rag-servicesは、RAGパイプラインを個別のマイクロサービスに分解する拡張可能なプラットフォームです。ドキュメントストアサービス、ベクトルインデックスサービス、エンベディング生成サービス、複数のLLM推論サービスと、ワークフローを調整するオーケストレータを提供します。各コンポーネントはREST APIを公開し、データベースやモデルプロバイダーを組み合わせることが可能です。DockerとDocker Composeをサポートし、ローカルまたはKubernetesクラスターに展開できます。このフレームワークは、チャットボット、ナレッジベース、自動ドキュメントQ&Aのためのスケーラブルでフォールトトレラントなソリューションを提供します。

ROSA (Rover Sequencing & Autonomy) is a comprehensive autonomy framework developed by NASA’s Jet Propulsion Laboratory for space robotics. It features a modular AI planner, constraint-aware scheduler, and built-in simulators that produce validated command sequences for rover operations. Users can define mission objectives, resource constraints, and safety rules; ROSA will generate optimal execution plans, detect conflicts, and support rapid replanning in response to unexpected events. Its plugin architecture allows integration with custom sensors, actuators, and telemetry analysis tools, facilitating end-to-end mission autonomy for planetary exploration.

SPEAR（Scalable Platform for Edge AI Real-Time）は、エッジでのAI推論の完全なライフサイクル管理を目的としています。開発者は、Kafka、MQTT、HTTPソースにコネクターを介してセンサー、ビデオ、ログを取り込むストリーミングパイプラインを定義できます。SPEARは、コンテナ化されたモデルを動的にワーカーノードに展開し、クラスタ全体で負荷のバランスを取りながら遅延を最小化します。ビルトインのモデルバージョニング、ヘルスチェック、テレメトリを備え、PrometheusやGrafanaにメトリクスを公開します。ユーザーは、モジュール式プラグインアーキテクチャを通じてカスタム変換やアラートを適用可能です。自動スケーリングと故障回復により、SPEARは様々な環境でのIoT、工業自動化、スマートシティ、自律システム向けに信頼性の高いリアルタイム分析を提供します。

Universal Basic Computeは、多様なワークフローにわたるAIエージェントの設計、訓練、展開のための統一された環境を提供します。ユーザーは複数の大型言語モデルから選択し、文脈認識用のカスタムメモリストアを設定し、サードパーティAPIやツールの統合も可能です。このプラットフォームはオーケストレーション、故障耐性、スケーリングを自動で処理し、リアルタイム監視とパフォーマンス分析のためのダッシュボードも提供します。インフラの詳細を抽象化することで、チームはバックエンドの複雑さではなくエージェントロジックとユーザー体験に集中できます。

ToolFuzzは、ツールを利用するAIエージェント向けに特化した包括的なファズテストフレームワークを提供します。ランダムなツール呼び出しシーケンス、破損したAPI入力、不意のパラメータ組み合わせを系統的に生成し、エージェントのツール呼び出しモジュールをストレステストします。ユーザーは、モジュラーなプラグインインターフェースを用いてカスタムのファズ戦略を定義し、サードパーティツールやAPIを統合し、特定の故障モードをターゲットにミューテーションルールを調整可能です。フレームワークは実行トレースを収集し、各コンポーネントのコードカバレッジを測定、未処理の例外やロジックの不備をハイライトします。結果の集約とレポート作成機能を備え、エッジケース、回帰問題、セキュリティ脆弱性の特定を促進し、AI駆動のワークフローの堅牢性と信頼性を向上させます。

エージェント指向アーキテクチャ（AOA）は、開発者に知能的なマルチエージェントシステムの構築と維持のツールを提供する堅牢なフレームワークです。エージェントは状態、動作、および相互作用パターンをカプセル化し、非同期メッセージバスを通じて通信します。AOAには、エージェントの登録、探索、およびマッチングのモジュールが含まれ、動的なサービス構成を可能にします。動作モデリングは、有限状態機械、ゴール駆動型計画、イベント駆動トリガーをサポートします。フレームワークは、作成、停止、移行、終了などのエージェントのライフサイクルイベントを処理します。内蔵の監視とログ記録により、パフォーマンスの調整とデバッグが容易になります。AOAのプラガブルなトランスポート層は、TCP、HTTP、カスタムプロトコルをサポートし、オンプレミス、クラウド、エッジ展開に適応可能です。一般的なライブラリとの統合により、シームレスなデータ処理とAIモデルの統合を実現します。

Agent Supervisor Demonstratesリポジトリは、調整されたワークフローで複数の自律的なAIエージェントをオーケストレーションする方法を示しています。Pythonで構築されており、タスクの配信、エージェントの状態監視、障害時の処理、応答の集約を行うSupervisorクラスを定義しています。基本エージェントクラスの拡張、異なるモデルAPIのプラグイン化、スケジューリングポリシーの構成が可能です。活動を記録し、並列実行をサポートし、モジュール式設計で容易なカスタマイズと大規模なAIシステムへの統合を実現します。

AgentMeshは、各エージェントが特定のタスクやドメインに焦点を当てたAIエージェントのネットワークを作成するためのモジュール式インフラストラクチャを提供します。エージェントは動的に検出・登録でき、非同期でメッセージを交換し、設定可能なルーティングルールに従います。フレームワークはリトライ、フォールバック、エラー回復を処理し、データ処理、意思決定支援、会話利用ケースのためのマルチエージェントパイプラインを可能にします。既存のLLMやカスタムモデルと簡単なプラグインインターフェースで容易に統合できます。