MInD est un cadre de mémoire basé sur Python conçu pour renforcer les agents IA pilotés par LLM avec des capacités de mémoire robustes. Il permet aux agents de capturer les entrées utilisateur et les événements système comme des journaux épisodiques, de condenser ces journaux en résumés sémantiques et de récupérer des souvenirs pertinents à la demande. Avec des politiques de rétention configurables, une recherche de similarité et un résumé automatique, MInD maintient une base de connaissances persistante que les agents consultent lors de l’inférence. Cela garantit qu’ils se souviennent avec précision des interactions précédentes, adaptent leurs réponses en fonction de l’historique et offrent des dialogues personnalisés et cohérents sur plusieurs sessions.

Multi-Agents fournit un environnement structuré où différents agents d'IA—tels que planificateurs, exécuteurs et critiques—collaborent pour résoudre des tâches en plusieurs étapes. L’agent planificateur décompose les objectifs globaux en sous-tâches, l’agent exécuteur interagit avec des API ou outils externes pour effectuer chaque étape, et l’agent critique examine les résultats pour leur précision et cohérence. Les modules de mémoire permettent aux agents de stocker le contexte à travers les interactions, tandis qu’un système de messagerie assure une communication fluide. Le cadre est extensible, permettant aux utilisateurs d’ajouter des rôles personnalisés, d’intégrer des outils propriétaires ou de remplacer les backends LLM pour des cas d’usage spécialisés.

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.

Open WebUI Pipeline pour RAGFlow fournit aux développeurs et data scientists une pipeline modulaire pour construire des applications RAG (recherche augmentée par génération). Il supporte le téléchargement de documents, le calcul d'embeddings via diverses API LLM, et le stockage des vecteurs dans des bases de données locales pour une recherche de similarité efficace. Le framework orchestre les flux de récupération, synthèse et conversation, permettant des interfaces de chat en temps réel qui référencent des connaissances externes. Avec des prompts personnalisables, une compatibilité multi-modèles et une gestion de mémoire, il permet aux utilisateurs de créer des systèmes QA spécialisés, des résumeurs de documents et des assistants IA personnels dans un environnement Web UI interactif. L'architecture plugin permet une intégration transparente avec des configurations WebUI locales existantes comme Oobabooga. Il inclut des fichiers de configuration étape par étape et supporte le traitement par lots, le suivi du contexte conversationnel et des stratégies de récupération flexibles. Les développeurs peuvent étendre la pipeline avec des modules personnalisés pour la sélection de l'entrepôt vectoriel, la chaîne de prompts et la mémoire utilisateur, ce qui la rend idéale pour la recherche, le support client et les services de connaissances spécialisés.

OpenAgent offre un cadre complet pour développer des agents IA autonomes capables de comprendre des tâches, planifier des actions multi-étapes et interagir avec des services externes. En intégrant des LLM comme OpenAI et Anthropic, il permet un raisonnement en langage naturel et une prise de décision. La plateforme dispose d’un système d’outils plugin pour exécuter des requêtes HTTP, opérations sur fichiers et fonctions Python personnalisées. Les modules de gestion mémoire permettent aux agents de stocker et récupérer des informations contextuelles entre sessions. Les développeurs peuvent étendre la fonctionnalité via des plugins, configurer le streaming en temps réel des réponses et utiliser des outils de journalisation et d’évaluation intégrés pour surveiller les performances de l’agent. OpenAgent simplifie l’orchestration de workflows complexes, accélère le prototypage d’assistants intelligents, et garantit une architecture modulaire pour des applications IA évolutives.

Universal Basic Compute offre un environnement unifié pour la conception, la formation et le déploiement d'agents IA dans divers flux de travail. Les utilisateurs peuvent choisir parmi plusieurs grands modèles linguistiques, configurer des magasins de mémoire personnalisés pour la conscience contextuelle et intégrer des API et outils tiers pour étendre la fonctionnalité. La plateforme gère automatiquement l'orchestration, la tolérance aux pannes et la scalabilité, tout en proposant des tableaux de bord pour la surveillance en temps réel et les analyses de performance. En abstraisant les détails d'infrastructure, elle permet aux équipes de se concentrer sur la logique des agents et l'expérience utilisateur plutôt que sur la complexité du backend.

Python AGNO Memory Agent offre une approche structurée de la mémoire des agents en organisant les souvenirs via un cadre AGNO. Il utilise des modèles d'intégration pour convertir les souvenirs textuels en représentations vectorielles et les stocke dans des magasins de vecteurs configurables comme ChromaDB, FAISS ou SQLite. Les agents peuvent ajouter de nouveaux souvenirs, interroger les événements passés pertinents, mettre à jour des entrées obsolètes ou supprimer des données non pertinentes. La bibliothèque propose un suivi chronologique, des magasins de mémoire avec espaces de noms pour des scénarios multi-agents, et des seuils de similarité personnalisables. Elle s'intègre facilement aux frameworks LLM populaires et peut être étendue avec des modèles d'intégration personnalisés pour diverses applications d'agents IA.

SuperBot est un cadre complet d'agent AI permettant aux développeurs de déployer des assistants autonomes et sensibles au contexte via Python et la ligne de commande. Il intègre les modèles de chat d'OpenAI avec un système de mémoire, des fonctionnalités d'appel de fonctions et une architecture de plugins. Les agents peuvent exécuter des commandes shell, lancer du code, interagir avec des fichiers, effectuer des recherches sur le web et maintenir l'état de la conversation. SuperBot supporte l'orchestration multi-agent pour des workflows complexes, le tout configurable via des scripts Python simples et des commandes CLI. Son design extensible permet d'ajouter des outils personnalisés, d'automatiser des tâches et d'intégrer des API externes pour créer des applications robustes basées sur l'IA.

AL3RT Personnalisé exploite une technologie AI avancée pour fournir aux utilisateurs des alertes hautement personnalisées et une gestion des tâches. Il fonctionne en temps réel, s'adaptant à votre contexte et à vos préférences pour aider à rationaliser vos responsabilités et notifications. Cet assistant intuitif apprend de vos schémas, garantissant que les informations fournies sont pertinentes et opportunes, vous permettant de rester organisé et efficace dans vos tâches quotidiennes.

Dial4JaCa est un plugin de bibliothèque Java pour la plateforme multi-agent JaCaMo qui intercepte les messages inter-agents, encode les intentions des agents et les routent via des backend LLM (OpenAI, modèles locaux). Il gère le contexte de dialogue, met à jour les bases de croyances et intègre la génération de réponse directement dans les cycles de raisonnement AgentSpeak(L). Les développeurs peuvent personnaliser les invites, définir des artefacts de dialogue et gérer des appels asynchrones, permettant aux agents d'interpréter les énoncés des utilisateurs, de coordonner des tâches et de récupérer des informations externes en langage naturel. Son design modulaire prend en charge la gestion des erreurs, la journalisation et la sélection de plusieurs LLM, idéal pour la recherche, l'éducation et le prototypage rapide de MAS conversationnels.