CopilotKit은 개발자가 맞춤형 AI 에이전트를 구축할 수 있도록 설계된 오픈소스 Python 프레임워크입니다. 파일 시스템 액세스, 웹 검색, Python REPL, SQL 커넥터 등의 도구를 등록하고 구성하며, 어떤 지원되는 LLM과도 연결할 수 있는 모듈식 아키텍처를 제공합니다. 내장된 메모리 모듈은 대화 상태를 지속하고, LangGraph는 복잡한 작업을 위한 구조화된 추론 흐름을 정의할 수 있도록 합니다. 에이전트는 스크립트, 웹 서비스 또는 CLI 앱으로 배포할 수 있으며 클라우드 공급자에 따라 확장 가능합니다. CopilotKit은 OpenAI, Azure OpenAI, Anthropic 모델과 원활하게 통합되어 자동화 워크플로우, 챗봇 및 데이터 분석 봇을 강화합니다.

CoreLink-Persona-Engine은 성격 특성, 메모리 행동, 대화 흐름을 정의하여 독특한 페르소나를 갖는 AI 에이전트를 생성할 수 있는 모듈형 프레임워크입니다. 지식 베이스, 사용자 정의 로직, 외부 API를 통합하는 유연한 플러그인 아키텍처를 제공합니다. 엔진은 단기 및 장기 메모리를 모두 관리하며, 세션 간 컨텍스트 연속성을 가능하게 합니다. 개발자는 JSON 또는 YAML로 페르소나 프로필을 구성하고, OpenAI 또는 로컬 모델 같은 LLM 공급자에 연결하며, 다양한 플랫폼에 배포할 수 있습니다. 내장 로그와 분석을 통해 성능 모니터링과 행동 수정이 용이하며, 고객 지원 챗봇, 가상 비서, 롤플레잉 애플리케이션, 연구 프로토타입에 적합합니다.

Agent Script는 대규모 언어 모델에 선언적 스크립팅 레이어를 제공하여 YAML 또는 JSON 스크립트를 작성해 에이전트 워크플로우, 도구 호출, 메모리 사용을 정의할 수 있습니다. OpenAI, 로컬 LLM 또는 기타 제공자를 플러그인하고, 외부 API를 도구로 연결하며, 장기 메모리 백엔드를 구성할 수 있습니다. 프레임워크는 맥락 관리, 비동기 실행, 상세 로그를 기본 제공하며, 적은 코드로 챗봇, RPA 워크플로우, 데이터 추출 에이전트 또는 사용자 정의 제어 루프의 프로토타입을 빠르게 만들 수 있어 AI 기반 자동화의 구축, 테스트, 배포를 용이하게 합니다.

AI Agent Marketplace는 AI 에이전트에 관한 커뮤니티 기반 디렉터리로, 개발자, 연구원, 열정적인 사용자들이 에이전트를 발견하고 평가하며 기여할 수 있도록 합니다. 사용자는 카테고리별 필터링, 상세 기능과 통합 안내를 보고, 풀 리퀘스트를 통해 자신의 에이전트를 제출할 수 있습니다. 이 플랫폼은 각 에이전트의 메타데이터, 링크, 예제 등을 집계하여 능력 비교와 특정 용도에 적합한 도구 선택을 용이하게 합니다.

Arenas는 LLM 기반 에이전트 개발의 전체 수명 주기를 효율화하도록 설계되었습니다. 개발자는 에이전트 페르소나를 정의하고, 외부 API와 도구를 플러그인으로 통합하며, 유연한 DSL을 사용해 다단계 워크플로우를 구성할 수 있습니다. 이 프레임워크는 대화 기록, 오류 처리, 로깅을 관리하며, 강력한 RAG 파이프라인과 다중 에이전트 협업을 지원합니다. CLI와 REST API를 통해 로컬에서 프로토타입을 제작하고 마이크로서비스 또는 컨테이너화된 애플리케이션으로 배포할 수 있습니다. Arenas는 인기 있는 LLM 제공업체를 지원하며, 모니터링 대시보드와 일반적인 사용 사례에 대한 미리보기 템플릿을 포함합니다. 이 유연한 아키텍처는 보일러플레이트 코드를 줄이고 고객 참여, 연구, 데이터 처리 등 분야의 AI 기반 솔루션의 출시 기간을 단축합니다.

강력한 자동 연구자는 연구 워크플로우를 자동화하고 가속화하는 Python 기반 AI 에이전트 프레임워크입니다. 사용자는 주제 또는 초기 질문을 정의하고, 에이전트는 반복적으로 후속 질문을 생성, OpenAI 모델에 제출하고 응답을 집계합니다. 사용자 정의 프롬프트 템플릿, 워크플로 체인, Markdown, JSON, PDF로의 자동 내보내기를 지원하며, 로깅과 결과 관리를 통해 재현성을 확보합니다. 이 도구는 학술 문헌 검토, 경쟁 정보 수집, 시장 조사, 기술 심층 조사에 이상적이며 수작업 부담을 줄이고 체계적인 연구 질문 커버리지를 보장합니다.

ClassiCore-Public은 분류 모델을 구축, 최적화, 배포하기 위한 포괄적 환경을 제공합니다. 직관적인 파이프라인 빌더는 원시 데이터 수집, 정리, 피처 엔지니어링을 처리합니다. 내장 모델 저장소에는 랜덤 포레스트, SVM, 딥러닝 아키텍처 등이 포함되어 있습니다. 베이즈 최적화 기반의 하이퍼파라미터 자동 튜닝은 최적 설정을 찾습니다. 학습된 모델은 RESTful API 또는 마이크로서비스로 배포할 수 있으며, 성능 지표를 실시간으로 보여주는 모니터링 대시보드가 있습니다. 확장 가능한 플러그 인을 통해 사용자 정의 전처리, 시각화, 배포 대상도 추가 가능해 산업 규모의 분류 작업에 적합합니다.

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.

Embedditor는 벡터 임베딩을 위한 효율적인 MS Word 동등 툴로 설계된 최첨단 오픈 소스 툴입니다. LLM 벡터 임베딩을 편집할 수 있는 사용자 친화적인 인터페이스를 제공하여 사용자가 다양한 파일 형식으로 내용을 업로드, 결합, 분할 및 편집할 수 있도록 합니다. 목표는 벡터 검색 기능을 최적화하여 더 나은 성능과 더 정확한 검색 결과를 보장하는 것입니다. 이 도구는 임베딩 프로세스에 대한 상당한 유연성과 제어를 제공하여 모든 벡터 검색 및 언어 모델 작업 흐름에 귀중한 추가 요소가 됩니다.

Functionary는 사용자 정의 도구(API 호출, 데이터베이스 쿼리 또는 비즈니스 논리를 캡슐화하는 JavaScript 함수)를 등록하는 선언적 방법을 제공합니다. 사용자 입력을 분석하고 호출할 도구를 결정하며, 도구의 출력을 대화 응답으로 다시 파싱하는 LLM 상호작용을 래핑합니다. 프레임워크는 메모리, 오류 처리, 액션 연결을 지원하며, 사전 및 사후 처리에 대한 훅을 제공합니다. 개발자는 보일러플레이트 없이 역동적인 함수 오케스트레이션이 가능한 에이전트를 신속하게 구축하여 AI 워크플로우에 대한 제어력을 높일 수 있습니다.

HMAS는 계층형 다중 에이전트 시스템 개발을 가능하게 하는 오픈 소스 Python 프레임워크입니다. 에이전트 계층, 에이전트 간 통신 프로토콜, 환경 통합, 내장 훈련 루프를 위한 추상화를 제공합니다. 연구자와 개발자는 HMAS를 사용하여 복잡한 에이전트 상호 작용의 프로토타입을 만들고, 협력 정책을 훈련하며, 시뮬레이션 환경에서 성능을 평가할 수 있습니다. 모듈식 설계를 통해 에이전트, 환경, 훈련 전략을 확장하고 사용자 지정하기 쉽습니다.

InfantAgent는 Python에서 지능형 에이전트를 설계하고 배치하기 위한 경량 구조를 제공합니다. 인기 있는 LLM(OpenAI, Hugging Face)와 통합하며, 지속적인 메모리 모듈을 지원하고, 맞춤형 도구 체인을 활성화합니다. 기본적으로 대화 인터페이스, 작업 조율, 정책 기반 의사결정이 포함됩니다. 이 프레임워크의 플러그인 아키텍처는 도메인별 도구와 API에 대한 확장을 쉽게 하여, 연구용 에이전트 프로토타이핑, 워크플로우 자동화 또는 AI 어시스턴트 임베딩에 이상적입니다.

LLPhant는 개발자가 다목적 LLM 기반 에이전트를 생성할 수 있도록 하는 오픈소스 파이썬 프레임워크입니다. API, 검색, 데이터베이스 등 외부 도구 통합, 다중 턴 대화용 메모리 관리, 커스터마이징 가능한 의사결정 루프를 위한 내장 추상화를 제공합니다. OpenAI, Hugging Face 등의 여러 LLM 백엔드와 플러그인 스타일 컴포넌트, 구성 기반 워크플로우를 지원하여 에이전트 개발을 가속화합니다. 챗봇 프로토타입, 작업 자동화, 외부 도구와 컨텍스트 메모리를 활용하는 디지털 어시스턴트 구축에 활용할 수 있습니다.

NagaAgent는 Python에서 AI 에이전트 생성, 오케스트레이션 및 확장을 간단하게 하는 오픈 소스 Python 라이브러리입니다. 플러그 앤 플레이 도구 통합 시스템, 영구 회화 메모리 객체 및 비동기 다중 에이전트 컨트롤러를 제공합니다. 개발자는 사용자 지정 도구를 함수로 등록하고, 에이전트 상태를 관리하며, 다수의 에이전트 간 상호 작용을 코레이드할 수 있습니다. 프레임 워크에는 로깅, 오류 처리 훅 및 신속한 프로토타이핑을 위한 사전 구성 옵션이 포함되어 있습니다. NagaAgent는 고객 지원 봇, 데이터 처리 파이프라인 또는 연구 도우미와 같은 복잡한 워크플로우 구축에 적합하며 인프라 오버헤드가 없습니다.

PySpur는 사용자 친화적인 노드 기반 인터페이스를 통해 AI 에이전트의 구축, 테스트, 배포를 위한 통합 환경을 제공합니다. 개발자는 언어 모델 호출, 데이터 검색, 결정 분기, API 인터랙션과 같은 작업의 체인을 모듈화된 블록으로 끌어다 놓기 방식으로 구성합니다. 실시간 시뮬레이션 모드에서는 로직을 검증하고, 중간 상태를 검사하며, 배포 전 워크플로우를 디버깅할 수 있습니다. PySpur는 버전 제어, 성능 프로파일링, 원클릭 배포도 지원하여, 팀이 복잡한 판단 에이전트, 자동화 도우미, 데이터 파이프라인을 신속하게 프로토타입할 수 있도록 합니다. 오픈소스이며 확장 가능하여, 보일러플레이트 코드와 인프라 오버헤드를 최소화하면서 빠른 반복과 견고한 에이전트 솔루션을 가능하게 합니다.

SonAgent는 Python에서 AI 에이전트를 구축, 구성 및 실행하기 위해 설계된 확장 가능한 오픈 소스 프레임워크입니다. 메모리 저장, 도구 래퍼, 계획 논리, 비동기 이벤트 처리를 위한 핵심 모듈을 제공합니다. 개발자는 맞춤형 도구 등록, 언어 모델 통합, 장기 에이전트 메모리 관리, 여러 에이전트를 조정하여 복잡한 작업에 협력하게 할 수 있습니다. SonAgent의 모듈화된 설계는 대화형 봇, 워크플로우 자동화, 분산 에이전트 시스템 개발을 가속화합니다.