Autogen Studio Researchは、GitHub上にホストされた研究プロトタイプで、エージェントコンポーネントのドラッグ＆ドロップ、通信チャネルの定義、実行パイプラインの構成を可能にします。Python SDKを使用してOpenAI、Azure、ローカルモデルなどの各種LLMバックエンドに接続し、リアルタイムのロギング、メトリクス、デバッグツールを提供します。このプラットフォームは、協働エージェントシステム、意思決定ワークフロー、自動タスクオーケストレーションの迅速なプロトタイピングを目的としています。

LLMFlowは、複雑な言語モデルワークフローの設計、テスト、展開を表現的に行う方法を提供します。開発者は、プロンプトやアクションを表すノードを作成し、それらを条件や外部ツールの出力に基づいて分岐可能なフローにチェーンします。組み込みのメモリ管理はステップ間のコンテキストを追跡し、アダプターはOpenAI、Hugging Faceなどとのシームレスな統合を可能にします。プラグインを利用してカスタムツールやデータソースの機能拡張も可能です。ローカル、コンテナ、サーバーレス関数としてフローを実行します。ユースケースには、会話エージェントの作成、自動レポート生成、データ抽出パイプラインなどがあります。すべて透明な実行とロギングを備えています。

Kin Kernelは、AIを活用したデジタルワーカー構築のための軽量なオープンソースカーネルフレームワークです。大規模な言語モデルの調整やコンテキストメモリの管理、カスタムツールやAPIの統合を一元的に行うためのシステムを提供します。イベント駆動のアーキテクチャにより、非同期タスクの実行、セッションの追跡、拡張可能なプラグインをサポートします。開発者はエージェントの動作を定義し、外部関数を登録し、多システムのLLMルーティングを設定して、データ抽出から顧客サポートまでのワークフローを自動化可能です。本フレームワークには、監視・デバッグを容易にするビルトインのロギングやエラーハンドリングも含まれます。柔軟性を考慮し、Kin KernelはWebサービス、マイクロサービス、スタンドアロンのPythonアプリケーションに統合でき、組織が大規模な堅牢なAIエージェントを展開できるよう設計されています。