Avalon-LLMは、複数のLLM駆動のエージェントを協調環境でオーケストレーションできるPythonベースのマルチエージェントAIフレームワークです。各エージェントは、ウェブ検索、ファイル操作、カスタムAPIなどの特定ツールを設定して専門的なタスクを実行できます。このフレームワークは、会話のコンテキストや長期知識を保存するメモリモジュール、意思決定を改善する思考の連鎖による推論、エージェント性能をベンチマークする内蔵評価パイプラインをサポートします。Avalon-LLMは、モデル提供者、ツールキット、メモリストアなどのコンポーネントを簡単に追加・置き換えできるモジュール式プラグインシステムを提供します。シンプルな設定ファイルとコマンドラインインターフェースで、研究、開発、実運用に適した自律型AIワークフローの展開、監視、拡張が可能です。

Doraemon-Agentは、開発者が高度なAIエージェントを構築できるよう設計されたオープンソースのPythonプラットフォームおよびフレームワークです。カスタムプラグインや外部ツールの統合、セッションを跨いだ長期メモリの維持、複数ステップの思考連鎖計画を実行できます。開発者はエージェントの役割を設定し、コンテキストを管理し、インタラクションを記録し、プラグインアーキテクチャを通じて機能を拡張できます。これにより、データ分析、リサーチサポート、カスタマーサービスの自動化などのタスクに適した自律型アシスタントの作成が簡素化されます。

A-Memは、PythonベースのAIエージェントフレームワークとシームレスに連携するように設計されており、次の３つの異なるメモリモジュールを提供します：エピソードごとのコンテキストを保持するエピソードメモリ、即時の過去の行動のための短期メモリ、時間とともに知識を蓄積する長期メモリ。開発者は、容量、保持ポリシー、シリアライズバックエンド（メモリやRedis）をカスタマイズできます。ライブラリには、類似性とコンテキストウィンドウに基づいて関連性の高い記憶を高速に検索する効率的なインデキシングアルゴリズムが含まれています。これらのメモリハンドラーをエージェントの知覚-アクションループに挿入することで、観測、行動、結果を保存し、過去の経験を照会して現在の意思決定を支援できます。このモジュール化された設計は、強化学習、対話型AI、ロボットナビゲーションなど、コンテキスト認識や時間的推論を必要とするタスクでの迅速な実験を可能にします。

Agents-Deep-Researchは、モジュール化および拡張性の高いコードベースを提供することで、自律型AIエージェントの開発とテストを効率化します。ユーザー定義の目標をサブタスクに分解するタスク計画エンジン、コンテキストを保存・取得する長期記憶モジュール、外部APIや模擬環境と連携できるツール統合層を備えています。また、エージェントのパフォーマンスをさまざまなシナリオで測定する評価スクリプトとベンチマークツールも提供します。Python上に構築され、多様なLLMバックエンドに適応可能であり、研究者や開発者が新しいエージェントアーキテクチャを迅速にプロトタイプ化し、再現性のある実験を行い、制御された条件下で異なる計画戦略を比較できるようにします。

Strands Agentsは、インテリジェントなアシスタントを作成するためのフルスタック環境を提供します。ユーザーは会話フローを定義し、知識ベースを管理し、記憶設定を調整し、Webhooksや外部APIと連携可能です。パフォーマンス測定の分析、バージョン管理チームコラボレーションツール、Webチャット、モバイル、埋め込みウィジェットへのシームレスな展開も可能です。プログラミングスキルは不要 — ビジュアルエディタを使って挙動をカスタマイズし、多数のクエリを処理できるエージェントにスケールできます。