LLM Agents Example은 Python으로 AI 에이전트를 구축할 수 있는 실습용 코드 베이스를 제공합니다. 커스텀 도구(웹 검색, WolframAlpha를 통한 수학 해결, CSV 분석, Python REPL)를 등록하고, 채팅 및 검색 기반 에이전트 생성, 벡터 저장소와 연결하여 문서 질문 응답을 시연합니다. 이 저장소는 대화 기억 유지, 도구 호출의 동적 분배, 복수의 LLM 프롬프트를 연결하여 복잡한 작업을 해결하는 패턴을 보여줍니다. 사용자는 서드파티 API 통합, 에이전트 워크플로우 구성 및 새 기능 확장 방법을 배워 개발자 실험과 프로토타이핑에 활용할 수 있습니다.

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.

EVM Agent Kit은 Ethereum 네트워크와 원활하게 상호작용하는 지능형 에이전트를 구축할 수 있는 모듈식 아키텍처를 제공합니다. 핵심에는 대형 언어 모델을 활용하여 명령 체인을 생성하고, 이를 JSON-RPC 호출로 파싱하여 체인상의 데이터 조회와 거래 실행을 지원합니다. 개발자는 지갑 관리, 가스 추정, 결과 검증을 위한 사용자 정의 로직을 삽입할 수 있습니다. 토큰 스왑, 스마트 계약 감사, 온체인 분석 등 시나리오에 맞춘 템플릿도 포함되어 있습니다. 낮은 수준의 EVM 복잡성을 추상화하여 지갑 잔액 모니터링, 스마트 계약 이벤트 디코딩, 사전 정의된 전략 기반 자동 거래를 빠르게 프로토타이핑할 수 있습니다. 확장 가능한 커넥터를 통해 주요 LLM 공급자와 블록체인 네트워크와의 연동도 가능하여 유연한 에이전트 설계가 가능합니다.