par récupération combinant l'indexation de documents, la recherche vectorielle, la génération d'intégrations et la composition de réponses pilotée par LLM. Les utilisateurs préparent des corpus de documents textuels, connectent un magasin vectoriel comme FAISS ou Pinecone, configurent les points de terminaison d'intégration et de LLM, puis lancent le processus d'indexation. Lorsqu'une requête arrive, AI_RAG récupère les passages les plus pertinents, les alimente avec le prompt dans le modèle de langage choisi, et renvoie une réponse contextuellement ancrée. Sa conception extensible permet des connecteurs personnalisés, la prise en charge multi-modèles et un contrôle précis des paramètres de récupération et de génération, idéal pour les bases de connaissances et les agents conversationnels avancés.

CAMEL-AI est un framework basé sur Python permettant aux développeurs et chercheurs de construire, configurer et exécuter plusieurs agents IA autonomes alimentés par des LLMs. Il offre un support intégré pour la génération augmentée par récupération (RAG), l’utilisation d’outils externes, la communication entre agents, la gestion de la mémoire et de l’état, et la planification. Avec des composants modulaires et une intégration facile, les équipes peuvent prototyper des systèmes multi-agent complexes, automatiser des workflows et faire évoluer des expériences sur différents backends LLM.