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.

Augini permet aux développeurs de définir des agents intelligents capables d'interpréter les entrées utilisateur, d'invoquer des API externes, de charger la mémoire contextuelle et de produire des réponses cohérentes et multi-étapes. Les utilisateurs peuvent configurer chaque agent avec des kits d'outils personnalisables pour la recherche web, les requêtes de base de données, l_operations de fichiers ou des fonctions Python personnalisées. Le module de mémoire intégré conserve l'état de la conversation entre les sessions, assurant une continuité contextuelle. L'API déclarative d'Augini permet la construction de workflows complexes avec logique conditionnelle, tentatives et gestion des erreurs. Il s'intègre parfaitement avec les principaux fournisseurs de LLM tels qu'OpenAI, Anthropic, et Azure AI, et supporte le déploiement en tant que scripts autonomes, conteneurs Docker ou microservices évolutifs. Augini permet aux équipes de prototyper, tester et maintenir rapidement des agents intelligents en production.

CAMEL-AI est un framework basé sur Python permettant aux développeurs et chercheurs de construire, configurer et exécuter plusieurs agents IA autonomes alimentés par des LLMs. Il offre un support intégré pour la génération augmentée par récupération (RAG), l’utilisation d’outils externes, la communication entre agents, la gestion de la mémoire et de l’état, et la planification. Avec des composants modulaires et une intégration facile, les équipes peuvent prototyper des systèmes multi-agent complexes, automatiser des workflows et faire évoluer des expériences sur différents backends LLM.

HMAS est un cadre open-source en Python permettant le développement de systèmes hiérarchiques multi-agents. Il offre des abstractions pour définir des hiérarchies d'agents, des protocoles de communication inter-agents, l'intégration d'environnements, et des boucles d'entraînement intégrées. Rechercheurs et développeurs peuvent utiliser HMAS pour prototyper des interactions complexes entre agents, entraîner des politiques coordonnées et évaluer la performance dans des environnements simulés. Son design modulaire facilite l'extension et la personnalisation des agents, environnements et stratégies d'entraînement.

Jaaz est un cadre d'agent IA extensible conçu pour créer des solutions de chatbot et d'assistant vocal hautement interactifs. Construit sur Node.js et JavaScript, il fournit des modules principaux pour la gestion des dialogues, la mémoire contextuelle à long terme et l'intégration d'API tierces, permettant l'utilisation dynamique d'outils lors des conversations. Les développeurs peuvent définir des compétences personnalisées, exploiter de grands modèles linguistiques pour la compréhension du langage naturel et intégrer des moteurs de parole-texte et texte-parole pour des expériences vocales. L'architecture modulaire de Jaaz simplifie le déploiement sur les infrastructures cloud et sur site, supportant la création rapide de prototypes et des workflows à niveau production.

AI Coder Buddy est un assistant de codage alimenté par l'IA axé sur l'amélioration de votre productivité. Il prend en charge plus de 90 langages de programmation, frameworks et bibliothèques, proposant plus de 145 000 exemples de code recherchables. Que vous soyez un débutant ayant besoin de conseils ou un développeur expérimenté cherchant à accélérer votre flux de travail, AI Coder Buddy vous fournit les outils et le soutien nécessaires pour coder plus intelligemment et plus efficacement.

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.