StableAgents는 대형 언어 모델을 활용하여 계획, 실행 및 복잡한 워크플로우에 적응하는 자율 AI 에이전트를 만드는 포괄적 도구 세트를 제공합니다. 플래너, 메모리 저장소, 도구, 평가자를 포함하는 모듈형 구성요소를 지원하며, 외부 API 접근, 검색 강화 태스크 수행, 대화 또는 상호작용 컨텍스트 저장이 가능합니다. CLI와 Python SDK를 제공하여 로컬 개발 또는 클라우드 배포를 지원하며, 플러그인 아키텍처로 인기 LLM 제공자 및 벡터 데이터베이스와 연동되고 성능 추적을 위한 모니터링 대시보드와 로깅 기능도 포함됩니다.

Thufir는 복잡한 작업 계획 및 실행이 가능한 자율 AI 에이전트를 제작하는 데 도움을 주도록 설계된 파이썬 기반의 오픈소스 에이전트 프레임워크입니다. 핵심적으로, Thufir는 높은 수준의 목표를 실현 가능한 단계로 분해하는 계획 엔진, 세션 간 맥락 정보를 저장하고 검색하는 기억 모듈, 그리고 외부 API, 데이터베이스 또는 코드 실행 환경과 상호작용할 수 있는 플러그 앤 플레이 도구 인터페이스를 제공합니다. 개발자는 Thufir의 모듈식을 활용하여 에이전트 행동을 맞춤화하고, 사용자 정의 도구를 정의하며, 에이전트 상태를 관리하고, 다중 에이전트 작업 흐름을 조정할 수 있습니다. 낮은 수준의 인프라 관리를 추상화함으로써 Thufir는 가상 비서, 워크플로 자동화, 연구, 디지털 작업자와 같은 사용 사례에 적합한 지능형 에이전트의 개발과 배포를 빠르게 합니다.

AI-Agents는 작업 계획, 실행 및 자기 모니터링이 가능한 자율 AI 에이전트를 생성하는 모듈형 툴킷을 제공합니다. 웹 검색, 데이터 처리, 맞춤형 API와 같은 도구 통합을 지원하며, 상호작용 간 맥락을 유지하고 호출하는 메모리 구성요소도 포함되어 있습니다. 유연한 플러그인 시스템을 통해 에이전트는 새로운 기능을 동적으로 로드할 수 있으며, 비동기 실행으로 효율적인 다중 단계 워크플로우를 보장합니다. 이 프레임워크는 LangChain을 활용하여 고급 사고 연쇄 및 계획 논리를 지원하며, macOS, Windows 또는 Linux 환경에서의 배포도 간편합니다.

Agentin은 계획, 행동 및 학습이 가능한 지능형 에이전트를 구축하는 데 도움이 되는 오픈 소스 Python 라이브러리입니다. 대화형 메모리 관리, 외부 도구 또는 API 통합, 병렬 또는 계층적 워크플로우 내에서 여러 에이전트를 오케스트레이션하는 추상화를 제공합니다. 구성 가능한 플래너 모듈과 맞춤형 도구 래퍼를 지원하여 자율 데이터 처리 에이전트, 고객 서비스 봇 또는 연구 보조 도구의 빠른 프로토타이핑이 가능합니다. 또한 프레임워크는 확장 가능한 로깅 및 모니터링 후크를 제공하여 에이전트 결정 추적과 복잡한 다단계 상호작용 문제 해결을 쉽게 합니다.

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.

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.

ai-agents-trial은 LLM을 사용하여 자율 AI 에이전트를 구축하는 방식을 보여주는 오픈소스 Python 프로젝트입니다. 에이전트 계획, 도구 호출(예: 웹 검색, 계산기) 및 메모리 관리를 위한 모듈화된 추상화를 제공합니다. 개발자는 사용자 정의 도구를 정의하고, 여러 단계를 거치는 작업을 연결하며, 세션 간 컨텍스트를 유지할 수 있습니다. 이 코드베이스는 OpenAI API와 보조 유틸리티를 사용하여 워크플로우를 오케스트레이션하며, 채팅 기반 어시스턴트, 연구용 봇 또는 도메인별 자동화 에이전트의 빠른 프로토타이핑에 적합합니다. 확장 포인트를 통해 새로운 커넥터와 데이터 소스를 추가할 수 있으며, 핵심 로직은 변경하지 않습니다.

Automata는 JavaScript와 TypeScript에서 자율 AI 에이전트 생성이 가능한 개발자 중심의 프레임워크입니다. 작업 분해를 위한 플래너, 맥락 유지용 메모리 모듈, HTTP 요청, 데이터베이스 쿼리 및 사용자 지정 API 호출을 위한 도구 통합 등 모듈식 아키텍처를 제공합니다. 비동기 실행, 플러그인 확장, 구조화된 출력 지원을 통해, 다단계 추론, 외부 시스템과의 상호작용, 지식 기반의 동적 업데이트가 가능한 에이전트 개발이 간소화됩니다.

ModelScope Agent는 자율형 AI 에이전트를 조율할 수 있는 파이썬 기반 모듈식 프레임워크를 제공합니다. 외부 도구(API, 데이터베이스, 검색)를 위한 플러그인 통합, 맥락 유지를 위한 대화 메모리, 복잡한 작업을 처리할 수 있는 사용자 지정 에이전트 체인 기능(지식 검색, 문서 처리, 의사결정 지원 등)을 갖추고 있습니다. 개발자는 역할, 행동, 프롬프트를 구성하고, 여러 LLM 백엔드를 활용하여 성능과 신뢰성을 향상시킬 수 있습니다.

Currux Vision은 도시 인프라 모니터링 및 최적화를 위한 자율 시스템을 만드는 데 고급 AI 기술을 통합합니다. 그들의 솔루션은 교통 관리, 안전 예측 및 이상 탐지를 포함하며, 실시간 분석과 실행 가능한 통찰을 제공합니다. 이 플랫폼은 다양한 환경에서의 안전성과 효율성을 보장하기 위해 인프라 개발자와 정부 기관을 지원합니다.

Dive는 최소한의 수동 개입으로 다중 단계 작업을 수행할 수 있는 자율 AI 에이전트를 생성하고 실행하는 Python 기반 오픈소스 프레임워크입니다. 간단한 YAML 구성 파일에 에이전트 프로파일을 정의하여 API, 도구, 메모리 모듈을 지정할 수 있으며, 데이터 검색, 분석, 파이프라인 오케스트레이션 등의 작업에 활용할 수 있습니다. Dive는 컨텍스트, 상태, 프롬프트 엔지니어링을 관리하며, 내장된 오류 처리와 로깅이 포함된 유연한 워크플로우를 지원합니다. 플러그형 아키텍처는 다양한 언어 모델 및 검색 시스템을 지원하여 고객 서비스 자동화, 콘텐츠 생성, DevOps 프로세스용 에이전트 구성도 쉽습니다. 본 프레임워크는 프로토타입에서 본격 운영까지 확장 가능하며, CLI 명령어와 API 엔드포인트를 통해 기존 시스템에 원활하게 통합할 수 있습니다.

Duckietown은 저비용 하드웨어, 오픈 소스 소프트웨어 및 AI와 자율성을 배우기 위한 확장 가능한 생태계를 결합합니다. 교육을 목적으로 설계되었으며, 개별 학습 키트부터 포괄적인 교실 패키지까지 모든 것을 제공합니다. 주요 제품인 Duckiebot은 미니어처 도시 풍경 내에서 상호 작용하는 소형 모듈형 로봇으로, 실제 상황을 반영합니다. 이러한 실습 접근 방식은 로봇 공학 학습을 재미있게 만들 뿐만 아니라 깊은 통찰을 제공합니다.

FAgent는 환경 추상화, 정책 인터페이스, 도구 커넥터를 포함하는 모듈식 아키텍처를 제공합니다. 인기 있는 LLM 서비스와의 통합을 지원하고, 컨텍스트 유지를 위한 메모리 관리와 에이전트 행동을 기록·모니터링하는 관찰 계층을 제공합니다. 개발자는 커스텀 도구와 액션을 정의하고, 다단계 워크플로우를 조율하며, 시뮬레이션 기반 평가를 수행할 수 있습니다. 또한 데이터 수집, 성능 지표, 자동 테스트를 위한 플러그인도 갖추고 있어 연구, 프로토타이핑, 다양한 도메인에서 자율 에이전트의 배포에 적합합니다.

GenAI Agents SDK는 대형 언어 모델을 이용하여 자율적인 AI 에이전트를 만들 수 있게 도와주는 오픈소스 Python 라이브러리입니다. 메모리 저장, 도구 인터페이스, 계획 전략, 실행 루프를 위한 플러그 가능한 모듈이 포함된 핵심 에이전트 템플릿을 제공합니다. 외부 API 호출, 파일 읽기/쓰기, 검색 수행, 데이터베이스와의 상호작용 등 다양한 구성을 지원합니다. 모듈식 설계로 쉽게 맞춤화하고 빠르게 프로토타입을 제작하며, 새로운 기능의 원활한 통합을 가능하게 하여, 사고, 계획, 행동이 가능한 역동적이고 자율적인 AI 애플리케이션 제작을 지원합니다.

Microsoft AutoGen은 메모리 관리, 작업 계획, 도구 통합 및 통신을 위한 모듈형 컴포넌트를 제공하여 엔드 투 엔드 자율 AI 에이전트 개발을 촉진합니다. 개발자는 구조화된 스키마를 갖는 커스텀 도구를 정의하고, OpenAI와 Azure OpenAI 같은 주요 LLM 제공업체에 연결할 수 있습니다. 이 프레임워크는 단일 또는 다중 에이전트 오케스트레이션을 지원하며, 에이전트가 협력하여 복잡한 작업을완수하는 워크플로우를 가능하게 합니다. 플러그 앤 플레이 방식의 아키텍처로 새로운 메모리 저장소, 계획 전략 및 통신 프로토콜을 쉽게 확장할 수 있습니다. 저수준 통합 세부사항을 추상화하여, AutoGen은 다양한 도메인에서 AI 기반 애플리케이션의 프로토타이핑과 배포를 빠르게 합니다.

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.

LeanAgent는 자율 AI 에이전트 생성을 간소화하도록 설계된 Python 기반 프레임워크입니다. 의사결정을 위해 대형 언어 모델을 활용하는 내장 계획 모듈, 외부 API 또는 사용자 스크립트를 호출할 수 있는 확장 가능한 도구 통합 계층, 상호작용 동안 컨텍스트를 유지하는 메모리 관리 시스템을 제공합니다. 개발자는 에이전트 워크플로우를 구성하고, 맞춤형 도구를 통합하며, 디버깅 유틸리티로 빠르게 반복하고, 다양한 도메인에 적합한 프로덕션 에이전트를 배포할 수 있습니다.

Llamator는 메모리 모듈, 도구 통합, 동적 프롬프트 템플릿을 결합하여 유니파이드 파이프라인에서 자율 AI 에이전트를 구축할 수 있는 오픈소스 JavaScript 라이브러리입니다. 계획, 액션 실행, 반영 루프를 조정하여 다단계 작업을 처리하며, 여러 LLM 공급자를 지원하고 API 호출 또는 데이터 처리를 위한 맞춤형 도구 정의를 허용합니다. Llamator를 사용하면 웹 또는 Node.js 애플리케이션 내에서 채팅봇, 개인 비서, 자동화 워크플로를 빠르게 프로토타이핑할 수 있으며, 모듈형 아키텍처로 확장과 테스트가 용이합니다.

ManasAI는 내장된 상태와 모듈형 구성요소를 갖춘 자율 AI 에이전트 생성을 가능하게 하는 파이썬 기반 프레임워크입니다. 에이전트 추론, 단기 및 장기 메모리, 외부 도구 및 API 통합, 메시지 기반 이벤트 처리, 멀티 에이전트 오케스트레이션에 대한 핵심 추상화를 제공합니다. 에이전트는 컨텍스트 관리, 작업 실행, 재시도 처리, 피드백 수집에 대한 구성을 할 수 있으며, 플러그인 방식의 아키텍처로 개발자는 메모리 백엔드, 도구, 오케스트레이터를 특정 워크플로우에 맞게 조정할 수 있어 챗봇, 디지털 워커, 지속적인 컨텍스트와 복잡한 상호작용이 필요한 자동화 파이프라인의 프로토타입 제작에 이상적입니다.

MARTI(다중 에이전트 강화 학습 툴킷 및 인터페이스)는 다중 에이전트 RL 알고리즘의 개발, 평가 및 벤치마킹을 간소화하는 연구 중심 프레임워크입니다. 사용자 정의 환경, 에이전트 정책, 보상 구조, 통신 프로토콜을 구성할 수 있는 플러그 앤 플레이 아키텍처를 제공합니다. MARTI는 인기 딥러닝 라이브러리와 통합되며, GPU 가속 및 분산 훈련을 지원하며, 성능 분석을 위한 상세 로그와 시각화를 생성합니다. 모듈식 설계 덕분에 새로운 접근법의 빠른 프로토타이핑과 표준 베이스라인과의 체계적 비교가 가능하며, 자율 시스템, 로보틱스, 게임 AI, 협력 멀티에이전트 시나리오 등의 분야에 이상적입니다.