Avalon-LLM은 여러 LLM 기반 에이전트를 조정된 환경에서 오케스트레이션할 수 있는 파이썬 기반의 멀티 에이전트 AI 프레임워크입니다. 각각의 에이전트는 웹 검색, 파일 작업, 맞춤 API 등 특정 도구를 구성하여 전문적인 작업을 수행할 수 있습니다. 이 프레임워크는 대화 맥락과 장기 지식을 저장하는 메모리 모듈, 의사 결정 능력을 향상시키는 사고의 연속(chain-of-thought) 추론, 에이전트 성능을 벤치마킹하는 내장 평가 파이프라인을 지원합니다. Avalon-LLM은 개발자가 모델 제공자, 툴킷, 메모리 저장소 등 컴포넌트를 쉽게 추가 또는 교체할 수 있는 모듈형 플러그인 시스템을 제공합니다. 간단한 구성 파일과 명령줄 인터페이스를 통해 연구, 개발, 프로덕션에 적합한 자율 AI 워크플로우를 배포하고 모니터링하며 확장할 수 있습니다.

Doraemon-Agent는 개발자가 정교한 AI 에이전트를 구축할 수 있도록 설계된 오픈 소스 파이썬 플랫폼 및 프레임워크이다. 사용자 정의 플러그인과 외부 도구를 통합하고, 세션 간 장기 메모리를 유지하며, 다단계의 연쇄 사고 계획을 실행할 수 있다. 개발자는 에이전트 역할을 구성하고, 맥락을 관리하며, 상호 작용을 기록하고, 플러그인 아키텍처를 통해 기능을 확장할 수 있다. 데이터 분석, 연구 지원 또는 고객 서비스 자동화와 같은 작업에 자율 보조 도구 제작을 간소화한다.

A-Mem은 Python 기반 AI 에이전트 프레임워크와 원활하게 통합하도록 설계되었으며, 세 가지 독립적인 메모리 모듈을 제공합니다: 에피소드별 맥락을 저장하는 에피소드 메모리, 즉각적인 과거 행동을 위한 단기 메모리, 시간에 따라 축적되는 지식을 위한 장기 메모리. 개발자는 용량, 보존 정책, 세션 직렬화 백엔드(인메모리 또는 Redis 등)를 사용자 정의할 수 있습니다. 라이브러리에는 유사성 및 맥락 창에 근거하여 관련 기억을 빠르게 검색하는 효율적인 인덱싱 알고리즘이 포함되어 있습니다. A-Mem의 메모리 핸들러를 에이전트의 인지-행동 루프에 삽입함으로써 사용자는 관측, 행동, 결과를 저장하고 과거 경험을 조회하여 현재 결정을 지원할 수 있습니다. 이러한 모듈식 설계는 강화학습, 대화 AI, 로보틱스 네비게이션 등 맥락 인식과 시간적 추론이 필요한 작업을 빠르게 실험할 수 있도록 합니다.

Agents-Deep-Research는 사용자 정의 목표를 하위 작업으로 분해하는 태스크 계획 엔진, 컨텍스트를 저장하고 검색하는 장기 메모리 모듈, 외부 API와 시뮬레이션 환경과 상호 작용할 수 있는 도구 통합 계층을 제공하여 자율 AI 에이전트 개발과 테스트를 간소화하도록 설계되었습니다. 또한 다양한 시나리오에서 에이전트 성능을 측정할 수 있는 평가 스크립트와 벤치마크 도구도 제공합니다. Python 위에 구축되고 다양한 LLM 백엔드에 적응 가능하며, 연구자와 개발자가 빠르게 새로운 에이전트 아키텍처를 프로토타입하고, 재현 가능한 실험을 수행하며, 제어된 환경에서 다양한 계획 전략을 비교할 수 있도록 합니다.

Strands Agents는 지능형 어시스턴트를 만들기 위한 풀스택 환경을 제공합니다. 사용자는 대화 흐름을 정의하고, 지식기반을 관리하며, 메모리 설정을 구성하고, 웹후크 또는 외부 API와 연동할 수 있습니다. 플랫폼은 성능 측정 분석, 버전 제어 팀 협업 도구, 웹 채팅, 모바일 또는 임베디드 위젯을 통한 원활한 배포를 지원합니다. 코딩 기술이 필요 없으며, 시각적 편집기로 행동을 맞춤설정하고 대량의 문의를 처리하는 에이전트로 확장할 수 있습니다.