CUPCAKE AGI(Composable Utilitarian Pipeline for Creative, Knowledgeable, and Evolvable Autonomous General Intelligence)는 언어 모델, 메모리, 외부 도구를 결합하여 자율 에이전트 구축을 단순화하는 유연한 Python 프레임워크입니다. 목표 플래너, 모델 실행기, 메모리 관리자 등 핵심 모듈을 갖추고 있으며, 상호작용 간 컨텍스트를 유지할 수 있습니다. API, 데이터베이스 또는 커스텀 툴킷과 통합하기 위해 플러그인을 확장할 수 있습니다. 이 프레임워크는 동기 및 비동기 워크플로를 모두 지원하여 연구, 프로토타이핑, 프로덕션 배포에 이상적입니다.
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.
FreeAct는 모듈식 아키텍처를 사용하여 AI 에이전트의 생성 과정을 간소화합니다. 개발자는 상위 목표를 정의하고 계획 모듈을 구성하여 단계별 계획을 생성합니다. 추론 구성 요소는 계획의 실현 가능성을 평가하며, 실행 엔진은 API 호출, 데이터베이스 쿼리, 외부 도구 호출을 조율합니다. 메모리 관리는 대화 컨텍스트와 과거 데이터를 추적하여 에이전트가 정보에 근거한 결정을 내릴 수 있게 지원합니다. 환경 레지스트리는 사용자 지정 도구와 서비스의 쉽게 통합할 수 있도록 하며, 동적 적응을 가능하게 합니다. FreeAct는 여러 LLM 백엔드를 지원하며, 로컬 서버 또는 클라우드 환경에 배포할 수 있습니다. 오픈소스 특성 및 확장 가능한 설계로 연구 및 실용적인 지능형 에이전트의 신속한 프로토타입 제작을 지원합니다.
Genai는 사용자의 상호작용 방식을 혁신하기 위해 구축된 다목적 플랫폼입니다. 다양한 출처에서 데이터를 수집하고 혼합하여 Genai는 사용자 정의 챗봇을 몇 분 안에 생성하고 배포하며 교육, 연구 등에서 작업 흐름을 간소화할 수 있습니다. 고급 AI 기술을 활용하여 우수한 사용자 경험을 제공하고 프로세스를 최적화합니다.
이 오픈소스 프레임워크는 AgentSimJs 에이전트 모델링 라이브러리와 Three.js의 3D 그래픽 엔진을 결합하여 브라우저 기반의 인터랙티브 멀티 에이전트 시뮬레이션을 제공합니다. 사용자는 에이전트 유형, 행동, 환경 규칙을 정의하고 충돌 감지와 이벤트 처리를 구성하며, 맞춤형 렌더링 옵션으로 실시간 시뮬레이션을 시각화할 수 있습니다. 이 라이브러리는 동적 제어, 씬 관리, 성능 튜닝을 지원하여 연구, 교육, 복잡한 에이전트 기반 시나리오 프로토타이핑에 이상적입니다.
Symbol-LLM은 상징적 메모리 저장소로 보강된 대형 언어 모델을 사용하는 AI 에이전트 구축을 위한 모듈식 아키텍처를 제공합니다. 복잡한 작업을 분해하는 플래너, 도구를 호출하는 이그제큐터, 그리고 상호작용 전체에 걸쳐 컨텍스트를 유지하는 메모리 시스템이 포함되어 있습니다. 웹 검색, 계산기, 코드 실행과 같은 내장 도구 및 사용자 정의 도구의 간단한 API를 통해 다양한 분야(연구, 고객 지원, 워크플로우 자동화)에 신속한 프로토타입 제작 및 배포가 가능합니다.
LemLab은 대형 언어 모델로 구동되는 AI 에이전트 개발을 위한 모듈화된 프레임워크입니다. 개발자는 사용자 정의 프롬프트 템플릿을 정의하고, 다단계 추론 파이프라인을 연결하며, 외부 도구와 API를 통합하고, 대화 맥락을 저장할 메모리 백엔드를 구성할 수 있습니다. 또한 정의된 작업에서 에이전트 성능을 벤치마킹하는 평가 스위트도 포함되어 있습니다. 재사용 가능한 구성 요소와 명확한 추상화를 제공하여 연구 및 생산 환경에서 복잡한 LLM 애플리케이션의 실험, 디버깅, 배포를 가속화합니다.
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.
BAML Agents는 모듈식이고 확장 가능한 플랫폼을 찾는 개발자와 AI 실무자를 위해 설계되었습니다. 사용자 지정 도구의 원활한 통합을 위한 플러그인 기반 아키텍처, 대화 컨텍스트를 유지하는 메모리 시스템, 다단계 추론 워크플로우를 지원합니다. BAML Agents를 사용하면 빠르게 에이전트 행동을 구성하고, 외부 API에 연결하며, 일반적인 에이전트 패턴을 재창조하지 않고 복잡한 작업을 조율할 수 있습니다. 경량 디자인과 명확한 추상화 덕분에 프로토타입 제작, 연구, 다양한 자동화 환경에서의 프로덕션 배포에 이상적입니다.
