Exo는 사용자가 사용자와 소통하고, 외부 API를 호출하며, 대화 맥락을 유지할 수 있는 AI 기반 에이전트 생성을 위한 개발자 중심 프레임워크입니다. 핵심적으로 TypeScript 정의를 사용하여 도구, 메모리 계층 및 대화 관리를 설명합니다. 사용자들은 데이터 검색, 일정 관리 또는 API 오케스트레이션과 같은 작업을 위한 커스텀 액션을 등록할 수 있습니다. 프레임워크는 프롬프트 템플릿, 메시지 라우팅, 오류 처리를 자동으로 처리합니다. Exo의 메모리 모듈은 세션 간 사용자별 정보를 저장하고 호출할 수 있습니다. 개발자는 최소한의 구성을 통해 Node.js 또는 서버리스 환경에 에이전트를 배포하며, 로깅, 인증, 지표 수집을 위한 미들웨어도 지원됩니다. 모듈식 설계로 구성 요소의 재사용이 용이하여 개발 속도를 높이고 중복을 줄입니다.

SwiftAgent는 OpenAI 모델을 Swift에 직접 통합하여 지능형 에이전트를 구축할 수 있는 강력한 도구 모음을 제공합니다. 개발자는 사용자 지정 행동과 외부 도구를 선언할 수 있으며, 에이전트는 사용자 쿼리에 따라 호출합니다. 이 프레임워크는 대화 기억을 유지하여 과거 상호작용을 참조할 수 있게 하며, 프롬프트 템플릿과 동적 컨텍스트 주입을 지원하여 다중 턴 대화 및 의사결정 로직을 용이하게 만듭니다. Swift의 비동기 API는 Swift의 동시성 기능과 원활히 결합되어 iOS, macOS 또는 서버 환경에 적합합니다. 모델 호출, 기억 저장, 파이프라인 조정을 추상화하여, Swift 에서 대화형 어시스턴트, 챗봇 또는 자동화 에이전트를 빠르게 프로토타입하고 배포할 수 있게 합니다.

Tongui Agent는 대화 상태를 유지하고, 외부 도구를 활용하며, 여러 하위 에이전트를 조율할 수 있는 모듈형 아키텍처를 제공합니다. 개발자는 LLM 백엔드를 구성하고, 맞춤형 액션을 정의하며, 컨텍스트를 저장하는 메모리 모듈을 부착할 수 있습니다. 이 프레임워크에는 SDK, CLI 및 관찰 가능성을 위한 미들웨어 훅이 포함되어 있어 Web 또는 Node.js 애플리케이션에 쉽게 통합할 수 있습니다. 지원하는 LLM에는 OpenAI, Azure OpenAI, 오픈소스 모델이 있습니다.

Goat SDK는 Go에서 AI 에이전트의 생성과 오케스트레이션을 간소화하도록 설계되었습니다. 플러그형 LLM 통합(OpenAI, Anthropic, Azure, 로컬 모델), 사용자 정의 액션 도구 레지스트리, 상태 유지형 대화를 위한 메모리 저장소를 제공합니다. 개발자는 체인, 리퍼레터 전략, 퍼블리셔를 정의하여 CLI, WebSocket, REST 엔드포인트 또는 내장 Web UI를 통해 상호작용을 출력할 수 있습니다. Goat은 스트리밍 응답, 사용자 지정 가능한 로깅, 간편한 오류 처리도 지원합니다. 이러한 구성요소를 결합하여 최소한의 보일러플레이트로 챗봇, 자동화 워크플로, 의사결정 지원 시스템을 개발할 수 있으며 필요에 따라 공급자와 도구를 교체하거나 확장할 수 있는 유연성을 유지합니다.

Java Action Generic은 Java에서 자율 에이전트 행동을 구현할 수 있는 경량화된 모듈식 라이브러리입니다. 이 액션들은 에이전트가 실행, 스케줄링, 런타임에서 조합할 수 있는 매개변수화된 작업 유닛입니다. 프레임워크는 일관된 액션 인터페이스를 제공하여 사용자 정의 액션 생성, 액션 매개변수 처리, LightJason의 에이전트 라이프사이클 관리를 통합할 수 있습니다. 이벤트 기반 실행 및 병행 지원으로, 에이전트는 동적 의사 결정, 외부 서비스와의 상호 작용, 복잡한 행동 조정 등 다양한 작업을 수행할 수 있습니다. 이 라이브러리는 재사용성과 모듈화 설계를 촉진하여 연구, 시뮬레이션, IoT, 게임 AI 등 모든 JVM지원 플랫폼에서 활용 가능합니다.

AAGPT는 확장 가능하고 오픈 소스인 AI 에이전트 프레임워크로, 자율 에이전트를 구축하도록 설계되었습니다. 고수준 목표 정의, 대화형 메모리 관리, 다단계 작업 계획, 외부 도구 또는 API와의 통합이 가능합니다. 간단한 구성 파일과 파이썬 SDK를 사용하여 에이전트의 동작을 맞춤화하고, 사용자 정의 행동을 정의하며, 데이터 소스와 상호작용하고 명령을 실행하며 과거 상호작용에서 학습하여 성능을 향상시킬 수 있습니다.