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.

DreamGPT는 GPT 모델 기반 AI 에이전트의 개발, 구성, 배포를 단순화하도록 설계된 다목적 오픈소스 플랫폼입니다. 직관적인 Python SDK와 명령줄 인터페이스를 제공하여 새로운 에이전트의 스캐폴딩, 플러그형 메모리 백엔드와의 대화 기록 관리, 표준화된 플러그인 시스템을 통한 외부 도구 통합이 가능합니다. 개발자는 사용자 정의 프롬프트 플로우를 정의하거나 API 또는 데이터베이스와 연결하여 검색 강화된 생성 작업을 수행하고, 내장 로깅 및 텔레메트리를 통해 에이전트 성능을 모니터링할 수 있습니다. DreamGPT의 모듈식 아키텍처는 클라우드 환경에서 수평 확장과 사용자 데이터의 안전한 처리를 지원합니다. 도우미, 채팅봇, 디지털 워커용 미리 만들어진 템플릿을 통해 팀은 고객 서비스, 데이터 분석, 자동화 등 맞춤형 AI 에이전트를 빠르게 프로토타입할 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.

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.

Agentle은 개발자가 최소한의 보일러플레이트로 맞춤형 AI 에이전트를 구축할 수 있는 구조화된 프레임워크를 제공합니다. 작업의 시퀀스로 에이전트 워크플로를 정의하거나, 외부 API 및 도구와 원활히 통합, 대화 문맥을 유지하는 대화 기억 관리, 감사 가능성을 위한 내장 로깅을 지원합니다. 또한 플러그인 훅을 통한 기능 확장, 복잡한 파이프라인을 위한 다중 에이전트 조정, 로컬 실행 또는 HTTP API를 통한 배포를 위한 통합 인터페이스도 포함되어 있습니다.

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.

CrewAI GUI Qt는 CrewAI 프레임워크를 기반으로 한 AI 에이전트 파이프라인 설계 및 실행을 위한 포괄적인 시각적 환경을 제공합니다. 사용자들은 데이터 소스, LLM 모델, 처리 단계, 출력 핸들러를 나타내는 구성 가능한 노드들을 드래그 앤 드롭하여 시퀀셜 또는 병렬 워크플로를 정의할 수 있으며, 각각의 노드는 온도, 토큰 제한, API 엔드포인트 등 사용자 지정 가능 파라미터를 노출하여 모델의 동작을 세밀하게 제어합니다. 실시간 실행 엔진은 그래프를 실행하고, 중간 출력을 콘솔 패널에 표시하며, 오류를 강조 표시하여 디버깅을 돕습니다. 프로젝트는 JSON 또는 XML로 저장, 가져오기, 내보내기 가능하며, 협업이나 자동 배포를 위해 사용할 수 있습니다. 플러그인 확장, 로깅, 성능 모니터링도 지원하여 프로토타이핑, 연구, 생산 수준의 에이전트 개발에 적합합니다.

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.

GenerativeAgentsCN은 현실감 있는 디지털 페르소나를 시뮬레이션하기 위해 설계된 스탠포드의 Generative Agents 프레임워크를 오픈소스 중국어로 이식한 것입니다. 대규모 언어 모델과 장기 기억 모듈, 반사 루틴, 계획자 논리 등을 결합하여, 맥락을 인지하고 과거 상호작용을 기억하며 자율적으로 다음 행동을 결정하는 에이전트를 조정합니다. 이 툴킷은 즉시 실행 가능한 Jupyter 노트북, 모듈형 파이썬 컴포넌트, 포괄적인 중국어 문서화를 제공하여 환경 설정, 에이전트 특성 정의 및 기억 매개변수 커스터마이징 방법을 안내합니다. 이를 활용해 AI 기반 NPC 행동 탐색, 고객 지원 봇 프로토타입 개발, 에이전트 인지 연구 등을 수행할 수 있으며, 유연한 API를 통해 기억 알고리즘 확장, 맞춤형 LLM 통합, 실시간 에이전트 상호작용 시각화도 가능합니다.

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.

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.

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.