LlamaIndex Supervisor는 LlamaIndex 기반의 AI 에이전트를 생성, 실행 및 모니터링하도록 설계된 개발자 중심의 Python 프레임워크입니다. 검색, 요약, 맞춤형 처리와 같은 노드로 워크플로우를 정의하고 유향 그래프로 연결하는 도구를 제공합니다. Supervisor는 각 단계별로 출력 검증, 오류 시 재시도, 메트릭 로깅을 수행하여 강건하고 반복 가능한 파이프라인을 보장하며, 검색증강 생성, 문서 QA, 데이터 추출 등 다양한 데이터셋에 활용됩니다.

Vanilla Agents는 핵심 강화 학습 에이전트의 모듈형 및 확장 가능한 구현을 제공하는 경량 PyTorch 기반 프레임워크입니다. DQN, Double DQN, PPO, A2C와 같은 알고리즘을 지원하며, OpenAI Gym과 호환 가능한 플러그인 환경 래퍼를 갖추고 있습니다. 사용자는 하이퍼파라미터를 조정하고, 학습 메트릭을 로깅하며, 체크포인트를 저장하고, 학습 곡선을 시각화할 수 있습니다. 코드베이스는 명확하게 구성되어 있어 연구 프로토타이핑, 교육용, 새 아이디어의 벤치마킹에 이상적입니다.

CrewAI-Learning은 다중 에이전트 강화 학습 프로젝트를 간소화하도록 설계된 오픈소스 라이브러리입니다. 환경 구조, 모듈형 에이전트 정의, 사용자 정의 보상 함수, DQN, PPO, A3C와 같은 협력 작업에 적합한 내장 알고리즘을 제공합니다. 사용자는 시나리오 정의, 훈련 루프 관리, 메트릭 로깅 및 결과 시각화를 수행할 수 있습니다. 프레임워크는 에이전트 팀 및 보상 공유 전략의 동적 구성을 지원하여 다양한 분야에서 프로토타이핑, 평가 및 최적화를 용이하게 합니다.