LinkAgent는 플러그인 가능한 컴포넌트로 구성된 경량 마이크로커널을 제공하며, 사용자는 언어 모델 백엔드, 검색 모듈, 외부 API를 도구로 등록한 후 내장된 플래너와 라우터를 사용하여 워크플로우를 구성할 수 있습니다. 메모리 핸들러를 통해 문맥 지속 및 저장, 동적 도구 호출, 복잡한 다단계 추론을 위한 결정 로직을 지원합니다. 최소한의 코드로, 팀은 QA, 데이터 추출, 프로세스 오케스트레이션, 보고서 생성과 같은 작업을 자동화할 수 있습니다.

Minerva는 대형 언어 모델을 사용하여 복잡한 워크플로우를 자동화하도록 설계된 확장 가능한 AI 에이전트 프레임워크입니다. 개발자는 웹 검색, API 호출 또는 파일 처리기와 같은 외부 도구를 통합하고, 사용자 정의 계획 전략을 정의하며, 대화 또는 지속형 메모리를 관리할 수 있습니다. Minerva는 동기 및 비동기 작업 실행, 구성 가능한 로깅, 플러그인 아키텍처를 지원하여 인공지능 에이전트를 프로토타입, 테스트 및 배포하는 데 용이하게 만듭니다. 이러한 에이전트는 추론, 계획 및 도구 사용이 가능합니다.

Multi-Agent-Seller는 AI 에이전트를 활용한 전자상거래 협상 시뮬레이션을 위한 모듈형 환경을 제공합니다. 동적 가격 책정, 시간 기반 양보, 유틸리티 기반 의사결정 등 맞춤형 협상 전략을 갖춘 구매자와 판매자 에이전트가 포함되어 있습니다. 사용자는 맞춤형 프로토콜, 메시지 형식, 시장 조건을 정의할 수 있습니다. 프레임워크는 세션 관리, 제안 추적, 결과 로그, 시각화 도구를 내장하여 에이전트 상호작용을 분석할 수 있게 합니다. 머신러닝 라이브러리와 쉽게 연동되어 강화학습이나 규칙 기반 에이전트 전략 개발도 지원합니다. 확장 가능한 구조로 새로운 에이전트 유형, 협상 규칙, 시각화 플러그인을 추가할 수 있습니다. Multi-Agent-Seller는 멀티에이전트 알고리즘 테스트, 협상 행동 연구, AI 및 전자상거래 개념 교육에 이상적입니다.

Owl은 복잡한 다단계 작업을 수행할 수 있는 자율 AI 에이전트 생성에 도움을 주는 개발자 중심 툴킷을 제공합니다. 기본적으로, Owl은 추론을 위해 LLM을 활용하며, 외부 API 호출, 코드 실행, 데이터베이스 쿼리를 위해 플러그인 시스템과 함께 작동합니다. 개발자는 간단한 TypeScript API를 사용하여 에이전트를 정의하고, 도구 세트와 메모리 모듈을 구성하여 상호작용 간 상태를 유지합니다. Owl의 런타임은 추론 루프를 조율하고, 도구 호출과 병렬 처리를 담당합니다. Node.js와 Deno 환경을 모두 지원하여 광범위한 플랫폼 호환성을 보장하며, 내장 로깅, 오류 처리, 확장 훅도 갖추고 있어 AI 기반 워크플로, 챗봇, 자동화된 어시스턴트의 프로토타입 제작과 배포를 간소화합니다.

Rawr Agent는 LangChain 기반의 모듈식 오픈 소스 Python 프레임워크로, 복잡한 LLM 상호작용 워크플로를 오케스트레이션하여 자율 AI 에이전트를 구축합니다. YAML 설정 또는 Python 코드를 이용해 웹 API, 데이터베이스 쿼리, 사용자 지정 스크립트 등 도구를 지정하여 작업 시퀀스를 정의할 수 있습니다. 대화 내역과 벡터 임베딩 저장을 위한 메모리 컴포넌트, 반복 호출 최적화를 위한 캐시 메커니즘, 에이전트 행동 모니터링을 위한 포괄적 로깅과 오류처리 기능이 포함됩니다. 확장 가능한 구조로, 사용자 지정 도구 및 어댑터 추가가 가능하여 자동화된 연구, 데이터 분석, 보고서 작성, 인터랙티브 챗봇 등의 용도에 적합합니다. 간단한 API로 팀은 빠른 프로토타이핑과 다양한 애플리케이션 배포가 가능합니다.

SimplerLLM은 개발자에게 LLM 체인 구성, 에이전트 행동 정의, 도구 호출 조정을 위한 최소한의 API를 제공합니다. 메모리 유지, 프롬프트 템플릿, 출력 파싱에 대한 내장 추상화로 사용자는 맥락을 유지하는 대화형 에이전트를 빠르게 조립할 수 있습니다. 이 프레임워크는 OpenAI, Azure, HuggingFace 모델과 원활하게 통합되며 검색, 계산기, 맞춤 API를 위한 플러그인 툴킷을 지원합니다. 경량 핵심은 의존성을 최소화하여 민첩한 개발과 클라우드 또는 엣지 배포를 용이하게 합니다. 챗봇, Q&A 어시스턴트, 작업 자동화기 등을 구축할 때 SimplifyLLM은 엔드투엔드 LLM 에이전트 파이프라인을 단순화합니다.

SuperBot은 개발자가 Python과 명령줄을 통해 자율적이고 컨텍스트 인식이 가능한 어시스턴트를 배포할 수 있게 하는 포괄적인 AI 에이전트 프레임워크입니다. OpenAI의 채팅 모델과 메모리 시스템, 함수 호출 기능, 플러그인 아키텍처를 통합합니다. 에이전트는 셸 명령을 실행하고, 코드를 구동하며, 파일과 상호작용하고, 웹 검색을 수행하며, 대화 상태를 유지할 수 있습니다. SuperBot은 복잡한 워크플로를 위한 다중 에이전트 오케스트레이션을 지원하며, 모두 간단한 Python 스크립트와 CLI 명령으로 구성할 수 있습니다. 확장 가능한 설계로 맞춤형 도구를 추가하고, 작업을 자동화하며, 외부 API와 통합하여 강력한 AI 기반 애플리케이션을 구축할 수 있습니다.

Team of AI Agents는 모듈식 아키텍처를 통해 다중 에이전트 시스템을 구축하고 배포할 수 있도록 합니다. 각 에이전트는 고유 역할을 수행하며, 글로벌 메모리와 로컬 컨텍스트를 이용해 지식을 유지합니다. 비동기 메시징, 어댑터를 통한 도구 활용, 결과에 따른 동적 재할당을 지원합니다. 사용자들은 YAML 또는 Python 스크립트로 에이전트를 구성해 주제 특화, 목표 계층, 우선순위 처리를 가능하게 합니다. 내장 성능 평가 및 디버깅 지표로 빠른 반복이 가능합니다. 확장 가능한 플러그인 아키텍처로 사용자 정의 NLP 모델, 데이터베이스 또는 외부 API를 통합할 수 있습니다. Team of AI Agents는 전문화된 에이전트들의 집단 지능을 활용하여 복잡한 워크플로우를 가속화하며, 연구, 자동화, 시뮬레이션 환경에 적합합니다.

Toolbox-macos는 기본 메뉴 바 앱에 다양한 AI 도구들을 탑재하여 Mac을 AI 에이전트 허브로 전환합니다. OpenAI의 GPT 모델과 기타 API를 활용하여 원하는 텍스트를 선택하고 내용 요약, 언어 번역, 코드 생성, 맞춤형 이미지 제작, 웹 검색 또는 스크립트와 플러그인을 통한 워크플로우 자동화가 가능합니다. 글로벌 단축키 설정, 매크로 정의, 서드파티 AI 서비스와의 통합으로 응답을 맞춤화할 수 있으며, 컨텍스트 전환 없이 신속한 AI 기능 제공으로 생산성 향상, 창작 작업 가속화, AI 유틸리티 중앙화를 이뤄냅니다. 사용자는 macOS 명령 팔레트 또는 커스텀 키보드 단축키를 통해 명령을 호출할 수 있으며, 편집, 브라우징 또는 코드 개발 워크플로우와 원활하게 연동됩니다. 개방형 아키텍처로 커뮤니티 확장과 프라이버시를 고려한 로컬 AI 모델 실행도 지원합니다.

A2A SDK는 Python에서 AI 에이전트를 구축, 연결 및 관리할 수 있는 개발자 도구 키트입니다. 프롬프트 또는 코드를 통해 에이전트 동작을 정의하고, 파이프라인 또는 워크플로에 에이전트를 연결하며, 비동기 메시지 전달을 가능하게 합니다. OpenAI, Llama, Redis, REST 서비스와의 통합을 통해 에이전트는 데이터를 검색하고, 기능을 호출하며, 상태를 저장할 수 있습니다. 내장 UI는 에이전트 활동을 모니터링하며, 모듈식 설계 덕분에 사용자 정의 유스케이스에 맞게 구성 요소를 확장 또는 교체할 수 있습니다.

Aegix는 복잡한 워크플로우를 다단계 추론으로 처리할 수 있는 AI 에이전트 조정을 위한 강력한 SDK를 제공합니다. 여러 LLM 제공자를 지원하며, 데이터베이스 커넥터 또는 웹 스크래퍼 같은 사용자 정의 도구를 통합할 수 있고, 벡터 저장소와 같은 메모리 모듈로 대화 상태를 유지할 수 있습니다. Aegix의 유연한 에이전트 루프 구조는 계획, 실행, 검토 단계를 지정할 수 있게 하여, 에이전트가 출력을 반복적으로 개선하도록 합니다. 문서 질문, 코드 도우미 또는 자동 지원 에이전트 개발에 관계없이, Aegix는 명확한 추상화와 구성 기반 파이프라인, 확장 포인트를 통해 개발을 간소화합니다. 프로토타입에서 배포까지 확장 가능하며 신뢰성 높은 성능과 유지보수적 코드 구조를 보장합니다.

AgentIn은 대화형 및 태스크 중심 에이전트 개발을 가속화하기 위해 설계된 Python 기반의 AI 에이전트 프레임워크입니다. 컨텍스트 지속을 위한 내장 메모리 모듈, 외부 API 또는 로컬 함수를 호출하는 동적 도구 통합, 맞춤형 상호작용을 위한 유연한 프롬프트 템플릿 시스템을 제공합니다. 다중 에이전트 오케스트레이션은 병렬 워크플로우를 지원하며, 로깅 및 캐싱은 신뢰성과 감사성을 향상시킵니다. YAML 또는 Python 코드를 통해 쉽게 구성할 수 있으며, 주요 LLM 제공자를 지원하고 도메인별 기능 확장을 위한 커스텀 플러그인도 사용할 수 있습니다.

Agents with ADK는 대형 언어 모델로 구동되는 지능형 에이전트 생성을 간소화하도록 설계된 오픈 소스 Python 프레임워크입니다. 모듈형 에이전트 템플릿, 내장 메모리 관리, 도구 실행 인터페이스, 다중 에이전트 조정 기능을 포함하고 있습니다. 개발자는 사용자 정의 기능이나 외부 API를 신속하게 연결하고, 계획 및 추론 체인을 구성하며, 에이전트 상호 작용을 모니터링할 수 있습니다. 이 프레임워크는 인기 있는 LLM 제공업체와의 통합을 지원하며, 로깅, 재시도 로직 및 프로덕션 배포를 위한 확장성도 제공합니다.

Agent of Code는 개발자가 일상적인 코딩 작업을 지능형 에이전트에 위임할 수 있게 하는 다목적 AI 에이전트 프레임워크입니다. 자연어 프롬프트를 완전한 기능의 코드로 번역하고, 자동 코드 검토, 기존 코드 디버깅, 레거시 코드 리팩토링을 수행합니다. 사용자는 YAML 또는 JSON 구성으로 에이전트 목표와 매개변수를 정의하고, 테스트 또는 CI 통합과 같은 작업을 위한 플러그인을 선택하며, CLI를 통해 에이전트를 실행합니다. 이 프레임워크는 API 호출을 조율하고, 컨텍스트 창을 관리하며, 모듈형 응답을 cohesive한 코드 스크립트로 조립합니다. 확장 가능한 구조로 개발자는 맞춤 모듈을 플러그인하고 버전 관리와 연동하여 프로젝트 워크플로에 맞게 에이전트 파이프라인을 조정할 수 있습니다.

Agentic-AI는 OpenAI GPT와 같은 대형 언어 모델을 활용한 자율 에이전트 구축을 간소화하는 오픈소스 Python 프레임워크입니다. 작업 계획, 메모리 지속성, 도구 통합을 위한 핵심 모듈을 제공하며, 고수준 목표를 실행 가능한 단계로 분해할 수 있습니다. 플러그인 기반 맞춤형 도구(API, 웹 스크래핑, 데이터베이스 쿼리 등)를 지원하여 외부 시스템과 상호작용하게 합니다. 사고 연쇄 추론 엔진이 계획과 실행 루프를 조율하고, 맥락에 따른 메모리 회수 및 동적 의사결정을 수행합니다. 개발자는 쉽게 에이전트 행동을 구성하고, 작업 로그를 감시하며, 기능을 확장하여 다양한 애플리케이션에 적합한 확장 가능하고 적응성 있는 AI 기반 자동화를 구현할 수 있습니다.

AgentPilot는 자율 에이전트를 구축, 관리, 배포하기 위한 포괄적인 모노레포 솔루션을 제공합니다. 핵심에는 맞춤형 도구와 LLM 통합을 위한 확장 가능한 플러그인 시스템, 상호작용 간 맥락을 유지하는 메모리 관리 계층, 에이전트 작업을 순차적으로 수행하는 기획 모듈이 포함되어 있습니다. 사용자들은 CLI 또는 웹 대시보드를 통해 에이전트 설정, 실행 모니터링, 로그 검토를 할 수 있으며, 에이전트 오케스트레이션, 메모리 처리, API 연동의 복잡성을 추상화하여 고객 지원 자동화, 콘텐츠 생성, 데이터 처리 등 다양한 도메인에서 신속한 프로토타이핑과 서비스 배포를 지원합니다.

Agents from Scratch TS는 LangChain을 사용하여 처음부터 AI 에이전트를 구축하는 방법을 보여주는 오픈 소스 TypeScript 프레임워크입니다. 외부 도구 정의 및 등록, 대화 메모리 관리, 사용자 입력을 적절한 에이전트에 라우팅하고, 여러 LLM 호출을 체인하는 샘플 코드가 포함되어 있습니다. 개발자는 이를 통해 모범 사례를 이해하고, 에이전트 행동을 맞춤화하며, 웹 검색, 데이터 검색 또는 사용자 정의 플러그인과 같은 새로운 기능을 통합하여 작업을 자동화하거나 인터랙티브한 에이전트를 구축할 수 있습니다.

AgentX는 대형 언어 모델(LLM), 도구 및 API 통합, 메모리 모듈을 활용하여 복잡한 작업을 자율적으로 수행하는 AI 기반 에이전트를 구축하기 위한 확장 가능 아키텍처를 제공합니다. 사용자 정의 도구용 플러그인 시스템, 벡터 기반 검색지원, 연쇄 사고(chain-of-thought) 추론, 세부 실행 로그를 특징으로 합니다. 사용자는 유연한 구성 파일 또는 코드를 통해 모델, Chroma DB와 같은 메모리 백엔드, 추론 파이프라인을 지정하여 에이전트를 정의합니다. AgentX는 세션 간 문맥 관리를 제공하고, 검색 증강 생성 및 다중 턴 대화를 지원하며, 모듈식 구성요소를 통해 워크플로우 조정, 에이전트 행동 맞춤화, 외부 서비스 통합을 통해 자동화, 연구 지원, 고객 지원, 데이터 분석을 수행할 수 있습니다.

AI-Agent-Framework는 Python에서 AI 기반 에이전트를 구축하기 위한 포괄적인 기반을 제공합니다. 대화 메모리 관리, 외부 도구 통합, 프롬프트 템플릿 제작 모듈을 포함하고 있습니다. 개발자는 다양한 LLM 공급자와 연결하고, 맞춤형 플러그인으로 에이전트를 구성하며, 조정된 워크플로우로 여러 에이전트를 오케스트레이션할 수 있습니다. 내장된 로깅 및 모니터링 도구는 에이전트 성능을 추적하고 행위를 디버그하는 데 도움을 줍니다. 확장 가능한 설계는 새로운 커넥터 또는 도메인 별 기능의 원활한 추가를 허용하며, 빠른 프로토타이핑, 연구 프로젝트, 프로덕션 수준 자동화에 이상적입니다.

autogen4j는 자율형 AI 에이전트 구축의 복잡성을 추상화하는 경량 Java 라이브러리입니다. 계획, 메모리 저장 및 행동 실행을 위한 핵심 모듈을 제공하여, 고수준 목표를 순차적 하위 작업으로 분해할 수 있습니다. 이 프레임워크는 OpenAI, Anthropic 등 여러 LLM 제공자와 통합되며, 커스텀 도구(HTTP 클라이언트, 데이터베이스 커넥터, 파일 I/O) 등록도 지원합니다. 개발자는 유창한 DSL 또는 애노테이션을 통해 에이전트를 정의하고, 데이터 강화, 자동 보고서, 대화형 봇을 위한 파이프라인을 빠르게 구성할 수 있습니다. 확장 가능한 플러그인 시스템으로 다양한 애플리케이션에서 유연성을 보장합니다.