LangMem fournit des capacités spécialisées de gestion de la mémoire pour les agents IA, leur permettant de conserver et de rappeler d'énormes quantités d'informations. Cet outil permet aux utilisateurs d'ajouter des souvenirs, de modifier des informations existantes et de récupérer des souvenirs en fonction de requêtes spécifiques. En intégrant la mémoire dans les processus IA, LangMem améliore la compréhension contextuelle et la pertinence des réponses, ce qui le rend inestimable pour les applications nécessitant un apprentissage et une adaptation continus.

OSUniverse regroupe en une seule plateforme navigable des frameworks, bibliothèques et outils open-source d'agents d'IA. Les utilisateurs peuvent filtrer les projets par langage, licence, tags et catégories, voir des fiches détaillées avec descriptions et liens GitHub, et contribuer en proposant de nouvelles entrées via des pull requests. Le contenu est mis à jour régulièrement par la communauté, faisant de cette plateforme une ressource essentielle pour découvrir, évaluer et choisir les meilleures technologies d'agents IA pour la recherche, le prototypage et la production.

Trinity-RFT (Retrieval Fine-Tuning) est un cadre open-source unifié conçu pour améliorer la précision et l'efficacité du modèle en combinant flux de travail de récupération et de fine-tuning. Les utilisateurs peuvent préparer un corpus, construire un index de récupération et insérer le contexte récupéré directement dans les boucles d'entraînement. Il supporte la récupération multimodale pour le texte, les images et la vidéo, s'intègre avec des magasins vectoriels populaires, et propose des métriques d'évaluation ainsi que des scripts de déploiement pour un prototypage rapide et un déploiement en production.

Geers AI Lang Graph fournit une couche d'abstraction basée sur un graphe pour construire des agents IA qui coordonnent plusieurs appels LLM et gèrent des connaissances structurées. En définissant des nœuds et des arêtes représentant des prompts, des données et de la mémoire, les développeurs peuvent créer des flux de travail dynamiques, suivre le contexte à travers les interactions et visualiser les flux d'exécution. Le framework supporte des intégrations de plugins pour divers fournisseurs LLM, la templatisation de prompt personnalisée et des graphes exportables. Il simplifie la conception itérative d'agents, améliore la rétention du contexte et accélère le prototypage d'assistants conversationnels, bots d'aide à la décision et pipelines de recherche.

Griptape fournit un cadre IA complet qui simplifie le développement et le déploiement d'agents IA. Elle équipe les développeurs d'outils pour la préparation des données (ETL), des services basés sur la récupération (RAG) et la gestion des flux de travail d'agents. La plateforme soutient la création de systèmes IA sécurisés et fiables sans la complexité des cadres IA traditionnels, permettant aux organisations d'exploiter efficacement leurs données pour des applications intelligentes.

Ce cadre permet aux utilisateurs de concevoir, configurer et déployer plusieurs agents IA qui communiquent via des messages JSON à travers un orchestrateur central. Chaque agent peut avoir des rôles, des invites et des modules de mémoire distincts, et il est possible d'intégrer n'importe quel fournisseur LLM en implémentant une interface de fournisseur. Le système supporte l'historique de conversation persistant, le routage dynamique et les extensions modulaires. Idéal pour simuler des débats, automatiser des flux de support client ou coordonner la génération de documents en plusieurs étapes. Il fonctionne sous Python avec un support Docker pour les déploiements conteneurisés.

SuperPilot est un cadre d'agent IA autonome utilisant de grands modèles linguistiques pour effectuer des tâches à plusieurs étapes sans intervention manuelle. En intégrant GPT et des modèles Anthropic, il peut générer des plans, appeler des outils externes tels qu'un navigateur sans interface pour le web scraping, un terminal pour exécuter des commandes shell, et des modules de mémoire pour la conservation du contexte. Les utilisateurs définissent des objectifs, et SuperPilot orchestre dynamiquement des sous-tâches, maintient une file d'attente de tâches, et s’adapte aux nouvelles informations. Son architecture modulaire permet d’ajouter des outils personnalisés, d’ajuster les paramètres des modèles, et de consigner les interactions. Avec des boucles de rétroaction intégrées, les entrées humaines peuvent affiner la prise de décision et améliorer les résultats. Cela rend SuperPilot adapté à l’automatisation de la recherche, des tâches de programmation, des tests, et des flux de travail de traitement de données routiniers.