Telegram AI Agent est un framework léger open-source qui permet aux développeurs de créer et déployer des bots intelligents dans Telegram utilisant les modèles GPT d'OpenAI. Il fournit une mémoire de conversation persistante, des modèles de prompts configurables et des personnalités d'agents personnalisables. Avec le support de multiples agents, architectures de plugins et configuration simple de l'environnement, les utilisateurs peuvent étendre les capacités du bot avec des APIs externes ou des bases de données. Le framework gère le routage des messages, l’analyse des commandes et la gestion de l’état, permettant des interactions fluides et contextuelles. Que ce soit pour le support client, les assistants éducatifs ou la gestion de communauté, Telegram AI Agent simplifie la création de bots robustes et évolutifs offrant des réponses proches de celles humaines directement dans Telegram.

TypeAI Core offre un cadre complet pour créer des agents pilotés par IA qui exploitent de grands modèles linguistiques. Il inclut des utilitaires de modèles de prompts, une mémoire conversationnelle avec stockage vectoriel, une intégration transparente d'outils externes (API, bases de données, runners de code) et un support pour des agents imbriqués ou collaboratifs. Les développeurs peuvent définir des fonctions personnalisées, gérer l'état des sessions et orchestrer des flux de travail via une API TypeScript intuitive. En abstraisant les interactions complexes avec les LLM, TypeAI Core accélère le développement d'une IA conversationnelle contextuelle et multi-tours avec un minimum de boilerplate.

Inngest AgentKit offre un cadre complet pour développer des agents IA dans un environnement Node.js. Il exploite l'architecture événementielle d'Inngest pour déclencher des flux de travail d'agents basés sur des événements externes tels que les requêtes HTTP, les tâches planifiées ou les appels Webhook. La boîte à outils comprend des utilitaires de rendu de modèle pour créer des réponses dynamiques, une gestion intégrée de l'état pour maintenir le contexte lors des sessions, et une intégration transparente avec des API externes et des modèles de langage. Les agents peuvent transmettre des réponses partielles en streaming en temps réel, gérer une logique complexe, et orchestrer des processus à plusieurs étapes avec gestion des erreurs et tentatives. En abstraisant l'infrastructure et les préoccupations de workflow, AgentKit permet aux développeurs de se concentrer sur la conception de comportements intelligents, tout en réduisant le code répétitif et en accélérant le déploiement d'assistants conversationnels, de pipelines de traitement de données, et de bots d'automatisation.

AI Agent Example est un référentiel de démonstration pratique pour les développeurs et chercheurs souhaitant construire des agents intelligents alimentés par de grands modèles de langage (LLM). Le projet inclut un code d'exemple pour la planification d'agents, le stockage de mémoire et l'invocation d'outils, illustrant comment intégrer des API externes ou des fonctions personnalisées. Il propose une interface conversationnelle simple qui interprète les intentions de l'utilisateur, formule des plans d'action et exécute des tâches en appelant des outils prédéfinis. Les développeurs peuvent suivre des modèles clairs pour étendre l'agent avec de nouvelles capacités comme la planification d'événements, le scraping web ou le traitement automatisé de données. Offrant une architecture modulaire, ce modèle accélère l'expérimentation avec des workflows pilotés par l'IA et des assistants numériques personnalisés tout en donnant un aperçu de l'orchestration des agents et de la gestion d'état.

Swarms.rs est le runtime principal en Rust pour exécuter des programmes d'agents IA basés sur des essaims. Il comprend un système modulaire de plugins pour intégrer une logique personnalisée ou des modèles IA, une couche de passage de messages pour la communication p2p, et un exécuteur asynchrone pour planifier les comportements des agents. Ces composants permettent aux développeurs de concevoir, déployer et faire évoluer des réseaux complexes d'agents décentralisés pour la simulation, l'automatisation et la collaboration multi-agents.

DevLooper est conçu pour simplifier le cycle de vie complet des projets d'agents IA. En une seule commande, vous pouvez générer un code de base pour des agents spécifiques à une tâche et des workflows étape par étape. Il exploite l'environnement d'exécution natif cloud de Modal pour exécuter des agents comme des fonctions évolutives sans état, tout en offrant des modes d'exécution locale et de débogage pour une itération rapide. DevLooper gère des flux de données avec état, la planification périodique et l'observabilité intégrée dès la sortie de la boîte. En abstraisant les détails de l'infrastructure, il permet aux équipes de se concentrer sur la logique des agents, les tests et l'optimisation. Une intégration transparente avec les bibliothèques Python existantes et le SDK Modal garantit des déploiements sécurisés et reproductibles dans les environnements de développement, de staging et de production.

Serverless AI Agent simplifie la création et le déploiement d'agents IA autonomes en tirant parti des fonctions cloud sans serveur. En définissant les comportements de l’agent dans des fichiers de configuration simples, les développeurs peuvent activer des flux de travail pilotés par IA qui traitent des entrées en langage naturel, interagissent avec des API, exécutent des requêtes de bases de données et émettent des événements. Le framework abstrait la gestion de l’infrastructure, dimensionne automatiquement les fonctions d'agent en fonction de la demande. Avec une persistance d'état intégrée, des logs et une gestion des erreurs, Serverless AI Agent prend en charge des tâches longues, des travaux planifiés et des automatisations pilotées par des événements. Les développeurs peuvent intégrer des middlewares personnalisés, choisir parmi plusieurs fournisseurs cloud et étendre les capacités de l’agent avec des plugins de surveillance, d’authentification et de stockage des données. Cela permet un prototypage rapide et un déploiement de solutions solides alimentées par l'IA.

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.

EthLisbon fournit une architecture d'agents autonomes prête à l'emploi qui interagit avec les contrats intelligents Ethereum pour réaliser automatiquement des enchères, des offres et des échanges. Il écoute les événements de la chaîne, traite les flux de données off-chain et exécute des stratégies personnalisables basées sur des paramètres configurables. La base de code modulaire permet aux développeurs d'étendre leurs compétences, d'intégrer des oracles supplémentaires et de déployer plusieurs instances d'agents. Les mécanismes de reprise et de gestion d'état assurent la résilience, tandis que les outils intégrés de journalisation et de surveillance offrent une visibilité en temps réel sur le fonctionnement des agents.