CodeFlying est une plateforme no-code alimentée par l'IA conçue pour construire instantanément des applications full-stack en interagissant avec l'IA. Elle génère automatiquement toute la pile logicielle, y compris frontend, backend et console de gestion, en fonction des entrées de l'utilisateur. Idéale pour les startups, développeurs solo et entreprises souhaitant prototyper rapidement ou lancer des applications sans codage approfondi, elle supporte une large gamme de types d'applications allant des mini-programmes aux gestionnaires de tâches et plateformes e-commerce. Les utilisateurs peuvent télécharger directement le code source ou déployer immédiatement les applications, tirant parti des capacités avancées de codage de l'IA pour simplifier et accélérer le développement d'applications.

Modelfy est une plateforme pilotée par IA conçue pour convertir des images 2D en modèles 3D de haute qualité utilisant des réseaux neuronaux propriétaires avancés et la technologie de résolution octree. Elle permet aux utilisateurs de télécharger des images et de recevoir des actifs 3D optimisés sous des formats comme GLB, OBJ et STL. Cette plateforme convient aux professionnels nécessitant un prototypage rapide, des actifs pour jeux ou des modèles pour impression 3D, avec une infrastructure de niveau entreprise garantissant fiabilité et génération précise de textures.

Autoware est une plateforme logicielle open source à la pointe de la technologie conçue pour les fonctions de véhicule autonome. Elle intègre diverses capacités telles que la perception, la localisation, la planification et le contrôle, répondant ainsi aux besoins des développeurs et des chercheurs. Avec Autoware, les utilisateurs peuvent créer des applications de conduite autonome sophistiquées, accédant à un large éventail d'outils et de modules logiciels préconfigurés, facilitant le test et le déploiement rapides dans des environnements réels.

Flocking Multi-Agent offre une bibliothèque modulaire pour simuler des agents autonomes exhibant une intelligence de troupe. Elle encode les comportements de pilotage principaux — cohésion, séparation et alignement — ainsi que l’évitement d’obstacles et la poursuite de cibles dynamiques. En utilisant Python et Pygame pour la visualisation, le cadre permet d’ajuster les paramètres tels que le rayon des voisins, la vitesse maximale et la force de tournage. Il supporte l’extensibilité via des fonctions comportementales personnalisées et des hook d’intégration pour la robotique ou les moteurs de jeu. Idéal pour l’expérimentation en IA, robotique, développement de jeux et recherche académique, il démontre comment des règles locales simples conduisent à des formations globales complexes.

LangChain Studio est un environnement de développement basé sur le navigateur, spécialement conçu pour construire des agents IA et des pipelines linguistiques. Les utilisateurs peuvent faire glisser-déposer des composants pour assembler des chaînes, configurer des paramètres LLM, intégrer des API externes et des outils, et gérer la mémoire contextuelle. La plateforme supporte des tests en direct, le débogage et des tableaux de bord analytiques, permettant une itération rapide. Elle offre également des options de déploiement et un contrôle de version, rendant la publication d'applications alimentées par des agents simple.

OLI (OpenAI Logic Interpreter) est un cadre côté client conçu pour simplifier la création d'agents IA dans les applications web en tirant parti de l'API OpenAI. Les développeurs peuvent définir des fonctions personnalisées que OLI sélectionne intelligemment en fonction des invites utilisateur, gérer le contexte de la conversation pour maintenir un état cohérent lors de plusieurs interactions et chaîner les appels API pour des flux de travail complexes comme la réservation de rendez-vous ou la génération de rapports. En outre, OLI inclut des utilitaires pour analyser les réponses, gérer les erreurs et intégrer des services tiers via webhooks ou endpoints REST. Étant entièrement modulaire et open-source, les équipes peuvent personnaliser le comportement des agents, ajouter de nouvelles fonctionnalités et déployer des agents OLI sur n’importe quelle plateforme web sans dépendances back-end. OLI accélère le développement d’interfaces conversationnelles et d'automatisations.

Ce projet présente un agent IA de support client entièrement fonctionnel qui exploite le framework Autogen d'OpenAI et une interface frontale Streamlit. Il route les requêtes utilisateur via une pipeline d'agent personnalisable, maintient le contexte conversationnel et génère des réponses précises et contextualisées. Les développeurs peuvent facilement cloner le dépôt, configurer leur clé API OpenAI et lancer une interface web pour tester ou étendre les capacités du bot. La base de code comprend des points de configuration clairs pour la conception des prompts, la gestion des réponses et l'intégration avec des services externes, en faisant un point de départ polyvalent pour la création de chatbots support, d'automatismes helpdesk ou d'assistants interne Q&A.

WanderMind offre une architecture modulaire pour la construction d'agents IA auto-guidés. Il gère un stockage de mémoire persistante pour conserver le contexte entre les sessions, s'intègre avec des outils et APIs externes pour des fonctionnalités étendues, et orchestre le raisonnement à plusieurs étapes par le biais de planificateurs personnalisables. Les développeurs peuvent connecter différents fournisseurs LLM, définir des tâches asynchrones, et étendre le système avec de nouveaux adaptateurs d'outils. Ce cadre accélère l'expérimentation de flux de travail autonomes, permettant des applications allant de l'exploration d'idées à des assistants de recherche automatisés sans surcharge technique importante.

BotSharp-UI est une interface moderne basée sur le navigateur conçue pour simplifier la création et la gestion d’agents conversationnels IA construits sur le framework BotSharp. Elle comprend un éditeur visuel pour les intentions et les entités, un constructeur d’arborescence de dialogue personnalisable, et un gestionnaire de données d’entraînement intégré. Les utilisateurs peuvent importer/exporter des ensembles de données, se connecter à plusieurs backends NLP (ex. Rasa, LUIS, TensorFlow), et annoter les expressions. La console de test intégrée simule les interactions utilisateur en temps réel, tandis que les tableaux de bord de performance offrent des insights sur la précision des intentions et l’engagement utilisateur. Les assistants de déploiement simplifient la publication des bots sur le web, mobile et les plateformes de messagerie. Avec un contrôle d’accès basé sur les rôles, le support multilingue, et une architecture de plugins, BotSharp-UI accélère les flux de travail de développement, réduit la complexité de configuration, et facilite la collaboration entre équipes techniques et commerciales sur les projets de chatbots.

APLib est conçu pour simplifier le développement d'agents autonomes pilotés par l'IA dans les environnements de jeu et de simulation. Utilisant une architecture inspirée de Belief-Desire-Intention (BDI), il offre des composants modulaires pour la perception, la prise de décision et l'exécution d'actions. Les développeurs définissent les croyances, objectifs et comportements de l'agent via des API intuitives et des arbres de comportement. Les agents APLib peuvent interpréter l'état du jeu à l'aide de capteurs personnalisables, élaborer des plans avec des planificateurs intégrés, et interagir avec l'environnement via des actionneurs. La bibliothèque prend en charge l'intégration avec Unity, Unreal, et des environnements Java purs, facilitant les tests automatisés, la recherche en IA et les simulations. Elle favorise la réutilisation des modules de comportement, le prototypage rapide, et des workflows QA robustes en automatisant les scénarios de test répétitifs et la simulation de comportements complexes de joueurs sans intervention manuelle.

Le SDK Goat est conçu pour simplifier la création et l'orchestration d'agents IA en Go. Il fournit des intégrations LLM modulables (OpenAI, Anthropic, Azure, modèles locaux), un registre d'outils pour les actions personnalisées et des mémoires pour des conversations avec état. Les développeurs peuvent définir des chaînes, des stratégies de représentation et des éditeurs pour produire des interactions via CLI, WebSocket, points d'extrémité REST ou une interface Web intégrée. Goat supporte les réponses en streaming, la journalisation personnalisable et la gestion facile des erreurs. En combinant ces composants, vous pouvez développer des chatbots, des flux de travail d'automatisation et des systèmes de soutien à la décision en Go avec un minimal de boilerplate, tout en conservant la flexibilité de changer ou d'étendre les fournisseurs et outils selon les besoins.

SimplerLLM fournit aux développeurs une API minimaliste pour composer des chaînes LLM, définir des actions d'agents et orchestrer des appels d'outils. Avec des abstractions intégrées pour la conservation de mémoire, des modèles de prompt et l'analyse de sortie, les utilisateurs peuvent rapidement assembler des agents conversationnels qui maintiennent le contexte entre les interactions. Le framework s'intègre parfaitement avec OpenAI, Azure et HuggingFace, et supporte des outils modulables pour les recherches, les calculatrices et les APIs personnalisées. Son cœur léger minimise les dépendances, permettant un développement agile et un déploiement facile sur le cloud ou en edge. Que ce soit pour construire des chatbots, des assistants QA ou des automateurs de tâches, SimplerLLM simplifie les pipelines d'agents LLM de bout en bout.

MIDCA est une architecture modulaire conçue pour supporter la boucle cognitive complète des agents intelligents. Elle traite les entrées sensorielles via un module de perception, interprète les données pour générer et prioriser des objectifs, utilise un planificateur pour créer des séquences d'actions, exécute des tâches, puis évalue les résultats par une couche métacognitive. La conception à double-cycles sépare les réponses réactives rapides du raisonnement délibératif plus lent, permettant aux agents de s'adapter dynamiquement. La cadre extensible et le code source ouvert font de MIDCA un outil idéal pour la recherche et le développement dans la prise de décision autonome, l'apprentissage et la réflexion sur soi en IA.

Cognify permet aux utilisateurs de définir leurs objectifs en science des données et de laisser les agents IA gérer la partie difficile. Les agents peuvent écrire et déboguer du code, se connecter à des bases de données pour obtenir des insights, produire des visualisations interactives et même exporter des rapports. Grâce à une architecture de plugins, les utilisateurs peuvent étendre la fonctionnalité aux API personnalisées, aux systèmes de planification et aux services cloud. Cognify offre la reproductibilité, des fonctionnalités de collaboration et un journal de bord pour suivre les décisions et sorties des agents, le rendant adapté au prototypage rapide et aux flux de travail en production.

Protofy fournit une boîte à outils complète pour le développement et le déploiement rapides d'agents conversationnels pilotés par IA. En utilisant des modèles linguistiques avancés, il permet aux utilisateurs de télécharger des documents, d’intégrer des API et de relier des bases de connaissances directement au backend de l’agent. Un éditeur de flux visuel facilite la conception des parcours de dialogue, tandis que des réglages de persona personnalisables assurent une voix de marque cohérente. Protofy prend en charge le déploiement multi-canaux via des widgets intégrables, des points de terminaison REST et des intégrations avec des plateformes de messagerie. L’environnement de test en temps réel fournit des journaux de débogage, des métriques d’interaction utilisateur et des analyses de performance pour optimiser les réponses de l’agent. Aucun savoir-faire en programmation n’est requis, permettant aux gestionnaires de produits, aux designers et aux développeurs de collaborer efficacement lors de la conception et du lancement de prototypes.

AgentSimJS est conçu pour faciliter la création et l'exécution de modèles à grande échelle basés sur des agents en JavaScript. Grâce à son architecture modulaire, les développeurs peuvent définir des agents avec des états, capteurs, fonctions de décision et actionneurs personnalisés, puis les intégrer dans des environnements dynamiques paramétrés par des variables globales. Le framework orchestre des simulations à étapes discrets, gère la messagerie basée sur des événements entre agents et enregistre les données d'interaction pour analyse. Les modules de visualisation supportent le rendu en temps réel via Canvas HTML5 ou des bibliothèques externes, tandis que les plugins permettent une intégration avec des outils statistiques. AgentSimJS fonctionne à la fois dans les navigateurs modernes et sous Node.js, le rendant adapté aux applications web interactives, à la recherche académique, aux outils éducatifs et au prototypage rapide d'intelligence en essaim, de dynamique des foules ou d'expériences d'IA distribuée.

Skeernir est un cadre open-source d'agents IA conçu pour accélérer le développement d'agents maître marionnette pour l'automatisation de jeux et l'orchestration de processus. Le projet comprend un modèle de base, des API principales et des modules d'exemple illustrant comment connecter la logique de l'agent aux environnements cibles, que ce soit pour simuler des parties ou contrôler des tâches du système d'exploitation. Son architecture extensible permet aux utilisateurs de mettre en œuvre des stratégies de prise de décision personnalisées, d'intégrer des modèles d'apprentissage automatique et de gérer le cycle de vie des agents sur Windows, Linux et macOS. Avec une journalisation intégrée et un support de configuration, Skeernir facilite les tests, le débogage et le déploiement d'agents IA autonomes.

MARTI (Multi-Agent Reinforcement Learning Toolkit and Interface) est un cadre orienté recherche qui facilite le développement, l'évaluation et le benchmarking des algorithmes RL multi-agent. Il offre une architecture plug-and-play où les utilisateurs peuvent configurer des environnements personnalisés, des politiques d'agents, des structures de récompense et des protocoles de communication. MARTI s'intègre aux bibliothèques de deep learning populaires, supporte l'accélération GPU et l'entraînement distribué, et génère des journaux détaillés ainsi que des visualisations pour l'analyse des performances. La conception modulaire du toolkit permet une prototypage rapide des approches novatrices et une comparaison systématique avec des baselines standard, ce qui le rend idéal pour la recherche académique et les projets pilotes dans les systèmes autonomes, la robotique, l'IA de jeu et les scénarios multi-agents coopératifs.

AI Agent Setup fournit un cadre complet pour construire des agents intelligents capables de comprendre, raisonner et agir selon les instructions de l'utilisateur. Au cœur, il offre des packages Python modulaires que vous pouvez utiliser pour assembler des agents avec des modèles d'invite personnalisés, une exécution en chaîne à plusieurs étapes et des capacités de mémoire alimentées par des bases de données vectorielles comme FAISS ou Chroma. Les développeurs peuvent connecter divers fournisseurs de LLM, y compris OpenAI, Hugging Face et des modèles Llama locaux, pour définir des flux de travail sur mesure pour des tâches telles que la récupération d'informations, la recherche automatisée, le support client ou l'automatisation des processus. Les scripts de configuration d'environnement simplifient la gestion des clés API et l'installation des dépendances, tandis que des modèles d'exemple illustrent les meilleures pratiques. Que vous prototypiez un assistant conversationnel ou déployiez un travailleur numérique autonome, AI Agent Setup facilite le processus avec des composants flexibles et extensibles.

Dive est un cadre open-source basé sur Python, conçu pour créer et exécuter des agents IA autonomes capables d'effectuer des tâches multi-étapes avec une intervention manuelle minimale. En définissant des profils d'agents dans des fichiers de configuration YAML simples, les développeurs peuvent spécifier des API, des outils et des modules de mémoire pour des tâches telles que la récupération de données, l'analyse et l'orchestration de pipelines. Dive gère le contexte, l'état et l'ingénierie des prompts, permettant des flux de travail flexibles avec gestion d'erreurs intégrée et journalisation. Son architecture modulaire supporte une large gamme de modèles linguistiques et de systèmes de récupération, facilitant la constitution d'agents pour l'automatisation du service client, la génération de contenu et les processus DevOps. Le cadre évolue de la prototype à la production, offrant des commandes CLI et des points de terminaison API pour une intégration transparente dans des systèmes existants.