Le framework BeeAI offre une architecture entièrement modulaire pour construire des agents intelligents capables d'effectuer des tâches, de gérer des états et d'interagir avec des outils externes. Il comprend un gestionnaire de mémoire pour la conservation à long terme du contexte, un système de plugins pour l'intégration de compétences personnalisées, ainsi qu'un support intégré pour le chaînage d'API et la coordination multi-agents. Le framework propose des SDKs Python et JavaScript, une interface en ligne de commande pour la création de projets et des scripts de déploiement pour le cloud, Docker ou les dispositifs Edge. Des tableaux de bord de surveillance et des outils de journalisation aident à suivre la performance des agents et à diagnostiquer les problèmes en temps réel.

SWE-agent est un framework d'agent IA dédié aux développeurs qui s'intègre à GitHub pour diagnostiquer et résoudre automatiquement les problèmes de code. Il fonctionne dans Docker ou GitHub Codespaces, utilise votre modèle linguistique préféré et permet de configurer des bundles d'outils pour des tâches comme le linting, les tests et le déploiement. SWE-agent génère des trajectoires d'action claires, applique des pull requests avec des corrections et offre des insights via son intrus de trajectoire, permettant aux équipes d'automatiser efficacement la revue de code, la correction de bugs et le nettoyage de dépôts.

FastAPI Agents offre une couche de service robuste pour le développement d'agents basés sur LLM en utilisant le framework web FastAPI. Il permet de définir le comportement des agents avec des chaînes LangChain, des outils et des systèmes de mémoire. Chaque agent peut être exposé comme un point de terminaison REST standard, supportant des requêtes asynchrones, des réponses en streaming et des charges utiles personnalisables. L'intégration avec des magasins de vecteurs permet la génération augmentée par récupération pour des applications axées sur la connaissance. Le framework comprend une journalisation intégrée, des hooks de surveillance et une prise en charge de Docker pour le déploiement en conteneur. Il est facile d'étendre les agents avec de nouveaux outils, middleware et authentification. FastAPI Agents accélère la mise sur le marché des solutions IA, en assurant la sécurité, la scalabilité et la maintenabilité des applications basées sur des agents en entreprise et en recherche.

AgentRpi transforme un Raspberry Pi en un hub d'agents IA edge en orchestrant des modèles de langage avec du matériel physique. En combinant des entrées de capteurs (température, mouvement), des flux de caméras et de l'audio micro, il traite les informations contextuelles via des LLM configurés (OpenAI GPT, variantes Llama locales) pour planifier et exécuter des actions de manière autonome. Les utilisateurs définissent des comportements à l'aide de configurations YAML ou de scripts Python, permettant des tâches comme le déclenchement d'alertes, l'ajustement des broches GPIO, la capture d'images ou la réponse aux commandes vocales. Son architecture basée sur des plugins permet des intégrations API transparentes, l'ajout de compétences personnalisées et le déploiement via Docker. Idéal pour les environnements à faible consommation et sensibles à la confidentialité, AgentRpi permet aux développeurs de prototyper des scénarios d'automatisation intelligente sans dépendre uniquement des services cloud.

autogen-agent-server agit comme une plateforme d'orchestration centralisée pour les agents IA, permettant aux développeurs d'exposer les capacités des agents via des endpoints RESTful standard. Les fonctionnalités principales incluent l'enregistrement de nouveaux agents avec des prompts et une logique personnalisée, la gestion de plusieurs sessions avec suivi de contexte, la récupération de l'historique des conversations, et la coordination de dialogues multi-agents. Il présente un traitement asynchrone des messages, des callbacks webhook, et une persistance intégrée pour l'état et les logs des agents. La plateforme s'intègre parfaitement à la bibliothèque AutoGen pour exploiter les modèles LLM, offre la possibilité de middleware personnalisé pour l'authentification, supporte la montée en charge via Docker et Kubernetes, et propose des hooks de monitoring pour les métriques. Ce framework accélère la création de chatbots, d'assistants numériques, et de flux automatisés en abstraisant l'infrastructure serveur et les patterns de communication.