Agentic Kernel은 재사용 가능 컴포넌트의 구성에 의해 AI 에이전트를 구축하기 위한 분리된 아키텍처를 제공합니다. 개발자는 목표를 분해하는 계획 파이프라인을 정의할 수 있으며, 임베딩 또는 파일 기반 백엔드를 이용하여 단기 및 장기 메모리 저장소를 구성하고, 외부 도구 또는 API를 등록하여 행동을 수행할 수 있습니다. 프레임워크는 동적 도구 선택, 에이전트 리플렉션 사이클, 스케줄링을 지원하여 에이전트 워크플로우를 관리합니다. 플러그인 가능한 설계 덕분에 모든 LLM 공급자와 사용자 정의 컴포넌트와 호환되어 대화형 비서, 자동 연구 에이전트, 데이터 처리 봇 등 다양한 유스케이스를 가능하게 합니다.

AgentMesh는 개발자가 특정 작업 또는 도메인에 집중하는 AI 에이전트 네트워크를 생성할 수 있는 모듈식 인프라를 제공합니다. 에이전트는 런타임에 동적으로 검색 및 등록되고, 메시지를 비동기적으로 교환하며, 구성 가능한 라우팅 규칙을 따릅니다. 이 프레임워크는 재시도, 폴백, 오류 복구를 처리하여 데이터 처리, 의사결정 지원 또는 대화용 케이스를 위한 다중 에이전트 파이프라인을 가능하게 합니다. 기존 LLM 및 사용자 정의 모델과 간단한 플러그인 인터페이스를 통해 쉽게 통합할 수 있습니다.

CrewAI는 완전한 자율성을 가진 AI 에이전트 구축을 위해 설계된 모듈형 Python 프레임워크입니다. 계획 및 의사 결정을 위한 에이전트 오케스트레이터, 외부 API 또는 커스텀 액션을 연결하는 도구 통합 계층, 그리고 상호작용 간에 컨텍스트를 저장하고 호출하는 메모리 모듈과 같은 핵심 구성 요소를 제공합니다. 개발자는 작업을 정의하고, 도구를 등록하며, 메모리 백엔드를 구성하여, 여러 단계의 워크플로를 계획하고, 동작을 수행하며, 결과에 따라 적응하는 에이전트를 시작할 수 있습니다. 이는 인텔리전트 어시스턴트, 자동화된 워크플로, 연구용 프로토타입 제작에 이상적입니다.