AutoAct는 LLM 기반 추론과 구조화된 계획, 모듈형 도구 통합을 결합하여 인텔리전트 에이전트 개발을 간소화하도록 설계되었습니다. 명령어 실행 시퀀스를 생성하는 Planner 컴포넌트, 외부 API를 정의하고 호출하는 ToolKit, 맥락을 유지하는 Memory 모듈을 포함하고 있습니다. 로깅, 오류 처리 및 구성 가능 정책을 통해 AutoAct는 데이터 분석, 콘텐츠 생성, 대화형 비서와 같은 작업에 대해 견고한 엔드 투 엔드 자동화를 지원합니다. 개발자는 워크플로우를 사용자 정의하고, 도구를 확장하며, 온프레미스 또는 클라우드에 배포할 수 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.

멀티에이전트 시스템은 분산 에이전트 기반 아키텍처의 생성, 구성, 실행을 간소화하도록 설계되었습니다. 개발자는 Java 클래스 내에서 에이전트 행동, 통신 온톨로지, 서비스 설명을 정의할 수 있습니다. 프레임워크는 컨테이너 설정, 메시지 전달, 생애주기 관리를 담당합니다. 표준 FIPA 프로토콜을 기반으로 P2P 협상, 협력 계획, 모듈 확장을 지원하며, 사용자는 단일 또는 네트워크 호스트에서 멀티에이전트 시나리오를 실행, 모니터링, 디버깅할 수 있어 연구, 교육, 소규모 배포에 적합합니다.

Promptix Python은 Python에서 자율 AI 에이전트를 구축하기 위한 오픈소스 프레임워크입니다. pip를 통해 간단히 설치하고, 주요 LLM으로 구동되는 에이전트를 인스턴스화하며, 도메인별 도구를 등록하고, 인메모리 또는 영속 데이터 저장소를 구성하며, 다단계 의사 결정 루프를 오케스트레이션할 수 있습니다. SDK는 토큰 출력을 실시간으로 스트리밍하고, 로깅 또는 커스텀 처리를 위한 콜백 핸들러를 지원하며, 맥락을 유지하는 내부 메모리 모듈도 포함되어 있습니다. 개발자는 이 라이브러리를 활용하여 챗봇 어시스턴트, 자동화, 데이터 파이프라인 또는 연구용 에이전트를 몇 분 만에 프로토타입할 수 있습니다. 모듈식 설계로 모델 교체, 맞춤형 도구 추가, 메모리 백엔드 확장이 가능하여 다양한 AI 에이전트 사용 사례에 유연성을 제공합니다.

ANAC-agents는 ANAC 자동 협상 에이전트 대회(ANAC)를 위해 여러 협상 에이전트 구현을 중앙 집중화한 Python 기반 프레임워크입니다. 리포지토리 내 각 에이전트는 유틸리티 모델링, 제안 생성, 양보 전략, 수락 기준에 대해 뚜렷한 전략을 구현하여 비교 연구와 빠른 프로토타입 제작을 가능하게 합니다. 사용자들은 맞춤 이슈와 선호 프로필이 있는 협상 도메인을 정의한 후 쌍방 협상 또는 토너먼트 형식 경쟁을 시뮬레이션할 수 있습니다. 도구키트에는 설정 스크립트, 평가 지표, 협상 역학 분석을 위한 로깅 유틸리티가 포함되어 있으며, 연구자와 개발자는 기존 에이전트를 확장하거나 새로운 알고리즘을 시험하며, 외부 학습 모듈을 통합하여 전략적 결정과 자동 협상 분야의 혁신을 가속화할 수 있습니다.

js-agent는 개발자에게 JavaScript에서 자율 AI 에이전트를 만들기 위한 미니멀하면서도 강력한 툴킷을 제공합니다. 대화 메모리, 함수 호출 도구, 사용자 지정 가능한 기획 전략, 오류 처리용 추상화를 제공하며, 프로ンプ트 구성, 상태 관리, 외부 API 호출, 복잡한 에이전트 동작 조정을 간단하고 모듈화된 API를 통해 빠르게 할 수 있습니다. Node.js 환경에서 실행되도록 설계되었으며, OpenAI API와 원활하게 통합되어 지능적이고 컨텍스트 인지적인 에이전트를 지원합니다.

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.

언어 에이전트 시스템은 언어 모델을 활용하여 작업을 계획하고 수행하는 지능형 에이전트를 구축하기 위한 오픈 소스 Python 프레임워크입니다. 메모리 관리, 도구 등록, 계획자 및 실행자로 구성되어 있으며, 에이전트가 컨텍스트를 유지하고, 외부 API를 호출하며, 웹 검색을 수행하고, 워크플로우를 자동화할 수 있도록 합니다. YAML로 구성 가능하며, 여러 LLM 공급자를 지원하여 챗봇, 콘텐츠 요약기, 자율 에이전트 등의 프로토타이핑을 빠르게 할 수 있습니다. 개발자는 맞춤형 도구 및 메모리 백엔드를 만들어 기능을 확장하여 로컬 또는 서버에서 에이전트를 배포할 수 있습니다.

micro-agent는 자율 AI 에이전트를 생성하기 위한 최소한이면서도 강력한 추상화 세트를 제공합니다. TypeScript로 제작되어 있으며, 브라우저와 Node.js 환경 모두에서 원활하게 실행됩니다. 사용자 정의 프롬프트 템플릿, 의사결정 논리, 확장 가능한 도구 연동을 통해 에이전트를 정의할 수 있습니다. 에이전트는 사고 사슬(reasoning chain)을 활용하고, 외부 API와 상호작용하며, 대화 또는 작업별 기억을 유지할 수 있습니다. 이 라이브러리에는 API 응답 처리, 오류 관리, 세션 지속성을 위한 유틸리티도 포함되어 있습니다. micro-agent를 사용하면, 개발자는 다양한 작업(워크플로우 자동화, 대화형 인터페이스 구축, 데이터 처리 파이프라인 오케스트레이션 등)을 위한 에이전트의 프로토타입 제작 및 배포가 가능하며, 큰 프레임워크의 오버헤드 없이도 가능합니다. 모듈식 설계와 명확한 API 표면은 확장과 기존 애플리케이션에의 통합을 용이하게 만듭니다.

SeeAct는 관찰된 장면에 기반하여 하위 목표를 생성하는 대형 언어 모델 기반 계획 모듈과, 하위 목표를 환경별 행동으로 번역하는 실행 모듈의 이단계 파이프라인으로 비전-언어 에이전트를 강화하도록 설계되었습니다. 인지 백본은 이미지 또는 시뮬레이션에서 객체 및 장면 특징을 추출합니다. 모듈식 아키텍처는 계획자 또는 인지 네트워크의 교체를 쉽게 하며, AI2-THOR, Habitat 및 커스텀 환경에서 평가를 지원합니다. SeeAct는 엔드 투 엔드 작업 분해, 그라운딩, 실행을 제공하여 상호작용하는 내장형 AI 연구를 가속화합니다.