Le solveur NQueen basé sur GA utilise une architecture modulaire multi-agent 2APL où chaque agent encode une configuration candidate pour N-Reines. Les agents évaluent leur fitness en comptant le nombre de paires de reines non en attaque, puis partagent les configurations à haute fitness avec d'autres. Des opérateurs génétiques—sélection, crossover et mutation—sont appliqués à la population d'agents pour générer de nouvelles configurations candidates. Au fil des itérations, les agents convergent collectivement vers des solutions valides pour N-Reines. Le framework est implémenté en Java, supporte le réglage des paramètres de la population, du taux de crossover, de la probabilité de mutation et des protocoles de communication des agents, et fournit des journaux détaillés et des visualisations du processus évolutif.

llama-cpp-agent est un framework open-source en C++ pour faire fonctionner entièrement hors ligne des agents IA. Il exploite le moteur d'inférence llama.cpp pour fournir des interactions rapides et à faible latence, et supporte un système modulaire de plugins, une mémoire configurable et l'exécution de tâches. Les développeurs peuvent intégrer des outils personnalisés, passer d'un modèle LLM local à un autre et créer des assistants conversationnels axés sur la confidentialité sans dépendances externes.

LlamaIndex est une bibliothèque Python orientée développeur conçue pour combler le fossé entre les grands modèles de langage et les données privées ou spécifiques à un domaine. Elle offre plusieurs types d’index—comme les index vectoriels, arborescents et par mots-clés—ainsi que des adaptateurs pour bases de données, systèmes de fichiers et API web. Le cadre inclut des outils pour découper les documents en nœuds, les intégrer via des modèles d’intégration populaires et effectuer une récupération intelligente pour fournir du contexte à un LLM. Avec la mise en cache intégrée, des schémas de requête et la gestion des nœuds, LlamaIndex facilite la création d’applications augmentant la récupération, permettant des réponses très précises et riches en contexte dans des applications comme les chatbots, les services QA et les pipelines analytiques.

Melissa offre une architecture légère et extensible pour construire des agents pilotés par l’IA sans nécessiter beaucoup de code boilerplate. Au cœur, le framework exploite un système basé sur des plugins où les développeurs peuvent enregistrer des actions personnalisées, des connecteurs de données et des modules de mémoire. Le sous-système de mémoire permet la préservation du contexte à travers les interactions, améliorant la continuité conversationnelle. Des adaptateurs d’intégration permettent aux agents de récupérer et traiter des informations via APIs, bases de données ou fichiers locaux. En combinant une API simple, des outils CLI et des interfaces standardisées, Melissa facilite des tâches telles que l’automatisation des demandes clients, la génération de rapports dynamiques ou l’orchestration de flux de travail multi-étapes. Le cadre est indépendant du langage, adapté aux projets centrés sur Python et peut être déployé sur Linux, macOS ou dans des environnements Docker.

Milvus est une base de données vectorielle open-source spécialement conçue pour gérer les charges de travail d'IA. Elle offre un stockage et une récupération à haute performance des embeddings et d'autres types de données vectorielles, permettant des recherches de similarité efficaces à travers de grands ensembles de données. La plateforme prend en charge divers frameworks de machine learning et de deep learning, permettant aux utilisateurs d'intégrer facilement Milvus dans leurs applications d'IA pour l'inférence et l'analyse en temps réel. Avec des caractéristiques telles qu'une architecture distribuée, un redimensionnement automatique et le support de différents types d'index, Milvus est conçu pour répondre aux exigences des solutions modernes d'IA.

MIU CS589 AI Agent API offre une interface standardisée pour fabriquer des agents d'IA personnalisés. Les développeurs peuvent définir des comportements d'agents, intégrer des outils ou services externes, et gérer des réponses en streaming ou par lot via des endpoints HTTP. Le framework prend en charge l'authentification, le routage des requêtes, la gestion des erreurs et la journalisation. Il est entièrement extensible — les utilisateurs peuvent enregistrer de nouveaux outils, ajuster la mémoire de l'agent et configurer les paramètres LLM. Convient pour l'expérimentation, les démos et les prototypes de production, il simplifie l'orchestration multi-outils et accélère le développement d'agents IA sans verrouiller sur une plateforme monolithique.

OpenSpiel est un cadre de recherche qui fournit une large gamme d'environnements (de jeux simples sur matrice à des jeux de plateau complexes comme Échecs, Go et Poker) et implémente divers algorithmes d'apprentissage par renforcement et de recherche (ex. itération de valeur, méthodes de gradient de politique, MCTS). Son noyau modulaire en C++ et ses liaisons Python permettent aux utilisateurs d'intégrer des algorithmes personnalisés, de définir de nouveaux jeux et de comparer les performances sur des benchmarks standards. Conçu pour l’extensibilité, il supporte des scénarios à un ou plusieurs agents, permettant d’étudier des stratégies coopératives et compétitives. Les chercheurs utilisent OpenSpiel pour prototyper rapidement des algorithmes, réaliser des expériences à grande échelle et partager du code reproductible.

Perplexica est un moteur de recherche sophistiqué alimenté par IA qui utilise l'intelligence artificielle pour trouver et livrer des réponses précises et en temps réel sur le web. Étant open source, il offre flexibilité et transparence aux utilisateurs tout en ayant pour objectif d'offrir une expérience de recherche plus efficace. Perplexica se distingue en permettant aux utilisateurs d'interagir avec Internet de manière plus intelligente et engageante, ce qui le rend adapté à diverses applications, allant de la recherche académique aux questions quotidiennes.

Les démos AWS Sample Model Context Protocol sont un référentiel open-source présentant des modèles standard pour la gestion du contexte de grands modèles de langage (LLM) et l'invocation d'outils. Il comporte deux démos complètes — une en JavaScript/TypeScript et une en Python — qui implémentent le Protocole de Contexte du Modèle, permettant aux développeurs de construire des agents AI pouvant appeler des fonctions AWS Lambda, conserver l'historique des conversations et diffuser des réponses. Le code d'exemple montre la mise en forme des messages, la sérialisation des arguments de fonction, la gestion des erreurs et des intégrations d'outils personnalisables, accélérant le prototypage des applications d'IA générative.

SpeakGPT est un assistant vocal AI avancé qui exploite de grands modèles de langage pour faciliter une communication fluide avec ChatGPT. Cette extension Chrome ne prend pas seulement en charge l'entrée vocale, mais inclut également des options de voix personnalisables et des capacités de reconnaissance linguistique, ce qui en fait un outil puissant pour les utilisateurs qui préfèrent un dialogue interactif plutôt qu'une saisie basée sur du texte traditionnel. Sa nature open-source garantit des mises à jour et des améliorations constantes, offrant aux utilisateurs un assistant en constante évolution capable de gérer efficacement un large éventail de requêtes et de tâches.

Vibe Coding Template est un référentiel open source qui permet aux développeurs de lancer rapidement des agents de codage AI autonomes utilisant le framework Vibe. Il comprend des modules de prompts prédéfinis pour générer du nouveau code, effectuer des revues de code, créer des tests unitaires et déboguer. Avec un support intégré pour l'intégration CI/CD, des configurations d'agents personnalisables et des workflows d'exemple, vous pouvez adapter le modèle pour automatiser les tâches répétitives de développement et augmenter la productivité de l'équipe.

Wool Ball propose une large gamme de modèles d'IA open-source pour diverses tâches, y compris la génération de texte, la classification d'images, la conversion de la parole en texte et plus encore. En tirant parti d'un réseau distribué de navigateurs, Wool Ball traite efficacement les tâches d'IA à des coûts significativement plus bas. La plateforme permet également aux utilisateurs de gagner des récompenses en partageant les ressources inactives de leur navigateur, garantissant une utilisation sécurisée et efficace grâce à la technologie WebAssembly.

Avalon-LLM est un cadre d'IA multi-agent basé sur Python qui permet aux utilisateurs d'orchestrer plusieurs agents pilotés par LLM dans un environnement coordonné. Chaque agent peut être configuré avec des outils spécifiques — y compris la recherche web, les opérations sur fichiers et les API personnalisés — pour réaliser des tâches spécialisées. Le cadre supporte des modules de mémoire pour stocker le contexte des conversations et les connaissances à long terme, un raisonnement en chaîne pour améliorer la prise de décision, et des pipelines d’évaluation intégrés pour benchmarker la performance des agents. Avalon-LLM offre un système de plugins modulaire, permettant aux développeurs d’ajouter ou de remplacer facilement des composants comme les fournisseurs de modèles, les kits d’outils et les magasins de mémoire. Avec des fichiers de configuration simples et des interfaces en ligne de commande, les utilisateurs peuvent déployer, surveiller et étendre des flux de travail d’IA autonomes adaptés pour la recherche, le développement et la production.

ChartDB est un éditeur de conception de base de données gratuit et open-source. Il permet aux utilisateurs de créer, visualiser et exporter facilement des schémas de base de données. L'outil vous permet d'importer votre schéma de base de données, de le modifier, et d'exporter les modifications au format de scripts SQL. Il prend en charge plusieurs systèmes de gestion de base de données (SGBD) tels que MySQL, PostgreSQL, MariaDB, SQL Server et SQLite. Avec des fonctionnalités telles que l'importation instantanée, les exports assistés par l'IA, un éditeur de requêtes avancé et des partages esthétiques, ChartDB vise à simplifier le processus de diagramme et d'édition de base de données. Commencez sans aucune inscription et visualisez votre base de données via une seule requête.

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.

A2A4J est un cadre Java léger conçu pour construire des agents IA autonomes. Il offre des abstractions pour les agents, outils, mémoires et planificateurs, supportant l'exécution asynchrone des tâches et une intégration transparente avec OpenAI et d'autres API LLM. Sa conception modulaire vous permet de définir des outils et des magasins de mémoire personnalisés, d'orchestrer des workflows multi-étapes et de gérer des boucles de décision. Avec la gestion des erreurs intégrée, la journalisation et l'extensibilité, A2A4J accélère le développement d'applications Java intelligentes et de microservices.

Codespect est un outil de révision de code alimenté par l'IA qui analyse les Pull Requests GitHub pour fournir des retours et des suggestions détaillées. Il offre des fonctionnalités telles que le résumé automatique des modifications, l'analyse de la qualité du code et des suggestions d'amélioration. En s'intégrant directement à GitHub, l'outil rationalise le processus de révision de code, facilitant ainsi le maintien de normes de codage élevées. Les utilisateurs peuvent bénéficier de retours immédiats, d'analyses perspicaces des Pull Requests et de la possibilité de suivre les temps de révision et de découvrir des opportunités d'amélioration.

Claude Code MCP (Memory Context Provider) est un outil CLI basé sur Python conçu pour simplifier les interactions avec le modèle Claude Code d’Anthropic. Il offre un historique de conversation persistant, des modèles de prompts réutilisables, et des utilitaires pour générer, revoir et refactoriser du code. Les développeurs peuvent invoquer des commandes pour la génération de code, les modifications automatisées, la comparaison de diffs et les explications en ligne, tout en étendant la fonctionnalité via un système de plugins. MCP facilite l’intégration de Claude Code dans les pipelines de développement pour une assistance plus cohérente et contextuelle.