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.

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.

MCP Ollama 에이전트는 Ollama의 로컬 LLM 런타임을 활용하여 작업 자동화를 위한 다용도 에이전트 프레임워크를 제공합니다. SERP API를 이용한 웹 검색, 파일 시스템 조작, 셸 명령 실행, 파이썬 환경 관리 등 여러 도구 인터페이스를 통합합니다. 사용자 정의 프롬프트와 도구 구성을 정의하여 복잡한 워크플로우를 조율하고 반복 작업을 자동화하며, 다양한 도메인에 맞춘 맞춤형 어시스턴트를 구축할 수 있습니다. 에이전트는 도구 호출과 컨텍스트 관리를 수행하여 대화 기록과 도구 응답을 유지하며 일관된 행동을 생성합니다. CLI 기반의 설정과 모듈식 아키텍처로 새 도구를 쉽게 확장하고 연구, 데이터 분석, 개발 지원 등 다양한 사용 사례에 적응할 수 있습니다.

MultiLang Status Agents는 여러 프로그래밍 언어를 사용하여 크로스 플랫폼 상태 점검 에이전트를 구축하고 배포하는 방법을 보여주는 오픈 소스 AI 에이전트 프레임워크입니다. Python, C#, JavaScript로 된 코드 샘플을 제공하며, Semantic Kernel과 OpenAI GPT API와 연동하여 서비스의 건강 상태 또는 상태 엔드포인트를 쿼리합니다. 프레임워크는 프롬프트 작성, API 인증, 결과 파싱, 요약 등 에이전트 워크플로우를 표준화합니다. 사용자는 새로운 서비스 통합, 언어별 프롬프트 수정 또는 웹 애플리케이션과 관리자 패널 내에 상태 에이전트 삽입을 위해 에이전트를 확장하거나 커스터마이징할 수 있습니다. 언어 특유의 구현을 추상화하여 다양한 기술 스택에서 일관된 AI 기반 모니터링 툴의 개발을 가속화합니다.

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.

Phidata는 메모리, 지식 및 추론 기능이 풍부한 AI 에이전트를 구축, 배포 및 모니터링하기 위해 설계된 혁신적인 플랫폼입니다. 이 시스템은 사용자가 외부 시스템과 상호작용하고 다양한 데이터 소스를 활용하며 학습을 통해 시간이 지남에 따라 개선할 수 있는 민첩하고 반응적인 에이전트를 생성할 수 있도록 합니다. Phidata는 여러 대형 언어 모델(LLM)을 지원하여 사용자에게 선택의 유연성을 제공합니다. 내장 메모리 기능을 통해 에이전트는 개인화된 대화를 유지할 수 있어 다양한 산업의 다양한 응용 프로그램에 적합합니다.

RainbowGPT는 OpenAI 모델을 사용하는 AI 에이전트의 설계, 맞춤화, 배포를 위한 완벽한 프레임워크를 제공합니다. FastAPI 백엔드, 도구 및 메모리 관리를 위한 LangChain 통합, 에이전트 생성과 테스트를 위한 React 기반 UI를 포함합니다. 사용자는 문서를 업로드하여 벡터 기반의 지식 검색을 하거나, 사용자 정의 프롬프트 및 행동을 정의하고, 외부 API 또는 함수를 연결할 수 있습니다. 이 플랫폼은 대화 내역을 기록하여 분석하며, 다중 에이전트 워크플로우를 지원하여 복잡한 자동화와 대화형 파이프라인을 구현합니다.

Self-Determining AI Agents는 자율 AI 에이전트 생성 과정을 간소화하는 Python 기반 프레임워크입니다. 에이전트가 작업을 생성하고, 전략을 계획하며, 통합된 도구를 활용해 행동을 수행하는 맞춤형 계획 루프를 특징으로 합니다. 이 프레임워크에는 컨텍스트를 유지하는 지속적 메모리 모듈, 유연한 작업 스케줄 시스템, 그리고 웹 API 또는 데이터베이스 쿼리와 같은 맞춤 도구 통합을 위한 후크가 포함되어 있습니다. 개발자는 구성 파일 또는 코드를 통해 에이전트 목표를 정의하며, 라이브러리는 반복적인 의사 결정 과정을 처리합니다. 로깅, 성능 모니터링을 지원하며, 새로운 계획 알고리즘으로 확장 가능하여 연구, 워크플로우 자동화, 지능형 다중 에이전트 시스템 프로토타입에 적합합니다.

Team of AI Agents는 모듈식 아키텍처를 통해 다중 에이전트 시스템을 구축하고 배포할 수 있도록 합니다. 각 에이전트는 고유 역할을 수행하며, 글로벌 메모리와 로컬 컨텍스트를 이용해 지식을 유지합니다. 비동기 메시징, 어댑터를 통한 도구 활용, 결과에 따른 동적 재할당을 지원합니다. 사용자들은 YAML 또는 Python 스크립트로 에이전트를 구성해 주제 특화, 목표 계층, 우선순위 처리를 가능하게 합니다. 내장 성능 평가 및 디버깅 지표로 빠른 반복이 가능합니다. 확장 가능한 플러그인 아키텍처로 사용자 정의 NLP 모델, 데이터베이스 또는 외부 API를 통합할 수 있습니다. Team of AI Agents는 전문화된 에이전트들의 집단 지능을 활용하여 복잡한 워크플로우를 가속화하며, 연구, 자동화, 시뮬레이션 환경에 적합합니다.

Thufir는 복잡한 작업 계획 및 실행이 가능한 자율 AI 에이전트를 제작하는 데 도움을 주도록 설계된 파이썬 기반의 오픈소스 에이전트 프레임워크입니다. 핵심적으로, Thufir는 높은 수준의 목표를 실현 가능한 단계로 분해하는 계획 엔진, 세션 간 맥락 정보를 저장하고 검색하는 기억 모듈, 그리고 외부 API, 데이터베이스 또는 코드 실행 환경과 상호작용할 수 있는 플러그 앤 플레이 도구 인터페이스를 제공합니다. 개발자는 Thufir의 모듈식을 활용하여 에이전트 행동을 맞춤화하고, 사용자 정의 도구를 정의하며, 에이전트 상태를 관리하고, 다중 에이전트 작업 흐름을 조정할 수 있습니다. 낮은 수준의 인프라 관리를 추상화함으로써 Thufir는 가상 비서, 워크플로 자동화, 연구, 디지털 작업자와 같은 사용 사례에 적합한 지능형 에이전트의 개발과 배포를 빠르게 합니다.

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.

Agents with ADK는 대형 언어 모델로 구동되는 지능형 에이전트 생성을 간소화하도록 설계된 오픈 소스 Python 프레임워크입니다. 모듈형 에이전트 템플릿, 내장 메모리 관리, 도구 실행 인터페이스, 다중 에이전트 조정 기능을 포함하고 있습니다. 개발자는 사용자 정의 기능이나 외부 API를 신속하게 연결하고, 계획 및 추론 체인을 구성하며, 에이전트 상호 작용을 모니터링할 수 있습니다. 이 프레임워크는 인기 있는 LLM 제공업체와의 통합을 지원하며, 로깅, 재시도 로직 및 프로덕션 배포를 위한 확장성도 제공합니다.

AgentLLM은 그래픽 인터페이스 또는 JSON 정의를 통해 사용자들이 자율 에이전트를 생성, 구성, 실행할 수 있는 웹 기반 AI 에이전트 프레임워크입니다. 에이전트는 작업을 추론하며 여러 단계로 워크플로우를 계획하고, Python 도구 또는 외부 API를 호출하며, 대화와 메모리를 유지하고, 결과에 따라 적응할 수 있습니다. 이 플랫폼은 OpenAI, Azure 또는 자가 호스팅 모델을 지원하며, 웹 검색, 파일 처리, 수학 계산, 맞춤형 플러그인 등의 도구 통합을 제공합니다. 실험적이고 빠른 프로토타이핑을 위해 설계된 AgentLLM은 복잡한 비즈니스 프로세스 자동화, 데이터 분석, 고객 지원, 맞춤 추천이 가능한 인텔리전트 에이전트 구축을 간소화합니다.

AGENTS.inc는 사용자의 요구에 따라 맞춤 설정할 수 있는 AI 에이전트를 만드는 전문 기업입니다. 이 에이전트는 워크플로우 자동화, 일정 관리 및 데이터 관리를 지원하여 시간을 절약하고 효율성을 높입니다. 사용자는 자신의 에이전트가 수행해야 할 작업을 정의할 수 있으며, 이를 통해 AI가 일상 작업에 원활하게 통합되도록 합니다. 이 플랫폼은 실시간 업데이트 및 에이전트의 기능을 쉽게 조정할 수 있게 해주며, 개인 및 전문적인 사용 모두에 적합합니다.

AI Agent Code Generator는 AI 에이전트용 Python 프로젝트의 구조를 위한 명령줄 인터페이스를 제공합니다. 사용자는 여러 LangChain 기반 템플릿 가운데 선택하고, OpenAI API 키를 설정하며, 사용자 지정 도구 또는 함수를 지정합니다. 이후, 템플릿은 기본 코드, 프로젝트 구조, 샘플 스크립트를 생성하여 대화형, 정보 검색 또는 작업 자동화 에이전트를 배포할 수 있도록 합니다. 개발자는 생성된 코드에 플러그인을 추가하거나 프롬프트를 수정하고, 새로운 도구 키트를 통합하여 전문화된 에이전트 동작을 구현함으로써 프로토타입 제작과 배포를 가속화할 수 있습니다.

ANAC-agents는 ANAC 자동 협상 에이전트 대회(ANAC)를 위해 여러 협상 에이전트 구현을 중앙 집중화한 Python 기반 프레임워크입니다. 리포지토리 내 각 에이전트는 유틸리티 모델링, 제안 생성, 양보 전략, 수락 기준에 대해 뚜렷한 전략을 구현하여 비교 연구와 빠른 프로토타입 제작을 가능하게 합니다. 사용자들은 맞춤 이슈와 선호 프로필이 있는 협상 도메인을 정의한 후 쌍방 협상 또는 토너먼트 형식 경쟁을 시뮬레이션할 수 있습니다. 도구키트에는 설정 스크립트, 평가 지표, 협상 역학 분석을 위한 로깅 유틸리티가 포함되어 있으며, 연구자와 개발자는 기존 에이전트를 확장하거나 새로운 알고리즘을 시험하며, 외부 학습 모듈을 통합하여 전략적 결정과 자동 협상 분야의 혁신을 가속화할 수 있습니다.

Autogen Studio Research는 GitHub에 호스팅된 연구 프로토타입으로, 다중 에이전트 AI 애플리케이션을 구축, 시각화 및 반복할 수 있습니다. 드래그 앤 드롭 방식으로 에이전트 컴포넌트를 배치하고, 커뮤니케이션 채널을 정의하며, 실행 파이프라인을 구성할 수 있는 웹 기반 UI를 제공합니다. 내부적으로 Python SDK를 사용하여 다양한 LLM 백엔드(OpenAI, Azure, 로컬 모델)에 연결하며, 실시간 로그, 지표, 디버깅 도구를 제공합니다. 이 플랫폼은 신속한 프로토타이핑, 의사결정 워크플로우, 자동화된 작업 오케스트레이션에 적합하도록 설계되었습니다.

Exo는 자율 AI 에이전트 생성, 배포 및 확장에 필요한 모든 기능을 제공합니다. 미리 만들어진 에이전트 템플릿으로 시작하거나 드래그 앤 드롭 인터페이스 또는 YAML 정의를 사용하여 커스텀 워크플로우를 만들 수 있습니다. REST API, 데이터베이스, 서드파티 서비스를 통합하여 에이전트의 기능을 확장하세요. 에이전트는 내장된 지속성 메모리와 벡터 저장소를 통해 컨텍스트를 유지합니다. 클라우드 호스팅 환경, CLI/SDK 도구, 대시보드로 성능 모니터링, 로그 검사, 버전 관리를 할 수 있습니다.

GenAI Job Agents는 AI 기반 작업 에이전트의 생성과 관리를 간소화하는 데 설계된 Python 기반 오픈소스 프레임워크입니다. 개발자는 간단한 구성 파일 또는 Python 클래스를 사용하여 맞춤형 작업 유형과 에이전트 행동을 정의할 수 있습니다. 시스템은 OpenAI의 LLM 기반 추론과 LangChain의 호출 체인을 매끄럽게 통합하며, 작업을 큐에 넣고 병렬로 실행하며 내장된 로깅과 오류 처리 메커니즘으로 모니터링할 수 있습니다. 에이전트는 동적 입력을 처리하고 실패를 자동으로 재시도하며, 하류 처리를 위한 구조화된 결과물을 생성할 수 있습니다. 모듈식 아키텍처, 확장 가능한 플러그인, 명확한 API로 구성되어 있어, GenAI Job Agents는 반복 작업을 자동화하고 복잡한 워크플로우를 오케스트레이션하며, 프로덕션 환경에서 AI 기반 운영을 확장할 수 있도록 지원합니다.