CogAgent est une bibliothèque Python open-source axée sur la recherche, conçue pour rationaliser le développement d'agents IA. Elle fournit des modules principaux pour la gestion de la mémoire, la planification et le raisonnement, l'intégration d'outils et d'API, ainsi que l'exécution en chaîne de pensée. Grâce à son architecture hautement modulaire, les utilisateurs peuvent définir des outils, des mémoires et des politiques d'agents personnalisés pour créer des chatbots conversationnels, des planificateurs de tâches autonomes et des scripts d'automatisation de workflow. CogAgent supporte l'intégration avec des modèles de langage populaires tels qu'OpenAI GPT et Meta LLaMA, permettant aux chercheurs et développeurs d'expérimenter, d'étendre et de faire évoluer leurs agents intelligents pour diverses applications réelles.

DeepSeek AI est un outil d'extension de navigateur gratuit et open-source conçu pour fournir une analyse complète et des réponses intelligentes aux contenus web. Les utilisateurs peuvent surligner n'importe quel texte sur une page web et utiliser les modèles IA avancés de DeepSeek pour obtenir des informations et des réponses. L'extension offre des fonctionnalités telles que des réponses par streaming AI en temps réel, des raccourcis clavier personnalisables, un rendu Markdown, des formules mathématiques LaTeX, et la possibilité de régénérer des réponses si nécessaire. DeepSeek AI vise à améliorer l'expérience utilisateur lors de tâches telles que la recherche académique, l'analyse de données et la compréhension d'informations complexes lors de la navigation informelle.

EmailOrganizer est une application Python en ligne de commande qui simplifie la gestion des e-mails en utilisant la classification par apprentissage automatique. Il se connecte à tout service e-mail compatible IMAP, télécharge les messages en bulk ou en temps réel, et utilise un modèle pré-entraîné pour attribuer à chaque e-mail des catégories personnalisables. Les utilisateurs peuvent définir des règles de mappage de dossiers, entraîner ou ajuster le classificateur sur leurs propres données, et examiner les scores de confiance des classifications. L’outil prend en charge l’authentification OAuth sécurisée pour des fournisseurs comme Gmail, propose un traitement incrémental pour éviter les doublons, et fournit des logs pour la traçabilité et la gestion des erreurs. Idéal pour ceux submergés par un volume élevé d’e-mails, il automatise le tri et l’étiquetage pour réduire la gestion manuelle de la boîte de réception.

Emma-X fournit une plateforme modulaire d’orchestration d’agents pour construire des assistants IA conversationnels utilisant de grands modèles de langage. Les développeurs peuvent définir le comportement de l’agent via des configurations JSON, choisir des fournisseurs LLM comme OpenAI, Hugging Face ou des points de terminaison locaux, et joindre des outils externes tels que la recherche, les bases de données ou les API personnalisées. La couche de mémoire intégrée conserve le contexte à travers les sessions, tandis que les composants UI gèrent le rendu du chat, le téléchargement de fichiers, et les invites interactives. Les hooks de plugin permettent la récupération de données en temps réel, l’analyse, et les boutons d’action personnalisés. Emma-X est livré avec des agents exemples pour le support client, la création de contenu, et la génération de code. Son architecture ouverte permet aux équipes d’étendre les capacités des agents, d’intégrer avec des applications Web existantes, et de faire rapidement évoluer les flux de conversation sans expertise approfondie en LLM.

GitHub Sage est une extension de navigateur conçue pour les développeurs qui évaluent fréquemment des logiciels open-source (OSS) sur GitHub. En intégrant un assistant AI qui ouvre un panneau latéral sur les onglets GitHub, cela permet aux utilisateurs de poser des questions et de recevoir des informations sur le dépôt qu'ils consultent. Cela aide à déterminer rapidement si un dépôt OSS correspond à vos besoins ou à comprendre les mises à jour dans vos projets. C'est idéal pour les développeurs gérant plusieurs dépôts, évaluant de nouveaux projets et se tenant au courant des changements dans des projets actifs.

LinkedIn Agent est un outil en ligne de commande open-source alimenté par l'API OpenAI pour automatiser diverses tâches sur LinkedIn. Il génère des messages de connexion personnalisés basés sur les profils cibles, élabore des séquences de suivi pour entretenir les relations, et recommande des compétences avec des commentaires adaptés au contexte. L'agent peut extraire des données de profil, telles que les rôles actuels et les expériences, pour adapter l'approche, et supporte l'exécution de campagnes en masse via le traitement de listes CSV. Les utilisateurs définissent des modèles ou se fient au contenu généré par l'IA, en ajustant le ton et la longueur via des paramètres. L'outil gère l'authentification, la gestion des sessions et les limites de taux, garantissant un fonctionnement fluide. En intégrant la messagerie pilotée par l'IA à l'interface de réseau LinkedIn, il accélère considérablement le développement commercial, le recrutement et le personal branding.

NanoBrowser s'exécute directement dans votre navigateur en tant qu'extension Chrome, vous permettant d'automatiser des tâches web répétitives ou complexes via des prompts en langage naturel. Vous le configurez avec votre propre clé API LLM — OpenAI GPT, modèles LLaMA auto-hébergés ou autres — et définissez des workflows composés de plusieurs agents. Il prend en charge le scraping de données, les interactions avec les formulaires, la recherche automatisée et la chaînage de workflows via l'intégration LangChain. Vous pouvez orchestrer des agents pour collaborer sur des sous-tâches, exporter des résultats en CSV ou JSON, et déboguer ou affiner les étapes de manière interactive. En tant qu'alternative open-source aux opérateurs propriétaires, NanoBrowser privilégie la confidentialité, l'extensibilité et la facilité d'utilisation.

negotiation_agent fournit une boîte à outils modulaire pour construire des bots de négociation autonomes alimentés par des modèles de type GPT. Les développeurs peuvent spécifier des scénarios de négociation en définissant des éléments, des préférences et des fonctions d’utilité pour modéliser les objectifs de l’agent. Le cadre inclut des modèles d’agent prédéfinis et permet l’intégration de stratégies personnalisées, comprenant la génération d’offres, l’évaluation des contre-offres, les décisions d’acceptation et la clôture des accords. Il gère les flux de dialogue en utilisant des protocoles standardisés, supporte des simulations en lot pour des expériences de style tournoi, et calcule des métriques de performance telles que le taux d’accord, les gains d’utilité et les scores d’équité. L’architecture ouverte facilite l’échange des backends LLM sous-jacents et l'extension de la logique des agents à travers des plugins. Avec negotiation_agent, les équipes peuvent rapidement prototyper et évaluer des solutions de négociation automatisée dans le commerce électronique, la recherche et l’éducation.

OpenWebResearcher agit comme un assistant de recherche Web autonome en orchestrant un pipeline de crawling, d’extraction de données et de résumé piloté par l’IA. Après configuration, l’agent navigue sur les sites cibles, identifie le contenu pertinent via des heuristiques ou des critères définis par l’utilisateur, et récupère des données structurées. Il utilise de grands modèles linguistiques pour analyser, filtrer et distiller les principales informations, en générant des résumés à puces ou des rapports détaillés. Les utilisateurs peuvent personnaliser les paramètres de scraping, intégrer des plugins pour un traitement spécialisé, et programmer des tâches de recherche récurrentes. L’architecture modulaire permet aux développeurs d’étendre ses capacités avec de nouveaux analyseurs ou formats de sortie. Idéal pour la veille concurrentielle, les revues de littérature académique, l’analyse de marché et la surveillance de contenu, OpenWebResearcher réduit le temps consacré à la collecte et à la synthèse manuelles des données.

OpenWebUI Tools offre une collection de plugins pour OpenWebUI afin d'améliorer les grands modèles de langage (LLMs) avec un accès à des outils externes. Il comprend un module de navigation web et de recherche pour les données en direct, un REPL Python et un exécuteur de terminal pour l'exécution instantanée de code, des lecteurs/écrivains de système de fichiers pour accéder aux documents, et des utilitaires pour analyser les PDFs ou formater le JSON. Ces outils fonctionnent dans le frontend de OpenWebUI, permettant aux utilisateurs d'appeler des fonctions de manière interactive et de combiner le raisonnement IA avec des actions du monde réel pour une expérience conversationnelle et orientée tâches plus riche.

Real-Agents est conçu pour simplifier la création et l'orchestration d'agents alimentés par l'IA capables d'accomplir des tâches complexes de manière autonome. Basé sur Python et compatible avec les principaux grands modèles linguistiques, le framework possède une architecture modulaire comprenant des composants clés pour la compréhension du langage, le raisonnement, le stockage de mémoire et l'exécution d'outils. Les développeurs peuvent rapidement intégrer des services externes tels que des API web, des bases de données et des fonctions personnalisées pour étendre les capacités de l'agent. Real-Agents supporte des mécanismes de mémoire pour conserver le contexte lors des interactions, permettant des conversations multi-tours et des workflows longue durée. La plateforme inclut aussi des utilitaires pour la journalisation, le débogage et la mise à l'échelle des agents en environnement de production. En abstraisant les détails de bas niveau, Real-Agents simplifie le cycle de développement, permettant aux équipes de se concentrer sur la logique spécifique à la tâche et de fournir de puissantes solutions automatisées.

Rolodexter 3 vous permet de créer, personnaliser et orchestrer des agents IA autonomes qui travaillent ensemble pour réaliser des processus multi-étapes. Chaque agent peut se voir attribuer un rôle spécifique avec des invites adaptées, accéder à des outils ou API externes, et stocker ou récupérer la mémoire entre les sessions. La plateforme dispose d'une interface utilisateur web intuitive pour surveiller l'activité des agents, les journaux et les résultats en temps réel. Les développeurs peuvent étendre le système avec des plugins personnalisés ou intégrer de nouvelles sources de données, ce qui le rend idéal pour le prototypage rapide, l'automatisation de la recherche et la délégation de tâches complexes.

sma-begin configure une base de code rationalisée pour créer des agents pilotés par IA en abstraisant des composants courants tels que le traitement d'entrée, la logique de décision et la génération de sortie. Au cœur, il implémente une boucle d'agent qui interroge un LLM, interprète la réponse et exécute éventuellement des outils intégrés, comme des clients HTTP, des gestionnaires de fichiers ou des scripts personnalisés. Les modules de mémoire permettent à l'agent de rappeler des interactions ou contextes précédents, tandis que le chaînage d'invite supporte des workflows multi-étapes. La gestion des erreurs capture les échecs d'API ou les sorties d'outil invalides. Les développeurs doivent simplement définir les invites, outils et comportements souhaités. Avec peu de boilerplate, sma-begin accélère le prototypage de chatbots, de scripts d'automatisation ou d'assistants spécifiques à un domaine sur toute plateforme supportant Python.

Stock Market Multi-Agent est un cadre Python open-source avancé conçu pour rationaliser le trading automatisé via des agents IA coordonnés. Chaque agent se spécialise dans une fonction spécifique : agents de récupération de données qui collectent et nettoient les flux de marché en temps réel ; agents de génération de signaux qui appliquent des modèles d'apprentissage automatique pour des insights prédictifs ; agents de backtesting qui évaluent rigoureusement les stratégies avec des jeux de données historiques ; agents de gestion de portefeuille qui optimisent l'allocation des actifs ; agents d'exécution qui interfacent avec les API de courtage pour passer des ordres ; et agents de gestion des risques qui appliquent des mesures de sécurité. L'architecture basée sur la configuration permet des modules plug-and-play, supporte la personnalisation des algorithmes, sources de données et paramètres de risque. Adapté à la recherche, au trading en direct et au développement, il accélère la mise en œuvre de stratégies quantitatives et la scalabilité opérationnelle.

Thufir est un framework open-source basé sur Python conçu pour faciliter la création d'agents IA autonomes capables de planification et d'exécution de tâches complexes. Au cœur de Thufir se trouve un moteur de planification qui décompose des objectifs de haut niveau en étapes réalisables, un module de mémoire pour stocker et rappeler des informations contextuelles au cours des sessions, et une interface d’outils plug-and-play permettant aux agents d’interagir avec des API externes, bases de données ou environnements d’exécution de code. Les développeurs peuvent exploiter les composants modulaires de Thufir pour personnaliser le comportement des agents, définir des outils personnalisés, gérer l’état de l’agent et orchestrer des workflows multi-agents. En abstraisant les préoccupations d’infrastructure de bas niveau, Thufir accélère le développement et le déploiement d’agents intelligents pour des cas d’usage tels que assistants virtuels, automatisation de flux de travail, recherche et travailleurs numériques.

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.

AVAPLS est une application de bureau open-source avancée conçue pour faciliter l'exécution locale de grands modèles linguistiques, tels que Llama. Les utilisateurs peuvent effectuer diverses tâches linguistiques comme la génération de texte, la traduction, le résumé, et plus encore sans dépendre des serveurs distants. Avec AVAPLS, les utilisateurs peuvent bénéficier des avantages de modèles linguistiques performants tout en gardant le contrôle de leurs données et en garantissant la confidentialité.

Bakery.dev est une plateforme open source conçue pour simplifier et rationaliser l'ajustement et la monétisation des modèles d'IA. En fournissant une interface utilisateur conviviale, elle permet aux startups IA, aux ingénieurs en apprentissage automatique et aux chercheurs de créer, télécharger des ensembles de données, ajuster les paramètres des modèles et proposer leurs modèles sur un marketplace. Avec un support intégré pour les modèles d'IA populaires et un stockage décentralisé, Bakery.dev se démarque comme un outil robuste et efficace pour quiconque cherchant à améliorer ses solutions IA et à générer des revenus.

Le dépôt du protocole Contract Net fournit une implémentation Java complète du protocole d’interaction FIPA Contract Net. Les développeurs peuvent créer des agents gestionnaires et contractants échangeant CFP (Call For Proposal), propositions, acceptations et rejets via des canaux de communication entre agents. Le code inclut des modules principaux pour la diffusion de tâches, la collecte d’offres, l’évaluation des propositions selon des critères personnalisables, l’attribution de contrats et la surveillance de l’état d’exécution. Il peut être intégré dans des frameworks multi-agents plus grands ou utilisé comme bibliothèque autonome pour la recherche, la planification industrielle ou la coordination robotique.

Cooper est un assistant en ligne de commande open-source qui traduit les invites en langage naturel en commandes shell exploitables. Basé sur les modèles GPT d’OpenAI, il gère la génération de code, la manipulation de fichiers, les opérations Git, les intégrations API, et plus encore. Les développeurs peuvent demander des tâches telles que la création de modules boilerplate, le renommage en batch de fichiers, le déploiement de scripts ou la génération de messages de commit. Avant l'exécution, Cooper présente les commandes proposées pour révision et approbation, garantissant transparence et sécurité. Son architecture de plugins permet une extension via des gestionnaires personnalisés, le rendant adaptable à divers flux de travail et environnements.