Lagent est un cadre axé sur les développeurs, qui permet la création d'agents intelligents sur la base de grands modèles linguistiques. Il propose des modules de planification dynamique qui divisent les tâches en sous-objectifs, des systèmes de mémoire pour maintenir le contexte sur de longues sessions et des interfaces d’intégration d’outils pour les appels API ou l’accès à des services externes. Avec des pipelines personnalisables, les utilisateurs définissent le comportement de l’agent, les stratégies de prompt, la gestion des erreurs et l’analyse des sorties. Les outils de journalisation et de débogage de Lagent aident à surveiller les étapes de décision, tandis que son architecture évolutive supporte les déploiements locaux, cloud ou en entreprise. Il accélère la création d’assistants autonomes, d’analyses de données et d’automatisations de flux de travail.

LangGraph-Chatchat fonctionne comme un plugin de gestion de mémoire pour le framework conversationnel ChatChat, utilisant le modèle de base de données graphe de LangGraph pour stocker et récupérer le contexte de la conversation. Pendant l'exécution, les entrées utilisateur et les réponses de l'agent sont converties en nœuds sémantiques avec des relations, formant un graphe de connaissances complet. Cette structure permet des requêtes efficaces des interactions passées basées sur des métriques de similarité, des mots-clés ou des filtres personnalisés. Le plugin supporte la configuration de la persistance de mémoire, la fusion de nœuds et les politiques TTL, garantissant une conservation du contexte pertinent sans surcharge. Avec des sérialisateurs et des adaptateurs intégrés, LangGraph-Chatchat s’intègre parfaitement dans des déploiements ChatChat, offrant aux développeurs une solution robuste pour construire des agents IA capables de maintenir une mémoire à long terme, d’améliorer la pertinence des réponses et de gérer des flux de dialogue complexes.

Letta est une plateforme d’orchestration d’agents IA complète conçue pour permettre aux organisations d’automatiser des workflows complexes grâce à des travailleurs numériques intelligents. En combinant des modèles d’agents personnalisables avec un puissant constructeur de workflows visuel, Letta permet aux équipes de définir des processus étape par étape, d’intégrer diverses API et sources de données, et de déployer des agents autonomes qui prennent en charge des tâches telles que le traitement de documents, l’analyse de données, l’engagement client et la surveillance des systèmes. Basée sur une architecture microservices, elle propose une prise en charge intégrée pour les modèles IA populaires, la gestion des versions et les outils de gouvernance. Des dashboards en temps réel offrent des insights sur l’activité des agents, les métriques de performance et la gestion des erreurs, garantissant transparence et fiabilité. Avec des contrôles d’accès basés sur les rôles et des options de déploiement sécurisé, Letta évolue de projets pilotes jusqu’à la gestion à l’échelle de l’entreprise.

Le système Linguistic Agent est un cadre Open-Source Python conçu pour construire des agents intelligents qui exploitent les modèles de langage pour planifier et exécuter des tâches. Il inclut des composants pour la gestion de la mémoire, le registre d'outils, le planificateur et l'exécuteur, permettant aux agents de maintenir le contexte, d'appeler des API externes, d'effectuer des recherches sur le web et d'automatiser les flux de travail. Configurable via YAML, il prend en charge plusieurs fournisseurs de LLM, permettant un prototypage rapide de chatbots, résumeurs de contenu, et assistants autonomes. Les développeurs peuvent étendre la fonctionnalité en créant des outils et des backends de mémoire personnalisés, déployant des agents localement ou sur des serveurs.

Au cœur, LionAGI offre une architecture modulaire pour définir et exécuter des étapes de tâches dépendantes, décomposant des problèmes complexes en composants logiques pouvant être traités séquentiellement ou en parallèle. Chaque étape peut exploiter une invite personnalisée, une mémoire stockée et une logique décisionnelle pour adapter le comportement en fonction des résultats précédents. Les développeurs peuvent intégrer toute API LLM supportée ou un modèle auto-hébergé, configurer des espaces d'observation et définir des mappages d'actions pour créer des agents qui planifient, raisonnent et apprennent sur plusieurs cycles. Des outils intégrés de journalisation, de récupération d'erreurs et d'analyse permettent une surveillance en temps réel et un affinage itératif. Que ce soit pour automatiser des flux de recherche, générer des rapports ou orchestrer des processus autonomes, LionAGI accélère la création d'agents intelligents et adaptables avec un minimum de code standard.

LLM-Agent est un cadre léger et extensible pour créer des agents IA alimentés par de grands modèles linguistiques. Il fournit des abstractions pour la mémoire de conversation, des modèles d'invite dynamiques et une intégration transparente d'outils ou d'API personnalisés. Les développeurs peuvent orchestrer des processus de raisonnement multi-étapes, maintenir l'état à travers les interactions et automatiser des tâches complexes telles que la récupération de données, la génération de rapports et le support décisionnel. En combinant la gestion de la mémoire avec l'utilisation d'outils et la planification, LLM-Agent facilite le développement d'agents intelligents et orientés tâches en Python.

Llongterm est conçu pour améliorer les applications et agents d'IA en fournissant une solution de mémoire à long terme robuste. Il permet à l'IA de se souvenir et de rappeler des interactions et des détails importants sur de longues périodes, améliorant ainsi l'efficacité et la précision globales de l'IA. Grâce à sa compatibilité avec divers chatbots et agents d'IA, et à des fonctionnalités telles que la mémoire lisible par l'homme, la cartographie des connaissances et des chronologies structurées, Llongterm représente une avancée significative dans la technologie mémoire de l'IA.

Maxun.dev est un cadre d'IA sans code ou à faible code qui permet aux développeurs et aux entreprises de créer des agents intelligents adaptés à des tâches spécifiques. Les utilisateurs peuvent définir des flux de travail d'agents via une interface visuelle, intégrer des sources de données et des API externes, et configurer des modules de mémoire pour une compréhension contextuelle. La plateforme supporte l'orchestration multi-agents, la surveillance en temps réel et l'analyse des performances pour optimiser le comportement des agents. Avec des outils de collaboration intégrés, le contrôle de version et le déploiement en un clic, Maxun.dev simplifie tout le cycle de vie, du prototype à la production, en accélérant l'automatisation alimentée par IA dans le support client, la gestion documentaire et les processus métier.

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.

MixAgent fournit une architecture plug-and-play qui permet aux développeurs de définir des invites, de connecter plusieurs backends LLM et d'incorporer des outils externes (API, bases de données ou code). Il orchestre les boucles de planification et d'exécution, gère la mémoire de l'agent pour des interactions à état, et journalise le raisonnement en chaîne. Les utilisateurs peuvent rapidement prototyper des assistants, des récupérateurs de données ou des robots d'automatisation sans construire de couches d'orchestration à partir de zéro, ce qui accélère le déploiement d'agents AI.

Versi0n est conçu pour permettre aux équipes et aux développeurs d'automatiser des flux de travail complexes en créant des agents intelligents capables de penser, d'apprendre et d'agir de manière autonome. Grâce à une interface intuitive, vous pouvez définir des tâches étape par étape, établir une logique de décision, et intégrer des services tiers comme CRM, bases de données et plateformes de messagerie. Les agents peuvent traiter le langage naturel, maintenir le contexte via des modules de mémoire, et déclencher des actions en fonction d'événements ou de schedulers. Avec des analyses intégrées et des journaux, vous obtenez des insights sur la performance des agents et pouvez optimiser leur comportement au fil du temps. Que vous souhaitiez automatiser des conversations de support client, effectuer des extractions de données ou générer du contenu marketing, l'architecture flexible de Versi0n s'adapte à divers cas d'utilisation et évolue avec votre organisation.

Multi-Agent AI Assistant est un cadre modulaire basé sur Python qui orchestre plusieurs agents alimentés par GPT, chacun assigné à des rôles discrets tels que la planification, la recherche, l'analyse et l'exécution. Le système supporte la transmission de messages entre agents, le stockage de mémoire et l'intégration avec des outils et APIs externes, permettant une décomposition complexe des tâches et une résolution collaborative de problèmes. Les développeurs peuvent personnaliser le comportement des agents, ajouter de nouvelles boîtes à outils et configurer les flux de travail via de simples fichiers de configuration. En exploitant un raisonnement distribué entre agents spécialisés, le cadre accélère la recherche automatisée, l’analyse de données, le support décisionnel et l’automatisation des tâches. Le dépôt comprend des implémentations d'exemple et des modèles, permettant une prototypage rapide d'assistants intelligents et de travailleurs numériques capables de gérer des flux de travail de bout en bout en environnement commercial, éducatif et de recherche.

Multi-Agent Visual Tracking implémente un système de suivi distribué composé d'agents intelligents qui communiquent pour améliorer la précision et la robustesse du suivi d'objets vidéo. Les agents exécutent des réseaux neuronaux convolutifs pour la détection, partagent leurs observations pour gérer les occlusions et ajustent les paramètres de suivi via l'apprentissage par renforcement. Compatible avec des jeux de données vidéo populaires, il supporte aussi bien la formation que l'inférence en temps réel. Les utilisateurs peuvent l'intégrer facilement dans des pipelines existants et étendre les comportements des agents pour des applications personnalisées.

Neocortex est une plateforme IA basée sur le Web qui agit comme un hub de connaissance personnel et un gestionnaire de tâches. Elle stocke et récupère des informations en utilisant la mémoire à long terme, crée des agents intelligents pour gérer la recherche, la synthèse et la planification, et s’intègre avec des documents, des calendriers et des API. Les utilisateurs peuvent interagir via chat pour interroger des insights passés, générer des rapports et déléguer des flux de travail à des agents personnalisés. Neocortex affine continuellement le contexte, propose des rappels proactifs et soutient la collaboration en équipe.

Camel AI est un cadre open-source conçu pour simplifier la création et l'orchestration d'agents intelligents. Il propose des abstractions pour chaîner de grands modèles de langage, intégrer des outils et APIs externes, gérer des graphes de connaissance et persister la mémoire. Les développeurs peuvent définir des flux de travail multi-agents, décomposer des tâches en sous-plans et surveiller l'exécution via CLI ou interface web. Basé sur Python et Docker, Camel AI permet une permutation transparente des fournisseurs LLM, des plugins d'outils personnalisés et des stratégies de planification hybrides, accélérant le développement d'assistants automatisés, pipelines de données et flux de travail autonomes à grande échelle.

Julep AI Responses est un framework pour agents IA livré sous forme de SDK Node.js et de plateforme cloud. Les développeurs initialisent un objet Agent, définissent des gestionnaires onMessage pour des réponses personnalisées, gèrent l’état de la session pour des conversations contextuelles et intègrent des plugins ou API externes. La plateforme gère l’hébergement et la mise à l’échelle, permettant un prototypage rapide et un déploiement de chatbots, agents de support client ou assistants internes avec un minimum de configuration.

OpenAGI offre un environnement unifié pour créer des agents IA autonomes qui réalisent des tâches telles que l'extraction de données, le traitement de documents, l'automatisation du support client et l'assistance à la recherche. Les utilisateurs peuvent configurer le comportement des agents via des flux de travail visuels, intégrer toute interface LLM et déployer les agents en production avec une surveillance et une journalisation intégrées. La plateforme facilite les tests itératifs, la collaboration et la scalabilité, permettant un déploiement rapide de solutions d'automatisation intelligente.

SendCall.AI offre une plateforme innovante pour automatiser les appels via des agents avancés alimentés par l'IA. Ces agents peuvent mener des conversations sans couture, semblables à celles des humains, ce qui les rend très efficaces pour les ventes, les entretiens RH, le service client et plus encore. Avec des capacités comprenant une mémoire infinie, un rappel parfait et la capacité d'effectuer des actions autonomes, SendCall.AI enrichit les interactions des utilisateurs et l'efficacité opérationnelle. La plateforme prend en charge une large gamme d'applications, y compris la résolution de problèmes et l'engagement des clients, garantissant que les entreprises peuvent dépasser leurs objectifs de communication sans effort.

Agentic AI offre un environnement entièrement web où les utilisateurs définissent des objectifs pour des agents autonomes. Chaque agent analyse les buts, sélectionne les outils ou APIs appropriés, exécute les tâches dans l'ordre et s'adapte en fonction des résultats intermédiaires. La plateforme inclut une gestion de mémoire pour la conservation du contexte, un tableau de bord de surveillance en temps réel et des configurations d'agents personnalisables. Les agents peuvent interagir avec des services externes, récupérer des données, générer des rapports et effectuer des prises de décision automatisées pour rationaliser les charges opérationnelles.

Taiat (TypeScript AI Agent Toolkit) est un cadre léger et extensible pour construire des agents IA autonomes dans les environnements Node.js et navigateur. Il permet aux développeurs de définir des comportements d'agents, d'intégrer des API de grands modèles de langage comme OpenAI et Hugging Face, et d'orchestrer des flux de travail d'exécution d'outils multi-étapes. Le framework supporte des backend mémoire personnalisables pour des conversations à état, l'enregistrement d'outils pour recherches web, opérations de fichiers et appels API externes, ainsi que des stratégies de décision modulables. Avec Taiat, vous pouvez rapidement prototyper des agents qui planifient, raisonnent et exécutent des tâches de manière autonome, allant de la récupération de données et la synthèse jusqu'à la génération automatique de code et assistants conversationnels.