FMAS (Flexible Multi-Agent System)는 오픈소스 Python 라이브러리로, 다중 에이전트 시뮬레이션의 구축, 실행 및 시각화를 제공합니다. 사용자 정의 의사 결정 논리를 갖는 에이전트를 정의하고, 환경 모델을 구성하며, 통신 채널을 설정하고, 확장 가능한 시뮬레이션을 실행할 수 있습니다. FMAS는 에이전트 상태 모니터링, 상호 작용 디버깅 및 결과 내보내기를 위한 후크를 제공하며, 모듈화된 아키텍처는 시각화, 메트릭 수집 및 외부 데이터 소스와의 통합을 위한 플러그인을 지원하여 연구, 교육 및 실제 프로토타입에 적합합니다.

본질적으로, LionAGI는 의존하는 작업 단계를 정의하고 실행하기 위한 모듈식 아키텍처를 제공하여 복잡한 문제를 논리적 구성 요소로 분할하며, 이들은 순차적 또는 병렬로 처리될 수 있습니다. 각 단계는 맞춤 프롬프트, 메모리 저장, 결정 논리를 활용해 이전 결과에 기반하여 행동을 조정할 수 있습니다. 개발자는 지원하는 모든 LLM API 또는 자가 호스팅 모델을 통합하고, 관찰 공간을 구성하며, 행동 매핑을 정의하여 여러 주기에 걸쳐 계획, 추론, 학습하는 에이전트를 만들 수 있습니다. 내장된 로깅, 오류 복구, 분석 도구는 실시간 모니터링과 반복적인 개선을 가능하게 합니다. 연구 워크플로우 자동화, 리포트 생성, 자율 프로세스 조율 등 어떤 용도든, LionAGI는 최소한의 보일러플레이트로 지능적이고 적응 가능한 AI 에이전트의 신속한 배포를 가속화합니다.

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.

sma-begin은 공통 구성 요소인 입력 처리, 의사 결정 논리 및 출력 생성을 추상화하여 AI 기반 에이전트를 생성하는 효율적인 코드 기반을 설정합니다. 핵심적으로, 이 프레임워크는 LLM에 쿼리하고 응답을 해석하며 필요시 HTTP 클라이언트, 파일 핸들러 또는 사용자 스크립트와 같은 통합 도구를 실행하는 에이전트 루프를 구현합니다. 메모리 모듈은 이전 상호작용이나 맥락을 기억할 수 있게 하며, 프롬프트 체인은 다단계 워크플로우를 지원합니다. 오류 처리는 API 실패 또는 유효하지 않은 도구 출력도 잡아냅니다. 개발자는 프롬프트, 도구 및 원하는 행동만 정의하면 됩니다. 최소한의 보일러플레이트로 sma-begin은 모든 파이썬 지원 플랫폼에서 챗봇, 자동화 스크립트 또는 도메인별 어시스턴트의 프로토타이핑을 가속화합니다.