Fast-LLM-Agent-MCP는 메모리 관리, 사고의 연쇄 추론, 다단계 계획을 결합한 AI 에이전트를 구축하기 위한 경량 오픈 소스 Python 프레임워크입니다. 개발자는 OpenAI, Azure OpenAI, 로컬 Llama 및 기타 모델과 통합하여 대화 맥락을 유지하고 구조화된 추론 과정을 생성하며 복잡한 작업을 실행 가능한 하위 작업으로 분할할 수 있습니다. 모듈식 설계로 사용자 정의 도구 및 메모리 저장소를 통합할 수 있어 가상 도우미, 의사 결정 지원 시스템, 자동 고객 지원 봇 등에 적합합니다.

Dial4JaCa는 JaCaMo 다중 에이전트 플랫폼용 Java 라이브러리 플러그인으로, 에이전트 간 메시지를 가로채어 에이전트 의도를 인코딩하고 이를 LLM 백엔드(OpenAI, 로컬 모델)로 라우팅합니다. 대화 컨텍스트를 관리하고, 신념 기반을 갱신하며, 응답 생성 기능을 AgentSpeak(L)의 추론 주기 내에 직접 통합합니다. 개발자는 프롬프트를 커스터마이징하고 대화 아티팩트를 정의하며 비동기 호출을 처리하여 에이전트가 사용자 발화를 해석하고, 작업을 조정하며, 외부 정보를 자연어로 검색할 수 있도록 합니다. 모듈식 설계로 오류 처리, 로깅, 다중 LLM 선택을 지원하며, 연구, 교육, 빠른 프로토타이핑에 이상적입니다.

GPA-LM은 파이썬 기반 프레임워크로, 대형 언어 모델을 기반으로 하는 AI 에이전트의 생성과 조정을 쉽게 합니다. 상위 명령을 하위 태스크로 분해하는 플래너, 도구 호출과 상호작용을 관리하는 실행기, 세션 간 맥락을 유지하는 메모리 모듈이 포함되어 있습니다. 플러그인 아키텍처는 개발자가 커스텀 도구, API, 결정 논리를 추가할 수 있게 합니다. 다중 에이전트 지원으로 역할 조율, 작업 분산, 결과 집계가 가능합니다. OpenAI GPT 같은 인기 LLM과 원활하게 통합하며 다양한 환경에서 배포할 수 있습니다. 이 프레임워크는 연구, 자동화, 애플리케이션 프로토타이핑을 위한 자율 에이전트 개발을 가속화합니다.

JADE는 Java 기반의 에이전트 개발 프레임워크로, 분산형 다중 에이전트 시스템의 구축을 단순화합니다. FIPA 호환 인프라를 제공하며, 여기에는 런타임 환경, 메시지 전송, 디렉터리 Facilitator, 에이전트 관리가 포함됩니다. 개발자는 Java로 에이전트 클래스를 작성하여 컨테이너에 배포하고, RMA, Sniffer와 같은 그래픽 도구를 사용하여 디버깅 및 모니터링을 수행합니다. JADE는 에이전트 이동성, 행동 스케줄링, 라이프사이클 작업을 지원하여 연구, IoT 조정, 시뮬레이션, 기업 자동화 등을 위한 확장 가능하고 모듈화된 설계를 가능하게 합니다.

JARVIS-1은 자연어 인터페이스, 메모리 모듈, 플러그인 기반 작업 실행기를 결합한 모듈형 아키텍처를 제공합니다. GPT-index를 기반으로 하여, 대화를 유지하고 컨텍스트를 검색하며 사용자 인터랙션과 함께 발전합니다. 사용자들은 간단한 프롬프트로 작업을 정의하며, JARVIS-1은 작업 스케줄링, 코드 실행, 파일 조작, 웹 브라우징을 조율합니다. 플러그인 시스템은 데이터베이스, 이메일, PDF, 클라우드 서비스와의 맞춤 통합을 가능하게 합니다. Linux, macOS, Windows에서 Docker 또는 CLI로 배포 가능하며, 오프라인 동작과 데이터 제어를 보장하여 개발자, DevOps 팀 및 파워 유저에게 안전하고 확장 가능한 자동화 솔루션입니다.

JASA는 다중 에이전트 시스템 시뮬레이션을 구축하고 실행하는 데 필요한 포괄적인 Java 라이브러리 세트를 제공합니다. 에이전트 생명주기 관리, 이벤트 스케줄링, 비동기 메시지 전달, 환경 모델링을 지원합니다. 개발자는 핵심 클래스를 확장하여 맞춤 행동을 구현하고, 외부 데이터 소스를 통합하며 시뮬레이션 결과를 시각화할 수 있습니다. 모듈형 설계와 명확한 API 문서화는 신속한 프로토타이핑과 확장성을 용이하게 하여 학술 연구, 교육 및 에이전트 기반 모델링의 개념 증명에 적합합니다.

Julep AI는 데이터 과학 팀이 빠르게 다단계 AI 워크플로를 구축, 반복 및 배포할 수 있도록 설계된 오픈 소스 플랫폼입니다. Julep를 사용하면 에이전트, 작업 및 도구를 사용하여 확장 가능하고 내구성 있으며 장기적으로 실행할 수 있는 AI 파이프라인을 생성할 수 있습니다. 이 플랫폼의 YAML 기반 구성은 복잡한 AI 프로세스를 단순화하고 생산 준비가 된 워크플로를 보장합니다. 그것은 빠른 프로토타이핑, 모듈식 설계 및 기존 시스템과의 원활한 통합을 지원하여 수백만명의 동시 사용자를 처리하면서 AI 운영에 대한 전체 가시성을 제공합니다.

Langchainrb는 에이전트, 체인, 도구를 위한 모듈식 프레임워크를 제공하는 오픈소스 Ruby 라이브러리입니다. 개발자는 프롬프트 템플릿 정의, LLM 호출 체인 구성, 컨텍스트 유지를 위한 메모리 컴포넌트 통합, 문서 로더 또는 검색 API와 같은 커스텀 도구 연결이 가능합니다. 의미 검색용 임베딩 생성, 내장된 오류 처리, 유연한 모델 구성도 지원합니다. 에이전트 추상화를 통해 사용자 입력에 따라 어떤 도구 또는 체인을 호출할지 결정하는 대화형 비서 구현이 가능합니다. 확장 가능한 구조로 빠른 프로토타이핑이 가능하며, 챗봇, 자동 요약 파이프라인, 질의응답 시스템, 복잡한 워크플로우 자동화에 적합합니다.

Langroid는 최소한의 오버헤드로 정교한 AI 기반 애플리케이션을 구축할 수 있는 종합적인 에이전트 프레임워크를 제공합니다. 모듈식 설계는 맞춤형 에이전트 페르소나, 컨텍스트 유지를 위한 상태 기반 메모리, OpenAI, Hugging Face, 프라이빗 엔드포인트 같은 대형 언어 모델(LLM)과의 원활한 통합을 허용합니다. Langroid의 도구 키트는 코드 실행, 데이터베이스에서 데이터 가져오기, 외부 API 호출, 텍스트·이미지·오디오와 같은 다중 모드 입력 처리를 가능하게 합니다. 오케스트레이션 엔진은 비동기 워크플로우 및 도구 호출을 관리하며, 플러그인 시스템은 에이전트 능력 확장을 지원합니다. 복잡한 LLM 상호작용과 메모리 관리를 추상화하여, Langroid는 챗봇, 가상 비서 및 다양한 산업 분야의 작업 자동화 솔루션 개발을 가속화합니다.

MIDCA는 지능형 에이전트의 전체 인지 루프를 지원하도록 설계된 모듈형 인지 아키텍처입니다. 이 시스템은 감각 입력을 인지 모듈을 통해 처리하고, 데이터를 해석하여 목표를 생성 및 우선순위 지정하며, 계획자를 활용해 행동 시퀀스를 생성하고, 작업을 수행하며, 이후 메타인지 계층을 통해 결과를 평가합니다. 이중 사이클 설계는 빠른 반응과 느린 숙고를 구분하여 에이전트가 역동적으로 적응할 수 있게 합니다. MIDCA의 확장 가능 프레임워크와 오픈소스 코드는 자율적 의사결정, 학습, 자기반성 연구를 하는 연구자와 개발자에게 이상적입니다.

Multi-Agent ColComp는 복잡한 작업을 함께 수행하는 AI 에이전트 팀을 조정하는 확장 가능한 오픈소스 프레임워크입니다. 개발자는 서로 다른 에이전트 역할을 정의하고, 통신 채널을 구성하며, 통합된 메모리 저장소를 통해 컨텍스트 데이터를 공유할 수 있습니다. 이 라이브러리에는 협상, 조정, 합의 형성 플러그인 구성요소가 포함되어 있으며, 협력 텍스트 생성, 분산 계획, 다중 에이전트 시뮬레이션 등의 예제 시나리오가 제공됩니다. 모듈식 설계는 쉽게 확장 가능하며, 연구 또는 운영 환경에서 빠른 프로토타이핑과 평가를 지원합니다.

multiagent-env는 다중 에이전트 강화 학습 환경의 생성과 평가를 간소화하도록 설계된 오픈소스 파이썬 라이브러리입니다. 사용자들은 에이전트 수, 행동 및 관측 공간, 보상 함수, 환경 역학을 지정하여 협력 및 적대적 시나리오를 정의할 수 있습니다. 실시간 시각화, 커스터마이징 가능한 렌더링, Stable Baselines, RLlib과 같은 파이썬 기반 RL 프레임워크와의 손쉬운 통합을 지원합니다. 모듈화된 설계로 새로운 시나리오의 빠른 프로토타이핑과 다중 에이전트 알고리즘의 간단한 벤치마킹이 가능합니다.

NavGround Learning은 내비게이션 작업에서 강화 학습 에이전트 개발 및 벤치마킹을 위한 종합 툴킷을 제공합니다. 다중 에이전트 시뮬레이션, 충돌 모델링, 커스터마이징 가능한 센서 및 액츄에이터를 지원합니다. 사용자는 사전 정의된 정책 템플릿을 선택하거나 커스텀 아키텍처를 구현하여 최신 RL 알고리즘으로 훈련하고 성능 지표를 시각화할 수 있습니다. OpenAI Gym 및 Stable Baselines3와의 통합은 실험 관리를 간소화하며, 내장된 로깅 및 시각화 도구는 에이전트 행동과 훈련 역학에 대한 심층 분석을 가능하게 합니다.

Odyssey는 협업형 다중 에이전트 시스템 구축을 위한 유연한 아키텍처를 제공합니다. 핵심 구성 요소에는 하위 작업을 정의하고 배포하는 태스크 매니저, 맥락과 대화 기록을 저장하는 메모리 모듈, LLM 기반 에이전트 조정을 담당하는 에이전트 컨트롤러, 외부 API 또는 사용자 정의 기능을 통합하는 도구 매니저가 포함됩니다. 개발자는 YAML 파일로 워크플로를 구성하고, 사전 구축된 LLM 커널(GPT-4, 로컬 모델 등)을 선택하며, 새로운 도구 또는 메모리 백엔드도 손쉽게 확장할 수 있습니다. Odyssey는 상호작용 기록, 비동기 작업 수행, 반복적 개선 루프를 지원하여 연구, 프로토타이핑, 실전 애플리케이션에 이상적입니다.

Notte는 대규모 언어 모델로 구동되는 AI 에이전트의 오케스트레이션을 위해 설계된 개발자 중심의 Python 프레임워크입니다. 대화 컨텍스트를 저장하고 검색하는 빌트인 메모리 모듈, 외부 API 또는 맞춤 기능과의 유연한 도구 통합, 작업을 시퀀스하는 기획 엔진을 제공합니다. Notte를 사용하면 대화형 비서, 데이터 분석 봇 또는 자동화 워크플로우를 빠르게 프로토타이핑할 수 있으며, 오픈 소스 확장성 및 크로스 플랫폼 지원의 혜택을 누릴 수 있습니다.

With AI Agents는 역할이 다양한 여러 AI 에이전트를 정의하고 오케스트레이션하는 TypeScript 기반 코드 우선 프레임워크입니다. 내장된 메모리 관리를 통해 컨텍스트를 지속하며, 외부 API를 통합하는 함수 호출 서브시스템과 인터랙티브 세션용 CLI 인터페이스를 제공합니다. 파이프라인 또는 계층으로 에이전트를 구성하여 데이터 분석 파이프라인이나 고객 지원 흐름과 같은 복잡한 작업을 자동화하고, 모듈성, 확장성, 손쉬운 맞춤화가 가능합니다.

MultiAgentModel은 멀티에이전트 시나리오를 위한 맞춤형 환경 및 에이전트 클래스를 정의하는 통합 API를 제공합니다. 개발자는 관측 및 행동 공간, 보상 구조, 통신 채널을 지정할 수 있습니다. PPO, DQN, A2C와 같은 인기 RL 알고리즘을 기본 지원하여 최소한의 구성으로 훈련할 수 있습니다. 실시간 시각화 도구를 통해 에이전트 상호작용과 성능 지표를 모니터링합니다. 모듈식 아키텍처는 새로운 알고리즘과 맞춤형 모듈의 손쉬운 통합을 가능하게 하며, 하이퍼파라미터 튜닝을 위한 유연한 구성 시스템, 실험 추적을 위한 로깅 유틸리티, 원활한 포터블성을 위한 OpenAI Gym 환경과의 호환성을 포함합니다. 사용자들은 공유 환경에서 협력하거나, 기록된 세션을 재생하여 분석할 수 있습니다.

ASP-DALI는 논리 기반 지능형 에이전트를 정의하고 실행하는 통합 플랫폼을 제공합니다. 개발자는 ASP 규칙을 작성하여 에이전트의 지식과 목표를 표현하고, DALI 구성체를 사용하여 이벤트 반응과 작업 실행을 정의합니다. 런타임에는 ASP 해결기가 해답 세트(answer sets)를 계산하여 에이전트의 결정에 방향을 제시하며, 이를 통해 계획 수립, 이벤트에 대한 반응, 신념을 동적으로 조정할 수 있습니다. 이 프레임워크는 모듈식 지식베이스를 지원하여 점진적 업데이트와 선언적 규칙과 반응 행동 간의 명확한 분리를 가능하게 합니다. ASP-DALI는 Prolog로 구현되었으며, 대중적인 ASP 해결기와 인터페이스를 제공하여 연구와 프로토타입 환경에서의 통합과 배포를 쉽게 합니다.

bedrock-agent는 AWS Bedrock의 대규모 언어 모델 세트와 통합하여 복잡하고 작업 중심의 워크플로우를 오케스트레이션하는 다용도 AI 에이전트 프레임워크입니다. 사용자 정의 도구 등록을 위한 플러그인 아키텍처, 컨텍스트 영속성을 위한 메모리 모듈, 향상된 추론을 위한 사고 사슬 메커니즘을 제공합니다. 간단한 Python API와 명령줄 인터페이스를 통해 외부 서비스 호출, 문서 처리, 코드 생성 또는 채팅을 통한 사용자 상호작용이 가능한 에이전트 정의를 지원합니다. 에이전트는 사용자 프롬프트에 따라 적절한 도구를 자동으로 선택하고 세션 간 대화 상태를 유지할 수 있습니다. 이 프레임워크는 오픈 소스이며 확장 가능하고, 신속한 프로토타이핑 및 AI 지원 어시스턴트 배포에 최적화되어 있습니다.

하이퍼볼릭 타임 챔버는 메모리 관리, 컨텍스트 윈도우 오케스트레이션, 프롬프트 체인, 도구 통합, 실행 제어를 위한 구성요소를 제공하여 유연한 AI 에이전트 구축 환경을 제공합니다. 개발자는 모듈식 빌딩 블록을 통해 에이전트 동작을 정의하고, 맞춤형 메모리(단기 및 장기)를 구성하며, 외부 API 또는 로컬 도구를 연동할 수 있습니다. 이 프레임워크는 비동기 지원, 로깅, 디버깅 유틸리티도 포함하여, 고급 대화형 또는 작업 지향 에이전트를 빠르게 프로토타입 및 배포할 수 있게 합니다.