AgentSpeak은 오픈소스 Java 기반의 AgentSpeak(L) 프로그래밍 언어 구현으로, BDI(신념-욕구-의도) 자율 에이전트의 생성과 관리를 용이하게 설계되었습니다. 강력한 신념 유지, 이벤트 트리거, 현재의 믿음과 목표에 따라 계획을 선택하고 실행하는 런타임 환경을 갖추고 있습니다. 인터프리터는 병행 에이전트 실행, 동적 계획 업데이트, 사용자 정의 의미론을 지원하며, 모듈식 아키텍처로 설계되어 계획 선택 및 신념 수정 등 주요 구성요소를 확장할 수 있습니다. Citizen 및 산업 분야의 개발자들이 지능형 에이전트를 프로토타이핑하고 시뮬레이션하며, IoT 시스템이나 다중 에이전트 시나리오에 배포할 수 있도록 돕습니다.

ASP-DALI는 논리 기반 지능형 에이전트를 정의하고 실행하는 통합 플랫폼을 제공합니다. 개발자는 ASP 규칙을 작성하여 에이전트의 지식과 목표를 표현하고, DALI 구성체를 사용하여 이벤트 반응과 작업 실행을 정의합니다. 런타임에는 ASP 해결기가 해답 세트(answer sets)를 계산하여 에이전트의 결정에 방향을 제시하며, 이를 통해 계획 수립, 이벤트에 대한 반응, 신념을 동적으로 조정할 수 있습니다. 이 프레임워크는 모듈식 지식베이스를 지원하여 점진적 업데이트와 선언적 규칙과 반응 행동 간의 명확한 분리를 가능하게 합니다. ASP-DALI는 Prolog로 구현되었으며, 대중적인 ASP 해결기와 인터페이스를 제공하여 연구와 프로토타입 환경에서의 통합과 배포를 쉽게 합니다.

본질적으로, DAGent는 노드들의 유한 비순환 그래프로 에이전트 워크플로우를 표현하며, 각 노드는 LLM 호출, 사용자 정의 함수 또는 외부 도구를 캡슐화할 수 있습니다. 개발자는 작업 의존성을 명시적으로 정의하여 병렬 수행 및 조건부 로직이 가능하게 하며, 프레임워크는 스케줄링, 데이터 전달, 오류 복구를 관리합니다. 또한, DAG 구조와 실행 흐름을 검사할 수 있는 내장 시각화 도구를 제공하여 디버깅과 감사 가능성을 높입니다. 확장 가능한 노드 유형, 플러그인 지원, 인기 LLM 제공자와의 원활한 통합으로 DAGent는 데이터 파이프라인, 대화형 에이전트, 자동 연구 지원 도구와 같은 복잡한 다중 단계 AI 애플리케이션을 적은 코드로 구축할 수 있도록 합니다. 모듈성 및 투명성에 중점을 두어 실험과 운영 환경 모두에서 확장 가능한 에이전트 오케스트레이션에 이상적입니다.

Overeasy는 다양한 분야에서 LLM 기반 AI 에이전트를 오케스트레이션하는 Python 기반 오픈소스 프레임워크입니다. 에이전트 정의, 메모리 저장소 구성, API, 지식 베이스, 데이터베이스 등 외부 도구 통합을 위한 모듈형 아키텍처를 제공합니다. 개발자는 OpenAI, Azure 또는 자체 호스팅된 LLM 엔드포인트에 연결하여 단일 또는 다중 에이전트가 포함된 동적 워크플로우를 설계할 수 있습니다. Overeasy의 오케스트레이션 엔진은 작업 위임, 결정 내리기, 폴백 전략을 처리하여 연구, 고객 지원, 데이터 분석, 일정 관리 등 강력한 디지털 워커를 지원합니다. 포괄적인 문서와 예제 프로젝트는 Linux, macOS, Windows에서 신속한 배포를 가능하게 합니다.

Plan Agent with Meta-Agent는 계층적 AI 에이전트 아키텍처를 제공합니다. Plan Agent는 높은 수준의 목표 달성을 위한 구조화된 전략을 생성하고, Meta-Agent는 실행을 감독하며 실시간으로 계획을 조정하고, 세부 작업을 전문 하위 에이전트에게 위임합니다. 플러그 앤 플레이 도구 커넥터(예: 웹 API, 데이터베이스), 지속 기억 모듈, 성능 분석을 위한 로그 기능을 갖추고 있습니다. 사용자는 데이터 처리부터 콘텐츠 생성, 의사결정 지원에 이르기까지 다양한 자동화 시나리오에 맞게 커스텀 모듈을 확장할 수 있습니다.

Practical AI Agents는 대형 언어 모델에 힘입은 자율 에이전트를 구성하기 위한 포괄적인 프레임워크와 즉시 활용 가능한 예제를 제공합니다. API 도구(예: 웹 브라우저, 데이터베이스, 사용자 정의 함수)를 통합하는 방법, RAG 스타일 메모리 구현, 대화 컨텍스트 관리, 동적 계획 수행 방법을 보여줍니다. 예제는 챗봇, 데이터 분석 도우미, 작업 자동화 스크립트 또는 연구 도구에 맞게 조정할 수 있습니다. 이 저장소에는 노트북, Dockerfile, 설정 파일이 포함되어 있어 환경 간의 설정 및 배포를 간소화합니다.

Proactive AI Agents는 대형 언어 모델을 기반으로 하는 정교한 자율 에이전트 생태계의 설계를 위해 설계된 개발자 중심 프레임워크입니다. 에이전트 생성, 작업 분해, 에이전트 간 통신을 위한 기본 기능을 제공하여 복잡한 다단계 목표에 대한 원활한 조정을 지원합니다. 각 에이전트는 맞춤 도구, 메모리 저장소, 계획 알고리즘을 갖추어 사용자 요구를 선제적으로 예측하고 작업 일정을 계획하며 전략을 동적으로 조정할 수 있습니다. 이 프레임워크는 새로운 언어 모델, 도구 키트, 지식 기반의 모듈식 통합을 지원하며, 내장된 로깅 및 모니터링 기능도 포함합니다. 에이전트 조율의 복잡성을 추상화하여, 연구, 자동화 및 기업 애플리케이션용 AI 기반 워크플로우 개발을 가속화합니다.

Whiz는 복잡한 대화 및 작업 지향 워크플로우를 수행할 수 있는 지능형 에이전트 개발을 위한 강력한 기반을 제공하도록 설계되었습니다. Whiz를 사용하는 개발자는 도구 — Python 함수 혹은 외부 API — 를 정의하고, 사용자 요청 처리 시 호출할 수 있습니다. 내장된 메모리 모듈은 대화 컨텍스트를 캡처하여 일관된 다중 턴 상호작용을 가능하게 합니다. 역동적 계획 엔진은 목표를 실행 가능한 단계로 분해하며, 유연한 인터페이스는 커스텀 정책, 도구 레지스트리, 메모리 백엔드 주입을 허용합니다. Whiz는 임베딩 기반 의미 검색을 지원하여 관련 문서를 검색하고, 감사성을 위한 로깅과 확장을 위한 비동기 실행도 제공합니다. 완전한 오픈소스인 Whiz는 Python이 구동되는 어디서든 배포 가능하며, 고객지원 챗봇, 데이터 분석 어시스턴트 또는 도메인 전문 에이전트를 빠르게 프로토타입할 수 있습니다.

AgentScope는 동적 계획, 컨텍스트 기반 메모리 저장 및 도구/API 통합을 위한 모듈형 구성요소를 제공하여 지능형 에이전트 생성을 간소화하는 개발자 중심 프레임워크입니다. OpenAI, Anthropic, Hugging Face 등 여러 LLM 백엔드를 지원하며, 작업 실행, 응답 생성을 위한 맞춤형 파이프라인과 데이터 검색 기능을 제공합니다. AgentScope의 아키텍처는 대화형 봇, 워크플로우 자동화 에이전트, 연구 보조 도구의 신속한 프로토타이핑을 가능하게 하며 확장성과 확장성을 유지합니다.

Agno AI Agent는 대형 언어 모델 기반 자율 에이전트를 빠르게 구축하도록 설계되었습니다. 모듈식 도구 레지스트리, 메모리 관리, 계획 및 실행 루프, 웹 검색, 파일 시스템, 데이터베이스 등 외부 API와의 원활한 통합을 제공합니다. 사용자들은 커스텀 도구 인터페이스를 정의하고, 에이전트 성격을 설정하며, 복잡하고 다단계인 워크플로우를 오케스트레이션할 수 있습니다. 에이전트는 작업을 계획하고, 도구를 동적으로 호출하며, 이전 상호작용에서 학습하여 성능을 향상시킬 수 있습니다.

MCP가 탑재된 AI 에이전트는 장기 컨텍스트 유지, 다단계 추론 수행 및 메모리에 기반한 전략 적응이 가능한 고급 AI 에이전트 개발을 간소화하기 위해 설계된 포괄적인 프레임워크입니다. 메모리 관리자를 포함한 모듈식 설계로 다양한 LLM과의 맞춤형 통합 및 확장이 가능합니다. 메모리 관리자는 과거 상호작용을 영구 저장하여 컨텍스트를 유지하고, 조건 계획자는 각 단계에서 조건을 평가하여 다음 행동을 동적으로 선택하며, 프롬프트 관리자는 입력 형식을 조절하고 작업을 원활하게 연결합니다. Python으로 개발되어 있으며, API를 통해 OpenAI GPT 모델과 연동되고, 검색 강화 생성(RAG)을 지원하며, 대화형 에이전트, 작업 자동화 또는 의사결정 지원 시스템을 도와줍니다. 풍부한 문서와 예제가 사용자에게 구성 및 커스터마이징 방법을 안내합니다.

Aurora는 반복적인 계획과 실행을 통해 복잡한 작업을 자율적으로 처리할 수 있는 생성 AI 에이전트를 구성하는 모듈형 아키텍처를 제공합니다. 고수준 목표를 실행 가능한 단계로 분해하는 플래너, 이러한 단계를 호출하는 대형 언어 모델 기반의 실행자, API, 데이터베이스 또는 사용자 정의 함수와 연동하는 도구 통합 계층으로 구성됩니다. 또한, 컨텍스트 유지를 위한 메모리 관리와 새로운 정보를 반영하는 동적 재계획 기능을 갖추고 있어 빠른 프로토타이핑과 완전한 워크플로우 및 의사결정 제어가 가능합니다.

Lagent는 대형 언어 모델 위에 지능형 에이전트를 생성할 수 있는 개발자 중심 프레임워크입니다. 태스크를 하위 목표로 분할하는 동적 계획 모듈, 긴 세션 동안 맥락을 유지하는 메모리 저장소, API 호출 또는 외부 서비스 액세스를 위한 도구 통합 인터페이스를 제공합니다. 사용자 맞춤형 파이프라인을 통해 에이전트 행동, 프롬프트 전략, 오류 처리, 출력 파싱을 정의할 수 있습니다. Lagent의 로깅 및 디버깅 도구는 의사 결정 과정을 모니터링하는 데 도움을 주며, 확장 가능한 아키텍처는 로컬, 클라우드, 엔터프라이즈 배포를 지원합니다. 자율 비서, 데이터 분석기, 워크플로우 자동화를 빠르게 개발할 수 있습니다.

Crewai는 Python 기반의 라이브러리로, 다중 AI 에이전트 시스템을 설계하고 실행할 수 있습니다. 사용자는 특수 역할을 가진 개별 에이전트를 정의하고, 에이전트 간 통신을 위한 메시징 채널을 구성하며, 실시간 컨텍스트에 따라 작업을 배분하는 동적 플래너를 구현할 수 있습니다. 모듈형 아키텍처로 각 에이전트에 대해 다양한 LLM 또는 사용자 정의 모델을 연결할 수 있습니다. 내장된 로깅 및 모니터링 도구는 대화와 결정을 추적하여 디버깅과 행동 개선을 원활하게 합니다.

RotimeApp은 귀하의 실제 기상 시간에 동적으로 조정되는 유연한 일정 솔루션을 제공합니다. 조기 기상이든 야행성이든 관계없이 RotimeApp은 귀하의 일상 루틴을 자연적인 수면 패턴과 원활하게 일치시키는 데 도움을 줍니다. 이를 통해 고정된 일정의 스트레스 없이 작업과 약속을 정리할 수 있습니다. RotimeApp은 작업 리마인더, 조정 알림 및 루틴 최적화와 같은 기능을 제공하여 시간을 보다 효율적으로 관리하고자 하는 누구에게나 완벽한 도구가 됩니다.