Eunomiaは、設定優先のアプローチを用いてAIエージェントをオーケストレーションします。YAMLを通じて、ユーザーはエージェントの役割、プロンプトテンプレート、ツールの統合、メモリストア、分岐ロジックを定義します。このフレームワークは、同期/非同期ツール、リトリーバル強化生成、思考のチェーンをサポートします。拡張可能なプラグインシステムにより、カスタムツール、メモリバックエンド、ログの統合が可能です。EunomiaのCLIは、プロジェクトのスキャフォールディング、設定の検証、ローカルまたはクラウド環境でのエージェントの実行を行います。これにより、チームは会話ワークフローの迅速なプロトタイピング、反復、エージェントソリューションのメンテナンスを簡単に行えます。

OpenMASは、分散型AIエージェントやマルチエージェント調整戦略の開発と評価を促進するために設計されています。カスタムエージェントの挙動、動的環境モデル、エージェント間のメッセージングプロトコルを定義できるモジュール式のアーキテクチャを備えています。物理シミュレーション、イベント駆動の実行、AIアルゴリズム用のプラグイン統合をサポートします。ScenariosはYAMLやPythonで設定可能で、エージェントの相互作用を可視化し、内蔵の解析ツールでパフォーマンス指標を収集できます。OpenMASは、群知能、協調ロボティクス、分散意思決定などの研究プロトタイピングを効率化します。

Pillarは、高度な多段階ワークフローの開発と展開を容易にするために設計された包括的なAIエージェントフレームワークです。タスク分解のためのプランナー、コンテキスト保持のためのメモリストア、および外部APIまたはカスタムコードを介して動作を実行するエグゼキュータを備えています。開発者はYAMLまたはJSONでエージェントパイプラインを定義し、任意のLLMプロバイダーと統合し、カスタムプラグインを通じて機能を拡張できます。Pillarは非同期実行とコンテキスト管理を標準で備えており、ボイラープレートコードを削減し、チャットボットやデータ分析アシスタント、自動化されたビジネスプロセスなどのAI駆動型アプリケーションの市場投入までの時間を短縮します。

Simple Playgroundsは、エージェントが迷路を探索し、オブジェクトと相互作用し、タスクを完了できるインタラクティブな2Dグリッド環境の構築に役立つモジュール式プラットフォームです。ユーザーは、YAMLまたはPythonスクリプトを使って環境レイアウト、オブジェクトの挙動、報酬関数を定義します。組み込みのPygameレンダラーにより、リアルタイムの視覚化が可能になり、ステップベースのAPIにより、Stable Baselines3などのRLライブラリとシームレスに統合できます。マルチエージェントの設定、衝突検出、カスタマイズ可能な物理パラメータをサポートし、プロトタイピング、ベンチマーキング、AIアルゴリズムの教育的デモンストレーションを効率化します。

Spellcasterは、「呪文」を使用したAIエージェントの構築に構造化されたアプローチを提供します。これは、プロンプト、ロジック、ワークフローの組み合わせです。開発者はYAML設定を記述してエージェントの役割、入力、出力、オーケストレーションステップを定義します。CLIツールは呪文を実行し、メッセージをルーティングし、OpenAIやAnthropicなどのLLM APIとシームレスに統合します。Spellcasterは実行ログを追跡し、会話のコンテキストを保持し、事前・事後処理のためのカスタムプラグインをサポートします。デバッグインターフェースは呼び出しのシーケンスやデータフローを可視化し、プロンプトの失敗やパフォーマンス問題を特定しやすくします。複雑なオーケストレーションパターンを抽象化し、プロンプトテンプレートを標準化することで、開発の負担を削減し、一貫したエージェント動作を保証します。

基本的に、SpongeCakeはLangchainの上にある高レベルの抽象層であり、AIエージェントの開発を高速化することを目的としています。Web検索やデータベースコネクタ、カスタムAPIなどのツールの登録、プロンプトテンプレートの管理、会話メモリの永続化を組み込みでサポートします。コードベースとYAMLベースの両方の設定により、チームはエージェントの動作を宣言的に定義し、多段階のワークフローを連鎖させ、動的にツールを選択できます。付属のCLIはローカルでのテスト、デバッグ、エージェント設定のエクスポートを容易にし、チャットボット、タスク自動化ツール、ドメイン固有のアシスタントの構築に最適です。

TDD-GPT-Agentは、PythonベースのCLIにOpenAIのGPT-4またはGPT-3.5モデルを統合し、完全自動化されたテスト駆動開発のサイクルを推進します。開発者の関数仕様に基づき、pytestのテストファイルを生成し、ローカルでテストを実行し、失敗箇所を分析し、アサーションを満たすための実装コードを生成します。すべてのテストに合格するまでこのサイクルを繰り返します。YAMLファイルによる設定が可能で、プロンプトのカスタマイズ、セッションのログ記録、Gitとの連携をサポートし、CI/CDパイプラインに埋め込むこともできます。このAI主導のワークフローは、開発速度を促進し、カバレッジを向上させ、信頼性の高いコードを保証します。

Agent Forgeは、CLIスキャフォールドコマンドを使用してテンプレートコード、会話テンプレート、および設定を生成することで、AIエージェントの開発全体のライフサイクルを効率化します。開発者は、エージェントの役割を定義し、LLMプロバイダーを追加し、ベクトルデータベース、REST API、カスタムプラグインなどの外部ツールをYAMLまたはJSON記述子を使用して統合できます。このフレームワークは、ローカル実行、インタラクティブテスト、エージェントをDockerイメージやサーバーレス関数としてパッケージングして簡単に展開できる機能を備えています。ビルトインのロギング、環境プロファイル、およびVCSフックにより、デバッグ、コラボレーション、CI/CDパイプラインが容易になります。この柔軟なアーキテクチャは、チャットボット、自律型リサーチアシスタント、カスタマーサポートボット、自動化されたデータ処理ワークフローを最小限のセットアップで作成することをサポートします。

Agent Nexusは、複雑なタスクを解決するために協力する相互接続されたAIエージェントを設計、構成、実行するためのモジュール式アーキテクチャを提供します。開発者は動的にエージェントを登録し、Pythonモジュールを通じて動作をカスタマイズし、シンプルなYAML設定を用いて通信パイプラインを定義できます。内蔵のメッセージルーターは信頼性の高いエージェント間のデータ流れを保証し、統合されたロギングとモニタリングツールはパフォーマンスを追跡し、ワークフローのデバッグをサポートします。OpenAIやHugging Faceなどの人気AIライブラリのサポートにより、多様なモデルの統合も容易です。研究実験のプロトタイピング、自動顧客サービスアシスタントの構築、多エージェント環境のシミュレーションなど、協調型AIシステムの開発とテストを効率化します。

AgentInは、会話型およびタスク駆動型のエージェント開発を加速するためのPythonベースのAIエージェントフレームワークです。コンテキストを保持するための内蔵メモリモジュール、外部APIやローカル関数を呼び出すための動的ツール統合、カスタマイズ可能な対話のためのフレキシブルなプロンプトテンプレートシステムを備えています。複数エージェントのオーケストレーションは並列ワークフローを可能にし、ロギングとキャッシュにより信頼性と監査性を向上させます。YAMLやPythonコードによる簡単な設定が可能で、主要なLLMプロバイダーをサポートし、ドメイン固有の機能拡張のためにカスタムプラグインも追加できます。

Agent-Babaは、特定のタスクに合わせて自律型AIエージェントを作成・管理するための包括的なツールキットを提供します。拡張可能なプラグインアーキテクチャ、会話のコンテキストを保持するメモリシステム、およびシーケンシャルなタスク遂行のためのワークフロー自動化を特徴としています。ウェブスクレーパー、データベース、カスタムAPIなどのツールをエージェントに統合可能です。フレームワークは、宣言型のYAMLやJSONスキーマを通じて設定を簡素化し、マルチエージェントの協調作業をサポートし、エージェントのパフォーマンスとログを追跡するダッシュボードを提供して、反復的な改善とさまざまな環境へのシームレスなデプロイを可能にします。

Agent of Codeは、開発者が日常的なコーディング作業を知能エージェントに委譲できる多目的AIエージェントフレームワークです。自然言語のプロンプトを完全な機能を持つコードに翻訳し、自動的にコードレビューを行い、既存のコードをデバッグし、レガシーコードのリファクタリングも行います。ユーザーはYAMLまたはJSONの設定を通じてエージェントの目標とパラメータを定義し、テストやCI統合のためのプラグインを選択し、CLIを使ってエージェントを実行します。このフレームワークはAPI呼び出しを調整し、コンテキストウィンドウを管理し、モジュール化された応答を一貫したコードスクリプトに組み立てます。拡張性のあるアーキテクチャで、開発者はカスタムモジュールをプラグインしたり、バージョン管理と連携したり、プロジェクトのワークフローに合わせてエージェントのパイプラインを調整できます。

Aladinは、大規模言語モデル（LLMs）によって動作する自律型エージェントを定義できるモジュール式のアーキテクチャを提供します。各エージェントは、SQLiteやインメモリなどのメモリバックエンドをロードし、動的プロンプトテンプレートを利用し、外部API呼び出しやローカルコマンド実行のためのカスタムプラグインを統合できます。高レベルの目標をシーケンス化されたアクションに分解し、順次実行し、LLMのフィードバックに基づいて反復するタスクプランナーを備えています。設定はYAMLファイルと環境変数で管理され、さまざまなユースケースに適応可能です。ユーザーはDocker ComposeまたはpipによるインストールでAladinを展開できます。CLIとFastAPIに基づくHTTPエンドポイントにより、エージェントのトリガー、実行の監視、およびメモリ状態の検査が可能で、CI/CDパイプライン、チャットインターフェース、またはカスタムダッシュボードとの統合を促進します。

Cognitaは、ドキュメントを取り込みインデックス化し、OpenAI、TrueFoundry、その他のサードパーティの埋め込みから選択し、YAMLやPython DSLを使用して検索パイプラインを設定する、モジュール式のアーキテクチャを提供します。その統合されたフロントエンドUIにより、クエリのテスト、検索パラメーターの調整、ベクトル類似度の可視化が可能です。検証後、CognitaはKubernetesやサーバーレス環境向けの展開テンプレートを提供し、運用中のナレッジ主導型AIアシスタントを拡張可能にし、可観測性とセキュリティを確保します。

Diveは、最小限の手動介入で複数のステップを実行できる自律型AIエージェントを作成・実行するためのPythonベースのオープンソースフレームワークです。API、ツール、メモリモジュールを定義したシンプルなYAML設定ファイルを用いて、データ取得、分析、パイプラインのオーケストレーションなどのタスクを指定できます。Diveはコンテキスト、状態、プロンプトエンジニアリングを管理し、柔軟なワークフローをサポートします。拡張性の高いアーキテクチャは、多種多様な言語モデルや検索システムに対応し、カスタマーサポートの自動化、コンテンツ生成、DevOpsプロセス向けのエージェントの構築を容易にします。フレームワークはプロトタイプから本番運用まで対応し、CLIコマンドやAPIエンドポイントを提供して既存のシステムにシームレスに統合できます。

ダイナミックマルチエージェントRAGパスウェイは、各エージェントが文書検索、ベクター検索、要約、生成などの特定のタスクを処理し、中央のオーケストレーターが動的に入力と出力をルーティングするモジュール式アーキテクチャを提供します。開発者はカスタムエージェントを定義し、シンプルな設定ファイルを用いてパイプラインを組み立て、ビルトインのロギング、モニタリング、プラグインサポートを活用できます。このフレームワークにより、複雑なRAGベースのソリューションの開発が加速され、適応的なタスク分解や並列処理によるスループットと精度の向上が実現します。

Ollama Workflowsは、Ollama LLMフレームワーク上に構築されたカスタマイズ可能なAIエージェントパイプラインのオープンソースライブラリです。要約、翻訳、コードレビュー、データ抽出、メールドラフトなど、多数の即時利用可能なワークフローをYAMLまたはJSON定義でチェーン化できます。ユーザーはOllamaをインストールし、リポジトリをクローンし、ワークフローを選択またはカスタマイズし、CLIを介して実行します。すべての処理はローカルで行われ、データプライバシーを保護しながら迅速な反復と一貫性のある出力を維持できます。

Julep AIは、データサイエンスチームが迅速にマルチステップのAIワークフローを構築、反復、デプロイできるように設計されたオープンソースプラットフォームです。Julepを使用すると、エージェント、タスク、ツールを使ってスケーラブルで耐久性のある長期間実行可能なAIパイプラインを作成できます。このプラットフォームのYAMLベースの設定は、複雑なAIプロセスを簡素化し、製品準備が整ったワークフローを保証します。迅速なプロトタイピング、モジュール設計、既存システムとのシームレスな統合をサポートし、数百万の同時ユーザーを処理しながらAI業務の完全な可視化を提供します。

Linguistic Agent Systemは、対話やタスクの計画に言語モデルを利用するインテリジェントエージェントを構築するためのオープンソースのPythonフレームワークです。メモリ管理、ツール登録、プランナー、エグゼキューターのコンポーネントを備え、コンテキストを維持し、外部APIを呼び出し、ウェブ検索やワークフローの自動化が可能です。YAMLによる設定が可能で、複数のLLMプロバイダーをサポートし、チャットボットやコンテンツサマライザ、自律型アシスタントの迅速なプロトタイピングを実現します。開発者はカスタムツールやメモリバックエンドを拡張し、ローカルまたはサーバー上でエージェントをデプロイできます。

LLM-Cultureは、組織文化を大規模言語モデルのインタラクションに組み込むための構造化されたアプローチを提供します。まず、ブランドの価値とスタイルルールをシンプルな設定ファイルで定義します。次に、これらのガイドラインを強制するためのプロンプトテンプレートライブラリが提供されます。アウトプットを生成した後、内蔵の評価ツールキットが文化基準との整合性を測定し、不整合を強調します。最後に、このフレームワークをAPIまたはオンプレミスのLLMパイプラインに統合し、常に企業のトーン、倫理、ブランドパーソナリティに沿った応答を生成します。