AgentSimulation est une bibliothèque Python open-source construite sur Pygame pour simuler plusieurs agents autonomes dans un environnement 2D. Elle permet aux utilisateurs de configurer les propriétés des agents, les comportements de pilotage (chercher, fuir, errer), la détection de collision, la recherche de chemins et les règles interactives. Avec un rendu en temps réel et une conception modulaire, elle supporte la création rapide de prototypes, les simulations éducatives et la recherche à petite échelle en intelligence collective ou interactions multi-agents.

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.

Agent Zero est un assistant IA de nouvelle génération qui permet aux utilisateurs d'exécuter leurs propres agents IA autonomes sur un ordinateur virtuel. Il est open-source et entièrement personnalisable, ce qui signifie que les utilisateurs peuvent adapter ses fonctionnalités à leurs besoins spécifiques. Avec Agent Zero, vous pouvez contourner les limitations imposées par les systèmes IA traditionnels et profiter d'une expérience simplifiée et transparente. Cet assistant IA incarne les principes de décentralisation et d'autonomie, le rendant accessible à tous, quel que soit leur niveau technique.

AIAgentWorkshop est un projet Python open-source démontrant comment construire des agents IA autonomes capables de planifier, prendre des décisions et utiliser des outils. Il inclut des exemples d'intégration de recherche web, de gestion de fichiers et de commandes système, ainsi que des modules de mémoire et de raisonnement simples. Les développeurs peuvent suivre des exercices guidés pour créer des agents qui interprètent les objectifs des utilisateurs, génèrent des plans à plusieurs étapes, exécutent des tâches avec différents outils et maintiennent le contexte. L'architecture modulaire facilite l'échange ou l'extension des outils et la chaîne d'actions des agents pour des workflows complexes, transformant des concepts de recherche en IA en prototypes opérationnels.

Amico est un framework d'agents IA qui permet aux utilisateurs de créer des assistants autonomes personnalisés pour divers processus métiers. Grâce à un constructeur de flux visuel, les utilisateurs définissent des déclencheurs tels que l’arrivée d’un email ou des événements webhook, se connectent à des API tiers et programment la logique de traitement des données, de classification et de génération de réponses. La plateforme supporte des intégrations avec Slack, Zendesk, Google Sheets, et plus encore, permettant aux agents d'ingérer des données, de réaliser des analyses de sentiment, de planifier des réunions ou de générer des rapports. Les agents peuvent s’exécuter selon un calendrier ou en réaction à des événements en temps réel, effectuant des tâches sans intervention humaine. Les fonctionnalités avancées incluent des conversations conversationnelles, des workflows en plusieurs étapes et des tableaux de bord d’analyse de performance. Avec des mesures de sécurité intégrées et un contrôle d’accès basé sur les rôles, Amico offre une solution évolutive pour automatiser les tâches répétitives et améliorer l’efficacité des équipes.

Amon est une plateforme et un cadre pour créer des agents AI autonomes qui exécutent des tâches multi-étapes sans intervention humaine. Les utilisateurs définissent les comportements des agents, les sources de données et les intégrations via des fichiers de configuration simples ou une interface intuitive. Le runtime d’Amon gère les cycles de vie des agents, la gestion des erreurs et la logique de réessai. Il supporte la surveillance en temps réel, la journalisation et la mise à l’échelle dans des environnements cloud ou sur site, ce qui le rend idéal pour automatiser le support client, le traitement de données, la revue de code, et plus encore.

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.

BabyAGI UI fournit une interface frontale allégée, basée sur le navigateur, pour l'agent autonome open-source BabyAGI. Les utilisateurs saisissent un objectif global et une tâche initiale; le système utilise alors de grands modèles linguistiques pour générer des tâches suivantes, les prioriser en fonction de leur pertinence par rapport à l'objectif principal, et exécuter chaque étape. Tout au long du processus, BabyAGI UI conserve un historique des tâches terminées, affiche les résultats de chaque exécution, et met à jour dynamiquement la file d'attente des tâches. Les utilisateurs peuvent ajuster des paramètres comme le type de modèle, la mémoire, et les limites d'exécution, offrant un équilibre entre automatisation et contrôle dans des flux de travail auto-dirigés.

TinyAuton offre une architecture minimaliste et extensible pour construire des agents autonomes qui planifient, exécutent et affinent des tâches en utilisant les modèles GPT d'OpenAI. Il propose des modules intégrés pour définir des objectifs, gérer le contexte de conversation, invoquer des outils personnalisés et consigner les décisions de l'agent. Grâce à des boucles de réflexion autonome itératives, l'agent peut analyser les résultats, ajuster les plans et réessayer les étapes échouées. Les développeurs peuvent intégrer des API externes ou des scripts locaux en tant qu'outils, configurer la mémoire ou l'état, et personnaliser la pipeline de raisonnement de l'agent. TinyAuton est optimisé pour un prototypage rapide de flux de travail pilotés par l'IA, de l'extraction de données à la génération de code, tout cela en quelques lignes de Python.

Devon fournit une suite complète d'outils pour définir, orchestrer et exécuter des agents autonomes au sein d'applications Python. Les utilisateurs peuvent définir des objectifs pour l'agent, spécifier des tâches appelables et chaîner des actions en fonction de conditions. Grâce à une intégration transparente avec des modèles linguistiques tels que GPT et des bases de données vectorielles locales, les agents ingèrent et interprètent les entrées utilisateur, récupèrent des connaissances contextuelles et génèrent des plans. Le framework supporte la mémoire à long terme via des backends de stockage modulaires, permettant aux agents de se souvenir des interactions passées. Des composants de surveillance et de journalisation intégrés permettent un suivi en temps réel des performances de l'agent, tandis qu'une CLI et un SDK facilitent le développement et le déploiement rapides. Convient pour automatiser le support client, les pipelines d'analyse de données et les opérations métier routinières, Devon accélère la création de travailleurs numériques évolutifs.

Divine Agent est une plateforme d'agents IA complète qui simplifie la conception, le développement et le déploiement de travailleurs numériques autonomes. Grâce à son constructeur de flux de travail visuel intuitif, les utilisateurs peuvent définir le comportement de l'agent sous forme d'une séquence de nœuds, se connecter à n'importe quelle API REST ou GraphQL et choisir parmi des LLM supportés comme OpenAI et Google PaLM. Le module de mémoire intégré conserve le contexte entre les sessions, tandis que les analyses en temps réel suivent l'utilisation, la performance et les erreurs. Après tests, les agents peuvent être déployés en tant que points de terminaison HTTP ou intégrés avec des canaux comme Slack, email et applications personnalisées, permettant une automatisation rapide du support client, des ventes et des tâches de connaissance.

Le système multi-agent e-commerce sur JADE montre comment des agents autonomes peuvent gérer les flux de travail de shopping en ligne. Les agents acheteurs recherchent des produits et négocient les prix avec les agents vendeurs. Les agents vendeurs gèrent les stocks et les stratégies de tarification. Les agents logistique planifient les expéditions et mettent à jour le statut des commandes. Le système montre la communication entre agents via ACL, l'extension du comportement et le déploiement de conteneurs sur la plateforme JADE.

ElizaOS fournit une suite d'outils robuste pour concevoir, tester et déployer des agents IA autonomes dans des projets TypeScript. Les développeurs définissent les personnalités des agents, leurs objectifs et leurs hiérarchies de mémoire, puis utilisent le système de planification d'ElizaOS pour définir les flux de travail des tâches. Son architecture modulaire de connecteurs facilite l’intégration avec des plateformes de communication—Discord, Telegram, Slack, X—et des réseaux blockchain via des adaptateurs Web3. ElizaOS supporte plusieurs backends LLM (OpenAI, Anthropic, Llama, Gemini), permettant une transition transparente entre les modèles. La prise en charge des plugins étend la fonctionnalité avec des compétences personnalisées, des fonctions de journalisation et d’observabilité. À travers son CLI et SDK, les équipes peuvent itérer sur les configurations d'agents, surveiller la performance en direct, et faire évoluer les déploiements dans des environnements cloud ou sur site. ElizaOS permet aux entreprises d'automatiser les interactions client, l’engagement sur les réseaux sociaux et les processus métier avec des travailleurs numériques autonomes.

Industrial AI Agents est une boîte à outils basée sur Python conçue pour rationaliser les opérations industrielles en déployant des agents IA autonomes spécialisés dans les tâches de fabrication. Elle comprend un Data Ingest Agent pour la collecte de flux de capteurs via MQTT et OPC-UA, un Diagnostics Agent pour la détection d'anomalies et de défauts, un Quality Agent pour l'inspection visuelle par vision par ordinateur, et un Scheduling Agent pour la planification dynamique de la production. Le cadre supporte le déploiement conteneurisé avec Docker et Kubernetes, permettant l'intégration avec les plates-formes IoT existantes et des analyses en temps réel évolutives.

Java Action Generic est une bibliothèque légère et modulaire qui permet aux développeurs d'implémenter des comportements d'agents autonomes en Java en définissant des actions génériques. Les actions sont des unités de travail paramétrables que les agents peuvent exécuter, planifier et assembler à l'exécution. Le framework offre une interface cohérente pour les actions, permettant aux développeurs de créer des actions personnalisées, gérer les paramètres des actions et s'intégrer à la gestion du cycle de vie des agents LightJason. Avec le support pour l'exécution basée sur les événements et la concurrence, les agents peuvent réaliser des tâches telles que la prise de décision dynamique, l'interaction avec des services externes et l'orchestration de comportements complexes. La bibliothèque favorise la réutilisabilité et une conception modulaire, adaptée à la recherche, aux simulations, à l'IoT et aux applications d'IA de jeux sur toutes plateformes supportant la JVM.

openai-agents-python est un package Python complet conçu pour aider les développeurs à construire des agents IA entièrement autonomes. Il fournit des abstractions pour la planification des agents, l'intégration d'outils, les états de mémoire et les boucles d'exécution. Les utilisateurs peuvent enregistrer des outils personnalisés, spécifier des objectifs pour les agents et laisser le cadre orchestrer le raisonnement étape par étape. La bibliothèque inclut également des utilitaires pour tester et enregistrer les actions des agents, facilitant ainsi l'itération sur les comportements et le dépannage des tâches complexes en plusieurs étapes.

Le Framework de Simulation d'Agents LLM permet la conception, l'exécution et l'analyse d'environnements simulés où des agents autonomes interagissent via de grands modèles de langage. Les utilisateurs peuvent enregistrer plusieurs instances d'agents, assigner des invites et rôles personnalisables, et spécifier des canaux de communication tels que la transmission de messages ou un état partagé. Le framework orchestre les cycles de simulation, collecte des journaux et calcule des métriques comme la fréquence de passage de tour, la latence de réponse et les taux de succès. Il supporte une intégration transparente avec OpenAI, Hugging Face et des LLM locaux. Les chercheurs peuvent créer des scénarios complexes — négociation, allocation de ressources ou résolution collaborative de problèmes — pour observer des comportements émergents. Une architecture de plugins extensible permet d’ajouter de nouveaux comportements d'agents, contraintes environnementales ou modules de visualisation, favorisant des expériences reproductibles.

Maux est une plateforme SaaS d'agents IA qui permet aux équipes de concevoir, configurer et lancer des agents autonomes intelligents sans gestion approfondie de l'infrastructure. Les utilisateurs peuvent choisir parmi des modèles modulaires, personnaliser des chaînes de prompts et intégrer des API telles que Slack, des systèmes CRM ou des bases de données. Maux supporte l'orchestration multi-agents, permettant aux agents de communiquer et de coordonner des tâches complexes. Des tableaux de bord de surveillance intégrés et des journaux offrent un aperçu des performances, des métriques d'utilisation et de la gestion des erreurs. La plateforme propose également un contrôle de version, un accès basé sur les rôles et des déclencheurs Webhook, facilitant le déploiement transparent d'agents IA de niveau production pour le support client, l'automatisation de la recherche, le traitement de données et l'automatisation des flux de travail.

MultiAgent2 fournit une boîte à outils complète pour orchestrer des agents IA autonomes alimentés par de grands modèles de langage. Les développeurs peuvent définir des agents avec des personas, des stratégies et des contextes de mémoire personnalisables, leur permettant de converser, partager des informations et résoudre collectivement des problèmes. Le framework supporte des options de stockage interchangeables pour la mémoire à long terme, l'accès basé sur les rôles aux données partagées, et des canaux de communication configurables pour des dialogues synchrones ou asynchrones. Son CLI et SDK Python facilitent le prototypage rapide, les tests et le déploiement de systèmes multi-agents pour des cas d'utilisation allant des expériences de recherche, support client automatisé, pipelines de génération de contenu, au système de support décisionnel. En abstraisant la communication inter-agent et la gestion de la mémoire, MultiAgent2 accélère le développement d'applications complexes alimentées par l'IA.

Nova fournit un ensemble d'outils complet pour créer des agents IA autonomes en Python. Il propose un planificateur qui décompose les objectifs en étapes actionnables, un système de plugins pour intégrer des outils ou API externes, et un module de mémoire pour stocker et rappeler le contexte de la conversation. Les développeurs peuvent configurer des comportements personnalisés, suivre les décisions de l'agent via des journaux et étendre la fonctionnalité avec peu de code. Nova simplifie tout le cycle de vie de l'agent, de la conception au déploiement.