HMAS는 계층형 다중 에이전트 시스템 개발을 가능하게 하는 오픈 소스 Python 프레임워크입니다. 에이전트 계층, 에이전트 간 통신 프로토콜, 환경 통합, 내장 훈련 루프를 위한 추상화를 제공합니다. 연구자와 개발자는 HMAS를 사용하여 복잡한 에이전트 상호 작용의 프로토타입을 만들고, 협력 정책을 훈련하며, 시뮬레이션 환경에서 성능을 평가할 수 있습니다. 모듈식 설계를 통해 에이전트, 환경, 훈련 전략을 확장하고 사용자 지정하기 쉽습니다.

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.

LLM State Machine은 명시적 상태 기계를 사용하여 AI 에이전트를 구축하는 오픈소스 Python 프레임워크입니다. 개발자는 상태를 개별 단계로 정의하며, 각 단계는 대형 언어 모델 또는 사용자 정의 로직을 호출하고, 출력에 따라 전이합니다. 이 방식은 문서 처리, 대화형 봇 또는 자동화 파이프라인과 같은 다단계, LLM 기반 워크플로우에 대해 명확성, 유지보수성, 견고한 오류 처리를 제공합니다.

Matcha Agent는 Python으로 자율 에이전트를 구축하기 위한 유연한 기반을 제공합니다. 개발자는 맞춤형 도구 세트(API, 스크립트, 데이터베이스)를 사용해 에이전트를 구성하고, 대화 메모리를 관리하며, 다양한 LLM(OpenAI, 로컬 모델 등) 간의 다중 단계 워크플로우를 조정할 수 있습니다. 플러그인 기반 아키텍처는 에이전트 행동을 쉽게 확장, 디버깅, 모니터링할 수 있게 합니다. 연구 과제 자동화, 데이터 분석, 고객 지원 등 다양한 분야에서 에이전트 개발과 배포를 간소화합니다.

Multi-Agent AI Assistant는 여러 GPT 기반 에이전트를 조정하는 모듈화된 Python 프레임워크로, 각 에이전트는 기획, 연구, 분석, 실행과 같은 역할이 부여됩니다. 시스템은 에이전트 간 메시지 전달, 메모리 저장, 외부 도구 및 API 연동을 지원하며, 복잡한 작업 분해와 협력적 문제 해결을 가능하게 합니다. 개발자는 에이전트 행동을 커스터마이징하고, 새로운 도구 세트를 추가하며, 간단한 구성 파일로 워크플로우를 설정할 수 있습니다. 전문 에이전트 간 분산 추론을 활용하여, 자동 연구, 데이터 분석, 의사결정 지원, 작업 자동화를 가속화합니다. 저장소에는 일반적인 워크플로우와 에이전트 구성 템플릿이 포함되어 있어, 업무, 교육, 연구 환경에서 엔드 투 엔드 워크플로우를 처리하는 인텔리전트 어시스턴트와 디지털 워커의 신속한 프로토타입 제작이 가능합니다.

RL Shooter는 ViZDoom과 OpenAI Gym API를 통합하는 파이썬 기반 프레임워크로, FPS 게임을 위한 유연한 강화 학습 환경을 만듭니다. 사용자는 사용자 정의 시나리오, 맵, 보상 구조를 정의하여 탐색, 타겟 감지, 사격 작업에 사용할 수 있습니다. 조정 가능한 관찰 프레임, 행동 공간, 로깅 기능을 갖추고 있어 Stable Baselines 및 RLlib과 같은 인기 딥 RL 라이브러리를 지원하며, 성능 추적과 실험 재현성을 보장합니다.

SonAgent는 Python에서 AI 에이전트를 구축, 구성 및 실행하기 위해 설계된 확장 가능한 오픈 소스 프레임워크입니다. 메모리 저장, 도구 래퍼, 계획 논리, 비동기 이벤트 처리를 위한 핵심 모듈을 제공합니다. 개발자는 맞춤형 도구 등록, 언어 모델 통합, 장기 에이전트 메모리 관리, 여러 에이전트를 조정하여 복잡한 작업에 협력하게 할 수 있습니다. SonAgent의 모듈화된 설계는 대화형 봇, 워크플로우 자동화, 분산 에이전트 시스템 개발을 가속화합니다.

CopilotKit은 개발자가 맞춤형 AI 에이전트를 구축할 수 있도록 설계된 오픈소스 Python 프레임워크입니다. 파일 시스템 액세스, 웹 검색, Python REPL, SQL 커넥터 등의 도구를 등록하고 구성하며, 어떤 지원되는 LLM과도 연결할 수 있는 모듈식 아키텍처를 제공합니다. 내장된 메모리 모듈은 대화 상태를 지속하고, LangGraph는 복잡한 작업을 위한 구조화된 추론 흐름을 정의할 수 있도록 합니다. 에이전트는 스크립트, 웹 서비스 또는 CLI 앱으로 배포할 수 있으며 클라우드 공급자에 따라 확장 가능합니다. CopilotKit은 OpenAI, Azure OpenAI, Anthropic 모델과 원활하게 통합되어 자동화 워크플로우, 챗봇 및 데이터 분석 봇을 강화합니다.

MACL은 여러 개의 AI 에이전트 생성과 조정을 단순화하도록 설계된 모듈형 Python 프레임워크입니다. 개별 에이전트에 커스텀 기술을 정의하고, 통신 채널을 설정하며, 에이전트 네트워크 전체의 작업을 스케줄할 수 있습니다. 에이전트는 메시지를 교환하고, 책임을 협상하며, 공유된 데이터를 기반으로 동적으로 적응할 수 있습니다. 인기 LLM 지원과 확장성을 위한 플러그인 시스템을 내장하여, 고객 서비스 자동화, 데이터 분석 파이프라인, 시뮬레이션 환경과 같은 분야에서 확장 가능하고 유지보수 용이한 AI 워크플로우를 지원합니다.

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.

Agent-Squad는 모듈형 Python 프레임워크로, 팀이 복잡한 작업 수행을 위한 다중 에이전트 시스템을 설계, 배포, 실행할 수 있게 합니다. 핵심적으로, Agent-Squad는 데이터 수집기, 요약기, 코더, 검증기 등 다양한 에이전트 프로필을 설정하고, 이들이 정의된 채널을 통해 소통하며 메모리 컨텍스트를 공유할 수 있도록 합니다. 높은 목표를 하위 작업으로 분해함으로써, 프레임워크는 병렬 처리를 조율하고 LLM과 외부 API, 데이터베이스 또는 맞춤형 도구와 연계합니다. 개발자는 워크플로우를 JSON 또는 코드로 정의하고, 에이전트 상호작용을 모니터링하며 내장된 로깅 및 평가 도구를 통해 전략을 동적으로 조정할 수 있습니다.

Besser Agentic Framework는 AI 에이전트의 정의, 조정, 확장을 위한 모듈형 도구 키트입니다. 에이전트 행동 구성을 가능케 하며, 외부 도구 및 API와의 통합, 에이전트 메모리와 상태 관리, 실행 모니터링이 가능합니다. Python 위에서 구축되어 확장 가능한 플러그인 인터페이스, 다중 에이전트 협력, 내장 로깅을 지원합니다. 개발자는 데이터 추출, 자동화 연구, 대화형 어시스턴트와 같은 작업을 위한 에이전트를 빠르게 프로토타이핑하고 배포할 수 있습니다.

Chainlit은 개발자가 대화형 AI 및 에이전트 기반 애플리케이션을 신속하게 구축하고 배포하는 데 도움을 주기 위해 설계된 오픈 소스 비동기 Python 프레임워크입니다. 인기 있는 Python 라이브러리 및 프레임워크와의 통합을 지원하여 원활한 개발 경험을 제공합니다. Chainlit을 사용하면 사용자가 복잡한 상호작용을 처리할 수 있고 대화의 맥락을 유지할 수 있는 프로덕션 준비 완료 채팅 응용 프로그램을 만들 수 있습니다.