Nestorは会話状態を維持し、外部ツールを呼び出し、処理パイプラインをカスタマイズできるモジュール式のアーキテクチャを提供します。主な特徴には、セッションベースのメモリストア、ツール関数またはプラグインの登録用レジストリ、柔軟なプロンプトテンプレート、一元化されたLLMクライアントインターフェースが含まれます。エージェントは逐次タスクを実行したり、意思決定の分岐を行ったり、REST APIやローカルスクリプトと連携できます。Nestorはフレームワークに依存しない設計で、OpenAI、Azure、またはセルフホスト型のLLM提供者と連携できます。

Labsは大規模言語モデルを使ってAIエージェントを定義し実行するためのオープンソースの埋め込み可能なドメイン固有言語です。プロンプトの宣言、コンテキストの管理、条件分岐、外部ツール（例：データベース、API）との連携を行う構造を提供します。Labsを使えば、開発者はエージェントのワークフローをコードとして記述し、データ取得、分析、生成などの多段階タスクをオーケストレーションします。フレームワークはDSLスクリプトを実行可能なパイプラインにコンパイルし、ローカルまたは本番環境で実行可能です。LabsはインタラクティブREPL、コマンドラインツールと標準的なLLMプロバイダーとの連携をサポートし、モジュール式の拡張アーキテクチャによりカスタム関数やユーティリティの追加が容易です。軽量なランタイムは低オーバーヘッドと既存アプリへのシームレスな埋め込みを実現します。

LangGraphエージェントは、グラフ構造のメモリとLLMを組み合わせて、事実を記憶し、関係を推論し、必要に応じて外部関数やツールを呼び出せる自律型エージェントを構築します。開発者はメモリスキーマをグラフのノードとエッジとして定義し、カスタムツールやAPIを追加し、設定可能なプランナーとエグゼキューターを通じてエージェントのワークフローを調整します。このアプローチは、文脈の保持を強化し、知識駆動の意思決定を可能にし、多様なアプリケーションで動的ツール呼び出しをサポートします。

基本的に、LionAGIは依存関係のあるタスクステージを定義および実行するためのモジュール式アーキテクチャを提供し、複雑な問題を順次または並列に処理可能な論理コンポーネントに分割します。各ステージはカスタムプロンプト、メモリ保存、意思決定ロジックを利用し、以前の結果に基づいて振る舞いを調整します。開発者はサポートされている任意のLLM APIまたはセルフホスト型モデルを統合し、観測空間を設定し、アクションマッピングを定義して、計画、推論、複数サイクルで学習するエージェントを作成できます。ビルトインのロギング、エラーリカバリー、分析ツールにより、リアルタイムの監視と反復的な改善が可能です。研究ワークフローの自動化、レポート作成、自律プロセスの調整などにおいて、LionAGIは最小限のボイラープレートで即座に知的かつ適応性の高いAIエージェントの構築を促進します。

LLM-Powered AI Agentsは、モジュラーアーキテクチャを通じて大規模言語モデルと外部ツールを調整し、自律エージェントの作成を効率化します。開発者は標準化されたインターフェースを持つカスタムツールを定義またはインポートし、状態を永続化するメモリバックエンドや、LLMのプロンプトを用いた複数段階の推論チェーンを設定できます。AgentExecutorモジュールはツールの呼び出し、エラー処理、非同期ワークフローを管理し、実データ抽出や顧客サポート、スケジューリングアシスタントなどの実例テンプレートを提供します。API呼び出し、プロンプト設計、状態管理を抽象化し、ボイラープレートを減らし、試行錯誤の速度を向上させることで、Pythonによるカスタム知能自動化ソリューションの開発に最適です。

LiteSwarmは、複数の専門化されたエージェント間の協力を促進するために設計された包括的なAIエージェント調整フレームワークです。ユーザーは、データ取得、分析、要約、外部API呼び出しなどの役割を持つ個々のエージェントを定義し、それらをビジュアルワークフロー内でリンクします。LiteSwarmは、エージェント間の通信、永続的なメモリの保存、エラー復旧、ロギングを処理します。APIインテグレーション、カスタムコード拡張、およびリアルタイム監視に対応しているため、チームは複雑なマルチエージェントソリューションをプロトタイプ、テスト、展開することが簡単に行えます。

Llamatorは、メモリモジュール、ツール統合、動的プロンプトテンプレートを組み合わせて自律的なAIエージェントを構築できるオープンソースのJavaScriptライブラリです。計画、アクション実行、反省ループを調整して多段階タスクを処理し、複数のLLMプロバイダーをサポートし、API呼び出しやデータ処理のためにカスタムツールを定義できます。これにより、WebまたはNode.jsアプリケーション内でチャットボット、パーソナルアシスタント、自動化ワークフローの迅速なプロトタイピングが可能です。

LLM Maze Agentフレームワークは、Pythonベースの環境を提供し、大規模な言語モデルを使用してグリッド迷路をナビゲートできるインテリジェントエージェントを構築します。モジュール化された環境インターフェースとチェーン・オブ・ソートプロンプトテンプレートおよびヒューリスティックな計画を組み合わせて、エージェントは反復的にLLMに問い合わせて移動方向を決定し、障害物に適応し、内部状態表現を更新します。OpenAIとHugging Faceのモデルの即時サポートによりシームレスな統合が可能であり、構成可能な迷路生成とステップバイステップのデバッグによりさまざまな戦略を試すことができます。研究者は報酬関数を調整し、カスタム観測空間を定義し、エージェントの軌跡を可視化して推論プロセスを分析できます。この設計により、LLM Maze Agentは、LLM駆動の計画の評価、AI概念の指導、および空間推論タスクのモデルパフォーマンスのベンチマークに適した多目的ツールとなっています。

LLPhantは、開発者が多用途なLLM駆動のエージェントを作成できるオープンソースのPythonフレームワークです。ツール統合（API、検索、データベース）、多ターン会話用のメモリ管理、カスタマイズ可能な意思決定ループのための組み込み抽象化を提供します。複数のLLMバックエンド（OpenAI、Hugging Face、その他）やプラグインスタイルのコンポーネント、設定駆動のワークフローに対応し、エージェント開発を促進します。チャットボットのプロトタイプ作成、自動化タスク、外部ツールとコンテキストメモリを活用するデジタルアシスタントの構築に利用できます。

Local-Super-Agentsは、完全にローカルで動作する自律的なAIエージェントを作成するためのPythonベースのプラットフォームです。メモリストア、API統合ツールキット、LLMアダプター、エージェントのオーケストレーションなど、モジュール式のコンポーネントを提供します。ユーザーはカスタムタスクエージェントを定義し、アクションをチェーン化し、サンドボックス環境内で複数エージェントの協調をシミュレートできます。CLIユーティリティ、事前設定済みのテンプレート、拡張可能なモジュールにより、複雑な設定を抽象化しています。クラウドに依存せず、データプライバシーとリソース制御を維持でき、ウェブスクレーパー、データベースコネクタ、カスタムPython関数を統合できるプラグインシステムにより、研究、データ抽出、ローカル自動化などのワークフローを強化します。

LORSでは、ユーザーはドキュメントのコレクションを取り込み、テキストを埋め込みに前処理し、ベクターデータベースに保存できます。クエリや要約タスクが発行されると、LORSはセマンティック検索を行い、最も関連性の高いテキストセグメントを特定します。その後、これらのセグメントを大規模言語モデルに入力し、簡潔でコンテキストに応じた要約を作成します。モジュール式設計により、埋め込みモデルの交換、検索閾値の調整、プロンプトテンプレートのカスタマイズが可能です。LORSは複数ドキュメントの要約やインタラクティブなクエリの洗練、高ボリュームのバッチ処理をサポートし、学術文献のレビュー、企業報告、または巨大なテキストコーパスからの迅速な知見抽出が必要なシナリオに最適です。

Magi MDAは、自律エージェントの作成と展開を容易にする開発者向けAIエージェントフレームワークです。プランナー、実行者、インタープリター、メモリからなるコアコンポーネントのセットを公開し、これらをカスタムパイプラインに組み立てることが可能です。ユーザーは、テキスト生成のために人気のあるLLMプロバイダーにフックし、知識増強のために取得モジュールを追加し、特定のタスク用に任意のツールやAPIと統合できます。このフレームワークは、ステップバイステップの推論、ツールのルーティング、コンテキスト管理を自動的に処理し、チームはオーケストレーションのボイラープレートではなく、ドメインロジックに集中できます。

ManasAIは、内蔵された状態とモジュール式コンポーネントを持つ自律型AIエージェントの作成を可能にするPythonベースのフレームワークです。エージェントの推論、短期・長期メモリ、外部ツールおよびAPIの統合、メッセージ駆動のイベントハンドリング、多エージェントのオーケストレーションのためのコア抽象化を提供します。エージェントは、コンテキスト管理、タスクの実行、再試行の処理、フィードバック収集に設定できます。そのプラグイン方式のアーキテクチャにより、開発者はメモリバックエンド、ツール、オーケストレーターを特定のワークフローに合わせて調整可能であり、チャットボット、デジタルワーカー、自動化パイプラインの試作に最適です。

MARFTはPythonベースのLLMを対象とし、再現性のある実験と協調AIシステムの迅速なプロトタイピングを可能にします。

MCP Ollamaエージェントは、OllamaのローカルLLMランタイムを活用し、多目的なエージェントフレームワークを提供します。Web検索（SERP API）、ファイルシステム操作、シェルコマンド実行、Python環境管理などの複数のツールインターフェースを統合しています。カスタムプロンプトやツール設定を定義することで、複雑なワークフローの調整や反復タスクの自動化、さまざまなドメインに特化したアシスタントの構築が可能です。エージェントはツールの呼び出しとコンテキスト管理を行い、会話履歴やツールの応答を維持して一貫した動作を生成します。CLIベースの設定とモジュラーアーキテクチャにより、新しいツールの追加や、調査・データ分析・開発サポートなどの様々なユースケースに適応させやすくなっています。

モジュール式LLMアーキテクチャは、再利用可能なコンポーネントの構成により、カスタマイズされたLLM駆動アプリケーションの作成を簡素化するよう設計されています。セッション状態を保持するメモリモジュール、外部APIコール用のツールインターフェース、テンプレートまたは動的プロンプト生成のためのプロンプトマネージャ、エージェントのワークフローを制御するオーケストレーションエンジンなどのコアコンポーネントを提供します。これらのモジュールをチェーンして複雑な行動を実現したり、多段階推論、コンテキストに応じた応答、統合されたデータ取得を可能にします。フレームワークは複数のLLMバックエンドをサポートし、モデルの切り替えやミックスも可能です。拡張性を高めるポイントもあり、新しいモジュールやロジックを追加できます。このアーキテクチャは、部品の再利用を促進しながら、エージェントの挙動の透明性と制御を維持します。

MONAI、または医療オープンネットワークAIは、医療画像における深層学習のために設計されたオープンソースフレームワークです。これは、医療専門家がAI駆動のソリューションを迅速かつ効率的に開発、トレーニング、展開できるようにするための強力なツールとライブラリを提供します。そのモジュール式アーキテクチャにより、ユーザーは既存のコンポーネントを活用しつつ、ワークフローをカスタマイズできます。これにより、より効率的な研究と臨床当局間のコラボレーションが促進されます。MONAIを使用すると、開発者は多様な医療データセットを扱うことができ、医療画像技術の進展を促進します。

alaamohebによるマルチエージェント強化学習は、共有環境下で複数のエージェントの開発、訓練、評価を促進するための包括的なオープンソースライブラリです。DQN、PPO、MADDPGなどの価値基盤・方針基盤のアルゴリズムのモジュール化された実装を含みます。リポジトリはOpenAI Gym、Unity ML-Agents、StarCraftマルチエージェントチャレンジと統合でき、研究シナリオや現実世界に着想を得たシナリオの両方で実験が可能です。YAML ベースの設定、記録ユーティリティ、可視化ツールにより、学習過程のモニタリング、ハイパーパラメータの調整、さまざまなアルゴリズムの比較が容易です。このフレームワークは、協力的、競争的、混合型のマルチエージェントタスクの実験を促進し、再現性のある研究とベンチマークを効率化します。

multiagent-ai-codingは、ソフトウェア開発タスクにおいて、専門化されたAIエージェントの協調作業を促進するためのPythonベースのフレームワークです。コード生成、ユニットテスト作成、コードレビュー、デバッグ、ドキュメント化のためのエージェントを定義でき、これらを設定可能なパイプラインで連結することで、エンドツーエンドのコーディングプロセスを自動化し、コード品質を向上させ、イテレーションサイクルを加速します。カスタムエージェントの統合、ロギング、エラー回復機能もサポートしています。

OLI（OpenAI Logic Interpreter）は、OpenAI APIを活用し、ウェブアプリ内でAIエージェントの作成を簡素化するクライアントサイドフレームワークです。ユーザープロンプトに基づいてインテリジェントに選択されるカスタム関数を定義し、複数の対話にわたって一貫した状態を維持するために会話のコンテキストを管理し、予約やレポート生成などの複雑なワークフローのためにAPI呼び出しを連結できます。さらに、レスポンス解析、エラー処理、WebhookやRESTエンドポイントを通じたサードパーティのサービスとの連携を行うユーティリティも含まれています。完全にモジュール化されてオープンソースであるため、チームはエージェントの挙動をカスタマイズし、新しい機能を追加し、バックエンドに依存せずに任意のWebプラットフォームにOLIエージェントを展開できます。OLIは、会話型UIや自動化の開発を加速します。