LangGraph offre une abstraction basée sur un graphe pour concevoir des flux de travail d'agents AI. Les développeurs définissent des nœuds représentant des invites, outils, sources de données ou logique de décision, puis connectent ces nœuds avec des bords pour former un graphe dirigé. Lors de l'exécution, LangGraph parcourt le graphe, exécutant des appels LLM, des requêtes API et des fonctions personnalisées en séquence ou en parallèle. La prise en charge intégrée du cache, de la gestion des erreurs, du journal et de la concurrence assure un comportement robuste de l'agent. Des modèles de nœuds et de bords extensibles permettent aux utilisateurs d'intégrer tout service ou modèle externe, rendant LangGraph idéal pour construire des chatbots, des pipelines de données, des travailleurs autonomes et des assistants de recherche sans code boilerplate complexe.

Embedded BDI fournit un moteur complet pour le cycle de vie BDI : il modélise les croyances d'un agent sur son environnement, gère l'évolution des désirs ou objectifs, choisit des intentions dans une bibliothèque de plans, et exécute des comportements en temps réel. Le cadre comprend des modules pour le stockage de la base de croyances, la définition de la bibliothèque de plans, le déclenchement d'événements et le contrôle de la concurrence, spécialement conçu pour les microcontrôleurs à mémoire limitée. Avec une API simple, les développeurs peuvent annoter les croyances, spécifier des désirs et implémenter des plans dans le code. Son ordonnanceur gère l'exécution prioritaire des intentions et s'intègre avec les interfaces matérielles pour capteurs, actionneurs et communication réseau, ce qui le rend idéal pour les appareils IoT autonomes, robots mobiles et contrôleurs industriels.