Symbol-LLM은 상징적 메모리 저장소로 보강된 대형 언어 모델을 사용하는 AI 에이전트 구축을 위한 모듈식 아키텍처를 제공합니다. 복잡한 작업을 분해하는 플래너, 도구를 호출하는 이그제큐터, 그리고 상호작용 전체에 걸쳐 컨텍스트를 유지하는 메모리 시스템이 포함되어 있습니다. 웹 검색, 계산기, 코드 실행과 같은 내장 도구 및 사용자 정의 도구의 간단한 API를 통해 다양한 분야(연구, 고객 지원, 워크플로우 자동화)에 신속한 프로토타입 제작 및 배포가 가능합니다.

멀티에이전트 시스템은 분산 에이전트 기반 아키텍처의 생성, 구성, 실행을 간소화하도록 설계되었습니다. 개발자는 Java 클래스 내에서 에이전트 행동, 통신 온톨로지, 서비스 설명을 정의할 수 있습니다. 프레임워크는 컨테이너 설정, 메시지 전달, 생애주기 관리를 담당합니다. 표준 FIPA 프로토콜을 기반으로 P2P 협상, 협력 계획, 모듈 확장을 지원하며, 사용자는 단일 또는 네트워크 호스트에서 멀티에이전트 시나리오를 실행, 모니터링, 디버깅할 수 있어 연구, 교육, 소규모 배포에 적합합니다.

이 저장소는 DeepSeek를 활용하여 고차원 벡터 검색을 수행하는 ReAct 기반 AI 에이전트 제작을 위한 단계별 튜토리얼과 참조 구현체를 제공합니다. 환경 세팅, 의존성 설치, 맞춤 데이터용 벡터 저장소 구성 등을 다루며, 에이전트는 ReAct 패턴을 활용하여 추론과 외부 지식 검색을 결합해 투명하고 설명 가능한 답변을 만들어냅니다. 사용자들은 추가 문서 로더 연동, 프롬프트 템플릿 조정, 벡터 데이터베이스 교체 등을 통해 시스템을 확장할 수 있으며, 이 유연한 프레임워크는 개발자와 연구자가 간단한 파이썬 코드로 강력한 대화형 에이전트를 빠르게 프로토타이핑할 수 있게 합니다.

Self-Determining AI Agents는 자율 AI 에이전트 생성 과정을 간소화하는 Python 기반 프레임워크입니다. 에이전트가 작업을 생성하고, 전략을 계획하며, 통합된 도구를 활용해 행동을 수행하는 맞춤형 계획 루프를 특징으로 합니다. 이 프레임워크에는 컨텍스트를 유지하는 지속적 메모리 모듈, 유연한 작업 스케줄 시스템, 그리고 웹 API 또는 데이터베이스 쿼리와 같은 맞춤 도구 통합을 위한 후크가 포함되어 있습니다. 개발자는 구성 파일 또는 코드를 통해 에이전트 목표를 정의하며, 라이브러리는 반복적인 의사 결정 과정을 처리합니다. 로깅, 성능 모니터링을 지원하며, 새로운 계획 알고리즘으로 확장 가능하여 연구, 워크플로우 자동화, 지능형 다중 에이전트 시스템 프로토타입에 적합합니다.

Team Coordination은 복잡한 작업에 함께 참여하는 다중 AI 에이전트의 오케스트레이션을 간단하게 만드는 경량 Python 라이브러리입니다. 계획자, 실행자, 평가자 또는 통신자와 같은 전문 지정 역할을 정의함으로써 사용자는 높은 수준의 목표를 관리 가능한 하위 작업으로 분해하고, 이를 개별 에이전트에 할당하며, 구조화된 통신을 촉진할 수 있습니다. 이 프레임워크는 비동기 실행, 프로토콜 라우팅, 결과 집계를 담당하여 AI 에이전트 팀이 효율적으로 협력할 수 있게 합니다. 플러그인 시스템은 인기 있는 LLM, API 및 맞춤 논리와의 통합을 지원하여 자동 고객 서비스, 연구, 게임 AI, 데이터 처리 파이프라인 등에 이상적입니다. 명확한 추상화와 확장 가능한 구성요소로, Team Coordination은 확장 가능한 다중 에이전트 워크플로우 개발을 가속화합니다.

Dial4JaCa는 JaCaMo 다중 에이전트 플랫폼용 Java 라이브러리 플러그인으로, 에이전트 간 메시지를 가로채어 에이전트 의도를 인코딩하고 이를 LLM 백엔드(OpenAI, 로컬 모델)로 라우팅합니다. 대화 컨텍스트를 관리하고, 신념 기반을 갱신하며, 응답 생성 기능을 AgentSpeak(L)의 추론 주기 내에 직접 통합합니다. 개발자는 프롬프트를 커스터마이징하고 대화 아티팩트를 정의하며 비동기 호출을 처리하여 에이전트가 사용자 발화를 해석하고, 작업을 조정하며, 외부 정보를 자연어로 검색할 수 있도록 합니다. 모듈식 설계로 오류 처리, 로깅, 다중 LLM 선택을 지원하며, 연구, 교육, 빠른 프로토타이핑에 이상적입니다.

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.

FreeAct는 모듈식 아키텍처를 사용하여 AI 에이전트의 생성 과정을 간소화합니다. 개발자는 상위 목표를 정의하고 계획 모듈을 구성하여 단계별 계획을 생성합니다. 추론 구성 요소는 계획의 실현 가능성을 평가하며, 실행 엔진은 API 호출, 데이터베이스 쿼리, 외부 도구 호출을 조율합니다. 메모리 관리는 대화 컨텍스트와 과거 데이터를 추적하여 에이전트가 정보에 근거한 결정을 내릴 수 있게 지원합니다. 환경 레지스트리는 사용자 지정 도구와 서비스의 쉽게 통합할 수 있도록 하며, 동적 적응을 가능하게 합니다. FreeAct는 여러 LLM 백엔드를 지원하며, 로컬 서버 또는 클라우드 환경에 배포할 수 있습니다. 오픈소스 특성 및 확장 가능한 설계로 연구 및 실용적인 지능형 에이전트의 신속한 프로토타입 제작을 지원합니다.

Hapticlabs는 사용자 정의 촉각 상호작용을 생성하기 위해 설계된 직관적인 코드 없는 도구 키트를 제공합니다. 사용자는 촉각 피드백을 쉽게 설계하고, 기능적 프로토타입을 구축하고, 여러 장치에서 디자인을 테스트할 수 있습니다. Hapticlabs Studio, DevKit 및 모바일 앱을 통해 코딩 없이 실시간으로 평가할 수 있습니다. 제품 개발, 교육, 연구 및 DIY 프로젝트에 적합하며, Hapticlabs는 제품에 촉각을 통합하는 프로세스를 간소화하여 유용한 피드백으로 사용자 경험을 향상시킵니다.

이 오픈소스 프레임워크는 AgentSimJs 에이전트 모델링 라이브러리와 Three.js의 3D 그래픽 엔진을 결합하여 브라우저 기반의 인터랙티브 멀티 에이전트 시뮬레이션을 제공합니다. 사용자는 에이전트 유형, 행동, 환경 규칙을 정의하고 충돌 감지와 이벤트 처리를 구성하며, 맞춤형 렌더링 옵션으로 실시간 시뮬레이션을 시각화할 수 있습니다. 이 라이브러리는 동적 제어, 씬 관리, 성능 튜닝을 지원하여 연구, 교육, 복잡한 에이전트 기반 시나리오 프로토타이핑에 이상적입니다.

Odyssey는 협업형 다중 에이전트 시스템 구축을 위한 유연한 아키텍처를 제공합니다. 핵심 구성 요소에는 하위 작업을 정의하고 배포하는 태스크 매니저, 맥락과 대화 기록을 저장하는 메모리 모듈, LLM 기반 에이전트 조정을 담당하는 에이전트 컨트롤러, 외부 API 또는 사용자 정의 기능을 통합하는 도구 매니저가 포함됩니다. 개발자는 YAML 파일로 워크플로를 구성하고, 사전 구축된 LLM 커널(GPT-4, 로컬 모델 등)을 선택하며, 새로운 도구 또는 메모리 백엔드도 손쉽게 확장할 수 있습니다. Odyssey는 상호작용 기록, 비동기 작업 수행, 반복적 개선 루프를 지원하여 연구, 프로토타이핑, 실전 애플리케이션에 이상적입니다.