Whiz est conçu pour fournir une base robuste pour le développement d'agents intelligents capables d'effectuer des workflows conversationnels et orientés tâches complexes. Avec Whiz, les développeurs définissent des "outils" — des fonctions Python ou des API externes — que l'agent peut invoquer lors du traitement des requêtes utilisateur. Un module de mémoire intégré capture et récupère le contexte de conversation, permettant des interactions multi-tours cohérentes. Un moteur de planification dynamique décompose les objectifs en étapes réalisables, tandis qu'une interface flexible permet d'injecter des politiques personnalisées, des registres d'outils et des backends de mémoire. Whiz supporte la recherche sémantique basée sur des embeddings pour extraire des documents pertinents, la journalisation pour la traçabilité et l'exécution asynchrone pour la montée en charge. Entièrement open-source, Whiz peut être déployé partout où Python s'exécute, permettant une création rapide de prototypes de bots d'assistance client, d'assistants d'analyse de données ou d'agents spécialisés, avec peu de boilerplate.

AgenticAppBuilder accélère le développement d'agents IA en fournissant une interface CLI à une commande pour créer des applications prêtes pour la production. Il configure les paramètres des modèles de langage, les backends mémoire, les intégrations d'outils et une interface utilisateur, permettant aux développeurs de se concentrer sur la logique personnalisée de l'agent. L'architecture modulaire supporte des chaînes d'outils extensibles, une gestion transparente des clés API et des scripts de déploiement pour des environnements locaux ou cloud, réduisant le code boilerplate et accélérant la création de prototypes.

Agent Forge fournit une architecture modulaire pour définir, exécuter et coordonner des agents IA. Il offre des API intégrées pour l'orchestration des tâches, des modules de mémoire pour la conservation du contexte à long terme et un système de plugins pour intégrer des services externes (par exemple, LLMs, bases de données, API tiers). Les développeurs peuvent rapidement prototyper, tester et déployer des agents en production, en combinant des flux de travail complexes sans gérer une infrastructure de bas niveau.

AgentScript est un cadre d'agents IA qui permet aux utilisateurs de composer visuellement des workflows, d'intégrer des APIs externes et de configurer des agents autonomes. Avec le débogage intégré, des tableaux de bord de surveillance et le contrôle de version, les équipes peuvent rapidement prototyper, tester et déployer des agents pour gérer des tâches telles que l'analyse de données, le support client et l'automatisation des processus. Les agents peuvent être programmés, déclenchés par des événements ou fonctionner en continu, et peuvent être étendus via du code personnalisé ou des plugins tiers.

Agentic AI Systems est une ressource centralisée sur GitHub listant et décrivant une large gamme de frameworks et outils d'IA agentique open-source. Il organise les entrées par capacités, langages, et outils pris en charge, offrant des liens directs vers le code source, la documentation et des exemples de démarrage rapide. Les développeurs peuvent rapidement identifier et comparer des plateformes d'agents, explorer des implémentations d'exemples, et intégrer les frameworks sélectionnés dans leurs propres projets. Le dépôt est mis à jour régulièrement pour inclure de nouveaux projets, des changements de version, et des contributions communautaires, en faisant une référence pour la recherche et le prototypage en systèmes d'IA autonomes.

Le SDK Azure AI Agent est un cadre complet qui permet aux développeurs de créer des agents intelligents et autonomes capables d'exécuter des tâches complexes. Il offre une architecture modulaire comprenant des planificateurs, des exécuteurs et des composants de mémoire qui collaborent pour évaluer les intentions des utilisateurs, planifier des actions, invoquer des API externes ou des outils personnalisés, et stocker l’état de façon persistante. Le SDK supporte l’intégration avec divers LLMs, permettant des conversations contextuelles et une prise de décision. Avec une télémétrie intégrée et des connecteurs de services Azure, les agents peuvent gérer la récupération d’erreurs, évoluer dans des environnements cloud, et maintenir des interactions sécurisées. Le prototypage rapide est facilité par des modèles CLI et des compétences préconstruites, permettant aux équipes de déployer des travailleurs numériques automatisant des flux, améliorant le support client ou effectuant des analyses de données de manière indépendante.

FAgent offre une architecture modulaire pour construire des agents IA, notamment des abstractions d'environnements, des interfaces de politiques et des connecteurs d'outils. Il prend en charge l'intégration avec des services LLM populaires, implémente la gestion de la mémoire pour la conservation du contexte et fournit une couche d'observabilité pour la journalisation et la surveillance des actions des agents. Les développeurs peuvent définir des outils et des actions personnalisés, orchestrer des flux de travail en plusieurs étapes et exécuter des évaluations basées sur des simulations. FAgent comprend également des plugins pour la collecte de données, les métriques de performance et les tests automatisés, ce qui le rend adapté à la recherche, à la réalisation de prototypes et aux déploiements en production d'agents autonomes dans diverses domaines.

Le Gemini Agent Cookbook est une boîte à outils open-source curatée proposant une variété d'exemples pratiques pour construire des agents intelligents alimentés par les modèles linguistiques Gemini de Google. Il inclut des codes d'exemple pour orchestrer des chaînes de raisonnement à plusieurs étapes, invoquer dynamiquement des API externes, intégrer des kits d'outils pour la récupération de données et gérer les flux de conversation. Le cookbook démontre les meilleures pratiques en matière de gestion des erreurs, de gestion du contexte et de conception de prompts, en supportant des cas d'utilisation tels que les chatbots autonomes, l'automatisation des tâches et les systèmes d'aide à la décision. Il guide les développeurs dans la construction d'agents personnalisés capables d'interpréter les demandes des utilisateurs, de récupérer des données en temps réel, d'effectuer des calculs et de générer des sorties formatées. En suivant ces recettes, les ingénieurs peuvent accélérer la création de prototypes d'agents et déployer des applications IA robustes dans divers domaines.

GPT-CodeApp offre une interface graphique intuitive où les utilisateurs tapent des descriptions en langage naturel (par ex., “build a React login form”) et reçoivent instantanément des extraits de code prêts à l'emploi ou des scaffolds de projet. Elle supporte des langages majeurs comme JavaScript, Python, Java, C# et autres. Les utilisateurs peuvent personnaliser leurs invites, parcourir l'historique et exporter les fichiers générés. Conçue avec Electron et React, elle fonctionne sur plusieurs plateformes sans besoin de plugin IDE. GPT-CodeApp aide à accélérer le développement, réduire le boilerplate et apprendre de nouveaux frameworks par l'exemple.

GridWorldEnvs propose une suite complète d'environnements de mondes en grille pour soutenir la conception, le test et la benchmarkisation des systèmes d'apprentissage par renforcement et multi-agents. Les utilisateurs peuvent facilement configurer les dimensions de la grille, les positions de départ des agents, les emplacements cibles, obstacles, structures de récompense et espaces d'actions. La bibliothèque inclut des modèles prêts à l'emploi tels que la navigation classique, l'évitement d'obstacles et les tâches coopératives, tout en permettant la définition de scénarios personnalisés via JSON ou classes Python. Une intégration transparente avec l'API OpenAI Gym permet d'appliquer directement des algorithmes RL standards. De plus, GridWorldEnvs supporte des expérimentations à agent unique ou multi-agents, des outils de journalisation et de visualisation pour le suivi des performances des agents.

Microsoft AutoGen a été conçu pour faciliter le développement complet d'agents IA autonomes en fournissant des composants modulaires pour la gestion de la mémoire, la planification des tâches, l'intégration d'outils et la communication. Les développeurs peuvent définir des outils personnalisés avec des schémas structurés et se connecter à des fournisseurs LLM majeurs comme OpenAI et Azure OpenAI. Le framework supporte l'orchestration d'un ou plusieurs agents, permettant des workflows collaboratifs où les agents coordonnent l'exécution de tâches complexes. Son architecture plug-and-play permet une extension facile avec de nouveaux magasins de mémoire, stratégies de planification et protocoles de communication. En abstraisant les détails d'intégration de bas niveau, AutoGen accélère la création de prototypes et le déploiement d'applications pilotées par IA dans des domaines tels que le support client, l'analyse de données et l'automatisation des processus.

Python Coding Agent est un outil en ligne de commande open-source qui utilise des modèles GPT pour générer du code Python à partir de textes, exécuter ce code localement, et détecter les erreurs d'exécution. Il fournit des retours instantanés permettant aux utilisateurs d'affiner le code de façon itérative, d'automatiser des tâches de scripting répétitives, de prototyper des pipelines d'analyse de données, et de déboguer des fonctions. En combinant la compréhension du langage naturel avec l'exécution en temps réel, il comble le fossé entre idée et implémentation, accélérant le développement et l'apprentissage.

Le modèle AgentForce Custom Client fournit une base de code utilisant JavaScript/TypeScript et les API Salesforce pour s'authentifier auprès d'une organisation Salesforce, gérer les sessions de chat AgentForce, envoyer et recevoir des messages, et personnaliser les composants de l'interface utilisateur. Il met en avant la souscription aux événements, l'intégration de logique métier personnalisée, et le style via Lightning Web Components. Les développeurs peuvent utiliser ce modèle pour créer des agents conversationnels IA, ajuster les flux de messages, intégrer des systèmes externes et étendre le cadre pour répondre aux flux de travail et aux exigences de branding spécifiques à leur organisation.

AgentSpeak est une implémentation open-source en Java du langage de programmation AgentSpeak(L), conçue pour faciliter la création et la gestion d'agents autonomes BDI (Croyance-Désir-Intention). Il possède un environnement d'exécution qui analyse le code AgentSpeak(L), maintient les bases de croyances des agents, déclenche des événements et sélectionne puis exécute des plans en fonction des croyances et objectifs actuels. L'interpréteur supporte l'exécution concurrente des agents, les mises à jour dynamiques de plans et des sémantiques personnalisables. Avec une architecture modulaire, les programmeurs peuvent étendre des composants centraux tels que la sélection de plans et la révision des croyances. AgentSpeak permet aux chercheurs et à l'industrie de prototyper, simuler et déployer des agents intelligents dans des simulations, des systèmes IoT et des scénarios multi-agents.

Ce projet de démarrage fournit une application FastAPI prête à l'emploi, préconfigurée pour le développement d'agents IA. Il utilise Pydantic pour la validation des requêtes/réponses, une configuration basée sur l'environnement pour les clés API OpenAI, et une scaffolding modulaire des points de terminaison. Les fonctionnalités intégrées incluent la documentation Swagger UI, la gestion CORS et le journalisation structurée, permettant aux équipes de prototyper et déployer rapidement des points de terminaison IA sans surcharge de boilerplate. Les développeurs définissent simplement des modèles Pydantic et des fonctions d'agent pour obtenir un serveur API prêt pour la production.

Self-Determining AI Agents est un framework basé sur Python conçu pour simplifier la création d'agents IA autonomes. Il dispose d'une boucle de planification personnalisable où les agents génèrent des tâches, planifient des stratégies et exécutent des actions à l'aide d'outils intégrés. Le framework inclut des modules de mémoire persistants pour la conservation du contexte, un système de planification flexible et des hooks pour l'intégration d'outils personnalisés tels que API web ou requêtes de base de données. Les développeurs définissent des objectifs d'agents via des fichiers de configuration ou du code, et la bibliothèque gère le processus décisionnel itératif. Il supporte la journalisation, la surveillance des performances et peut être étendu avec de nouveaux algorithmes de planification. Idéal pour la recherche, l'automatisation des workflows et la prototypage rapide de systèmes multi-agents intelligents.