bedrock-agent est un cadre d'IA polyvalent qui s'intègre à la suite de grands modèles de langage d'AWS Bedrock pour orchestrer des flux de travail complexes et axés sur des tâches. Il propose une architecture de plugins pour enregistrer des outils personnalisés, des modules de mémoire pour la persistance du contexte et un mécanisme de raisonnement en chaîne pour une réflexion améliorée. Grâce à une API Python simple et une interface en ligne de commande, il permet aux développeurs de définir des agents pouvant appeler des services externes, traiter des documents, générer du code ou interagir avec les utilisateurs via chat. Les agents peuvent être configurés pour sélectionner automatiquement les outils pertinents en fonction des prompts utilisateur et maintenir un état de conversation entre les sessions. Ce cadre est open-source, extensible et optimisé pour un prototypage rapide et le déploiement d'assistants IA sur des environnements locaux ou AWS cloud.

GradientJ est une plateforme pilotée par l'IA conçue pour aider les équipes non techniques à automatiser des procédures de back-office complexes. Elle tire parti de grands modèles de langage pour gérer des tâches qui, autrement, seraient externalisées à des travailleurs offshore. Cette automatisation facilite d'importantes économies de temps et de coûts, améliorant ainsi l'efficacité globale. Les utilisateurs peuvent construire et déployer des applications robustes de modèles de langage, surveiller leur performance en temps réel et améliorer la sortie du modèle grâce à des retours continus.

Lyzr Studio permet aux organisations de créer rapidement des assistants alimentés par l'IA en combinant de grands modèles de langage, des règles métier et des intégrations de données. Son interface drag-and-drop permet d'orchestrer visuellement des workflows multi-étapes, d'intégrer des API internes, des bases de données, des services tiers et de personnaliser les invites LLM pour des connaissances spécifiques au domaine. Les agents peuvent être testés en temps réel, déployés sur des widgets web, des applications de messagerie ou des plateformes d'entreprise, et surveillés via des tableaux de bord de performances. La gestion avancée des versions, le contrôle d'accès basé sur les rôles et les journaux d'audit garantissent la gouvernance. Que ce soit pour automatiser le support client, la qualification de prospects, l'intégration RH ou la résolution de problèmes IT, Lyzr Studio simplifie le développement d'ouvriers numériques fiables et évolutifs.

ModelFusion est conçu pour rationaliser l'utilisation de l'IA générative en offrant une seule interface permettant d'accéder à une large gamme de grands modèles de langue (LLMs). De la création de contenu à l'analyse des données, les utilisateurs peuvent tirer parti des capacités des modèles de fournisseurs tels qu'OpenAI, Anthropic et d'autres. Avec 23 modèles différents disponibles, ModelFusion prend en charge diverses applications, garantissant que les utilisateurs peuvent trouver la solution adéquate pour leurs besoins spécifiques. Les crédits Fusion facilitent l'utilisation de ces modèles, rendant l'IA avancée accessible et efficace.

OperAgents est une boîte à outils orientée développeur pour construire et orchestrer des agents autonomes utilisant de grands modèles de langage comme GPT. Il supporte la définition de classes d’agents personnalisées, l’intégration d’outils externes (APIs, bases de données, exécution de code) et la gestion de la mémoire des agents pour la conservation du contexte. Grâce à des pipelines configurables, les agents peuvent effectuer des tâches multi-étapes, telles que la recherche, le résumé et le soutien à la décision, tout en invoquant dynamiquement des outils et en maintenant leur état. Le cadre comprend des modules pour la surveillance des performances de l’agent, le traitement automatique des erreurs et la mise à l’échelle des exécutions. En abstraisant les interactions avec LLM et la gestion des outils, OperAgents accélère le développement de flux de travail pilotés par IA dans des domaines comme le support client automatisé, l’analyse de données et la génération de contenu.

Agentic Framework est un framework polyvalent et open-source conçu pour simplifier la création d'agents IA autonomes exploitant de grands modèles linguistiques et MongoDB. Il fournit des composants modulaires pour gérer la mémoire de l'agent, définir des ensembles d'outils, orchestrer des workflows multi-étapes et templatiser des prompts. Le magasin de mémoire intégré, basé sur MongoDB, permet aux agents de préserver un contexte persistant entre les sessions, tandis que des interfaces d'outils modulables permettent une interaction fluide avec des API externes et des sources de données. Basé sur Node.js, le framework inclut la journalisation, des hooks de surveillance et des exemples de déploiement pour prototyper et faire évoluer rapidement des agents intelligents. Avec une configuration personnalisable, les développeurs peuvent adapter les agents à des tâches telles que la récupération de connaissances, le support client automatisé, l'analyse de données et l'automatisation des processus, réduisant ainsi la charge de développement et accélérant la mise en production.

Butterfish est un outil de ligne de commande polyvalent qui améliore votre environnement shell avec des capacités IA. Il prend en charge l’incitation des LLM (Modèles de Langage de Grande Taille), le résumé de fichiers et la gestion des embeddings, le tout à partir de la ligne de commande. Idéal pour les développeurs et les scientifiques des données, Butterfish s'intègre parfaitement aux flux de travail existants, vous permettant de tirer parti de la puissance de l'IA sans quitter votre terminal. Que vous ayez besoin de générer du code, d'obtenir des suggestions ou de gérer des données, Butterfish fournit un ensemble cohérent d'outils pour améliorer votre expérience en ligne de commande.

ModelOp Center est une plateforme avancée conçue pour gouverner, surveiller et gérer les modèles d'IA à l'échelle de l'entreprise. Ce logiciel ModelOps est essentiel pour l'orchestration des initiatives d'IA, y compris celles impliquant de l'IA générative et de grands modèles linguistiques (LLM). Il garantit que tous les models d'IA fonctionnent efficacement, respectent les normes réglementaires et garantissent de la valeur tout au long de leur cycle de vie. Les entreprises peuvent tirer parti de ModelOp Center pour améliorer l'évolutivité, la fiabilité et la conformité de leurs déploiements d'IA.

cpp-langchain implémente les fonctionnalités principales de l'écosystème LangChain en C++. Les développeurs peuvent envelopper les appels aux grands modèles de langage, définir des modèles d'invites, assembler des chaînes et orchestrer des agents qui appellent des outils ou des API externes. Il comprend des modules de mémoire pour maintenir l'état conversationnel, le support pour les embeddings pour la recherche de similarité et des intégrations avec des bases de données vectorielles. La conception modulaire permet de personnaliser chaque composant — clients LLM, stratégies d'invites, backends de mémoire et toolkits — pour répondre à des cas d'usage spécifiques. En offrant une bibliothèque uniquement en en-tête et une compatibilité CMake, cpp-langchain simplifie la compilation d'applications AI natives sur Windows, Linux et macOS sans nécessiter d'environnement Python.

demo_smolagents est une implémentation de référence de SmolAgents, un micro-framework en Python pour créer des agents IA autonomes alimentés par de grands modèles linguistiques. Cette démo comprend des exemples de configuration d'agents individuels avec des kits d'outils spécifiques, d'établissement de canaux de communication entre agents et de gestion dynamique du transfert de tâches. Elle met en avant l'intégration LLM, l'invocation d'outils, la gestion des invites et des modèles d'orchestration d'agents pour construire des systèmes multi-agents pouvant effectuer des actions coordonnées en fonction des entrées utilisateur et des résultats intermédiaires.

GPA-LM est un framework basé sur Python conçu pour simplifier la création et l'orchestration d'agents IA alimentés par de grands modèles linguistiques. Il comporte un planificateur qui décompose les instructions de haut niveau en sous-tâches, un exécuteur qui gère les appels d'outils et les interactions, et un module de mémoire qui conserve le contexte entre les sessions. L'architecture plugin permet aux développeurs d'ajouter des outils, API et logiques de décision personnalisés. Avec le support multi-agent, GPA-LM peut coordonner des rôles, répartir des tâches et agréger des résultats. Il s'intègre facilement à des LLM populaires comme OpenAI GPT et prend en charge le déploiement dans divers environnements. Le cadre accélère le développement d'agents autonomes pour la recherche, l'automatisation et la prototypie d'applications.

iNextLabs fournit des solutions avancées pilotées par l'IA conçues pour aider les entreprises à automatiser leurs opérations quotidiennes et à améliorer l'engagement des clients. Avec un accent sur l'IA générative et les grands modèles de langage (LLM), notre plateforme propose des applications spécifiques à l'industrie qui rationalisent les flux de travail et offrent des expériences personnalisées. Que vous souhaitiez améliorer le service client grâce à des chatbots intelligents ou automatiser des tâches administratives, iNextLabs dispose des outils et de la technologie nécessaires pour élever la performance de votre entreprise.

Labs est un langage spécifique au domaine open-source et intégrable, conçu pour définir et exécuter des agents AI utilisant de grands modèles de langage. Il fournit des constructions pour déclarer des invites, gérer le contexte, brancher conditionnellement et intégrer des outils externes (par ex., bases de données, API). Avec Labs, les développeurs décrivent les flux de travail des agents sous forme de code, orchestrant des tâches multi-étapes telles que la récupération de données, l'analyse et la génération. Le framework compile les scripts DSL en pipelines exécutables qui peuvent être lancés localement ou en production. Labs prend en charge une interface REPL interactive, des outils en ligne de commande et s'intègre aux fournisseurs LLM standard. Son architecture modulaire permet des extensions faciles avec des fonctions et utilitaires personnalisés, favorisant le prototypage rapide et un développement d'agents maintenable. L'exécution légère garantit une faible surcharge et une intégration transparente dans les applications existantes.

LangBot est une plateforme auto-hébergée et open-source qui permet une intégration transparente de grands modèles de langage dans plusieurs canaux de messagerie. Elle offre une interface web pour déployer et gérer des bots, supporte des fournisseurs de modèles comme OpenAI, DeepSeek et des LLM locaux, et s'adapte à des plateformes telles que QQ, WeChat, Discord, Slack, Feishu et DingTalk. Les développeurs peuvent configurer des flux de conversation, mettre en place des stratégies de limitation de débit, et étendre les fonctionnalités via des plugins. Conçue pour la scalabilité, LangBot unifie la gestion des messages, l'interaction avec le modèle et l'analyse dans un seul cadre, accélérant la création d'applications d'IA conversationnelle pour le service client, les notifications internes et la gestion communautaire.

LeanAgent est un cadre basé sur Python conçu pour rationaliser la création d'agents IA autonomes. Il offre des modules de planification intégrés exploitant de grands modèles linguistiques pour la prise de décision, une couche d'intégration d'outils extensible pour appeler des API externes ou des scripts personnalisés, et un système de gestion de mémoire qui conserve le contexte entre les interactions. Les développeurs peuvent configurer des flux de travail d'agents, intégrer des outils personnalisés, itérer rapidement avec des utilitaires de débogage, et déployer des agents prêts pour la production dans divers domaines.

Le framework LLM Maze Agent fournit un environnement basé sur Python pour construire des agents intelligents capables de naviguer dans des labyrinthes en grille en utilisant de grands modèles linguistiques. En combinant des interfaces modulaires d’environnement avec des modèles de prompt en chaîne de pensée et une planification heuristique, l’agent interroge itérativement un LLM pour décider des directions de déplacement, s’adapter aux obstacles et mettre à jour sa représentation d’état interne. La prise en charge prête à l’emploi des modèles OpenAI et Hugging Face permet une intégration transparente, tandis que la génération de labyrinthes configurable et le débogage étape par étape facilitent l’expérimentation avec différentes stratégies. Les chercheurs peuvent ajuster les fonctions de récompense, définir des espaces de observations personnalisés et visualiser les trajectoires de l’agent pour analyser les processus de raisonnement. Ce design rend LLM Maze Agent un outil polyvalent pour évaluer la planification pilotée par LLM, enseigner des concepts d’IA et benchmarker la performance des modèles sur des tâches de raisonnement spatial.

LLM State Machine est un framework Python open-source conçu pour construire des agents IA utilisant des machines à états explicites. Les développeurs définissent des états comme des étapes discrètes—chacune invoquant un grand modèle linguistique ou une logique personnalisée—et des transitions basées sur des sorties. Cette approche offre clarté, maintenabilité et une gestion robuste des erreurs pour des workflows multi-étapes alimentés par LLM, tels que le traitement de documents, les bots conversationnels ou les pipelines d'automatisation.

LLMWare sert d'outil complet pour la construction d'agents AI alimentés par de grands modèles de langage. Il permet de définir des chaînes réutilisables, d'intégrer des outils externes via des interfaces simples, de gérer les états de mémoire contextuelle et d'orchestrer un raisonnement multi-étapes entre modèles de langage et services en aval. Avec LLMWare, les développeurs peuvent brancher différents backends de modèles, configurer la logique de décision de l'agent et ajouter des kits d'outils personnalisés pour des tâches telles que la navigation web, les requêtes de base de données ou les appels API. Sa conception modulaire permet un prototypage rapide d'agents autonomes, de chatbots ou d'assistants de recherche, avec une journalisation intégrée, la gestion des erreurs et des adaptateurs de déploiement pour les environnements de développement et de production.

SCOUT-2 offre une architecture modulaire pour construire des agents autonomes alimentés par de grands modèles de langage. Il inclut la décomposition des objectifs, la planification des tâches, un moteur d'exécution et un module de réflexion basé sur les retours. Les développeurs définissent un objectif de haut niveau, et SCOUT-2 génère automatiquement un arbre de tâches, délègue l'exécution à des agents, surveille l'avancement et affine les tâches en fonction des résultats. Il s'intègre aux API d'OpenAI et peut être étendu avec des invites personnalisées et des modèles pour supporter un large éventail de flux de travail.

Taiat (TypeScript AI Agent Toolkit) est un cadre léger et extensible pour construire des agents IA autonomes dans les environnements Node.js et navigateur. Il permet aux développeurs de définir des comportements d'agents, d'intégrer des API de grands modèles de langage comme OpenAI et Hugging Face, et d'orchestrer des flux de travail d'exécution d'outils multi-étapes. Le framework supporte des backend mémoire personnalisables pour des conversations à état, l'enregistrement d'outils pour recherches web, opérations de fichiers et appels API externes, ainsi que des stratégies de décision modulables. Avec Taiat, vous pouvez rapidement prototyper des agents qui planifient, raisonnent et exécutent des tâches de manière autonome, allant de la récupération de données et la synthèse jusqu'à la génération automatique de code et assistants conversationnels.