Mina는 Python으로 AI 에이전트를 구축하기 위한 가볍지만 강력한 기반을 제공합니다. 웹 스크래퍼, 계산기, 데이터베이스 커넥터와 같은 사용자 정의 도구를 정의하고, 대화 맥락을 유지하는 메모리 버퍼를 붙이며, 다단계 추론을 위한 언어 모델 호출 시퀀스를 조율할 수 있습니다. 일반 LLM API 위에 구축되어 비동기 실행, 오류 처리 및 로깅을 기본 제공하며, 모듈식 설계를 통해 새로운 기능을 쉽게 확장할 수 있고, CLI 인터페이스를 통해 빠른 프로토타이핑과 에이전트 구동 애플리케이션 배포가 가능합니다.

Lila는 다중 단계 추론과 자율 작업 수행에 특화된 완전한 AI 에이전트 프레임워크를 제공합니다. 개발자는 맞춤형 도구(API, 데이터베이스, 웹훅)를 정의하고 런타임 동안 동적으로 호출하도록 Lila를 구성할 수 있습니다. 대화 기록과 사실을 저장하는 메모리 모듈, 하위 작업을 순차적 처리하는 계획 구성 요소, 투명한 의사결정을 위한 사고 사슬 프롬프트를 갖추고 있습니다. 플러그인 시스템은 새로운 기능을 원활하게 확장할 수 있게 해주며, 내장된 모니터링은 에이전트의 행동과 출력을 추적합니다. 모듈형 설계로 기존 파이썬 프로젝트에 쉽게 통합하거나, 실시간 에이전트 워크플로우를 위해 호스팅 서비스로 배포할 수 있습니다.

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.

SmartRAG는 대규모 언어 모델과 함께 사용하는 모듈식 Python 라이브러리입니다. 문서 수집, 벡터 인덱싱, 최신 LLM API를 결합하여 정확하고 맥락이 풍부한 응답을 제공합니다. 사용자는 PDF, 텍스트 파일 또는 웹페이지를 임포트하고, FAISS 또는 Chroma 같은 인기 벡터 저장소를 이용해 인덱싱하며, 맞춤형 프롬프트 템플릿을 정의할 수 있습니다. SmartRAG는 검색, 프롬프트 조합, LLM 추론을 조율하여 출처 문서에 기반한 일관된 답변을 제공합니다. RAG 파이프라인의 복잡성을 추상화하여 지식 기반 Q&A 시스템, 챗봇, 연구 지원 도구 개발을 가속화합니다. 개발자는 커넥터를 확장하거나 LLM 공급자를 바꾸거나 검색 전략을 미세 조정하여 특정 지식 도메인에 맞게 조정할 수 있습니다.