With AI Agents는 역할이 다양한 여러 AI 에이전트를 정의하고 오케스트레이션하는 TypeScript 기반 코드 우선 프레임워크입니다. 내장된 메모리 관리를 통해 컨텍스트를 지속하며, 외부 API를 통합하는 함수 호출 서브시스템과 인터랙티브 세션용 CLI 인터페이스를 제공합니다. 파이프라인 또는 계층으로 에이전트를 구성하여 데이터 분석 파이프라인이나 고객 지원 흐름과 같은 복잡한 작업을 자동화하고, 모듈성, 확장성, 손쉬운 맞춤화가 가능합니다.

AgentSimulation은 Pygame 기반의 오픈소스 파이썬 라이브러리로, 2D 환경에서 여러 자율 에이전트를 시뮬레이션합니다. 사용자는 에이전트 속성, 조종 행동(탐색, 도망, 방황), 충돌 감지, 경로 찾기 및 인터랙티브 규칙을 구성할 수 있습니다. 실시간 렌더링과 모듈식 설계 덕분에 빠른 프로토타입 제작, 교육 시뮬레이션, 집단 지능 또는 다중 에이전트 상호작용 연구에 적합합니다.

AgentSpeak은 오픈소스 Java 기반의 AgentSpeak(L) 프로그래밍 언어 구현으로, BDI(신념-욕구-의도) 자율 에이전트의 생성과 관리를 용이하게 설계되었습니다. 강력한 신념 유지, 이벤트 트리거, 현재의 믿음과 목표에 따라 계획을 선택하고 실행하는 런타임 환경을 갖추고 있습니다. 인터프리터는 병행 에이전트 실행, 동적 계획 업데이트, 사용자 정의 의미론을 지원하며, 모듈식 아키텍처로 설계되어 계획 선택 및 신념 수정 등 주요 구성요소를 확장할 수 있습니다. Citizen 및 산업 분야의 개발자들이 지능형 에이전트를 프로토타이핑하고 시뮬레이션하며, IoT 시스템이나 다중 에이전트 시나리오에 배포할 수 있도록 돕습니다.

Base OnChain Agent는 이더리움과 유사한 블록체인에 자율 AI 에이전트를 배포하기 위해 설계된 오픈소스 프레임워크입니다. Web3를 통해 블록체인 노드에 연결하며, OpenAI의 GPT 모델을 사용하여 토큰 전송이나 프로토콜별 로그와 같은 온체인 이벤트를 해석합니다. 에이전트는 자연어 프롬프트 또는 사전 정의된 전략을 처리하여 트랜잭션 실행 시기, 스마트 계약 함수 호출 또는 거버넌스 제안에 대한 응답을 결정할 수 있습니다. 개발자는 맞춤 이벤트 리스너, 오프체인 데이터 피드 통합, 안전한 키 관리를 위한 모듈 확장이 가능합니다. 이 솔루션은 최소한의 수작업 개입으로 유동성 제공, 차익 거래, 포트폴리오 재조정 등의 자동 DeFi 작업을 가능하게 합니다.

bedrock-agent는 AWS Bedrock의 대규모 언어 모델 세트와 통합하여 복잡하고 작업 중심의 워크플로우를 오케스트레이션하는 다용도 AI 에이전트 프레임워크입니다. 사용자 정의 도구 등록을 위한 플러그인 아키텍처, 컨텍스트 영속성을 위한 메모리 모듈, 향상된 추론을 위한 사고 사슬 메커니즘을 제공합니다. 간단한 Python API와 명령줄 인터페이스를 통해 외부 서비스 호출, 문서 처리, 코드 생성 또는 채팅을 통한 사용자 상호작용이 가능한 에이전트 정의를 지원합니다. 에이전트는 사용자 프롬프트에 따라 적절한 도구를 자동으로 선택하고 세션 간 대화 상태를 유지할 수 있습니다. 이 프레임워크는 오픈 소스이며 확장 가능하고, 신속한 프로토타이핑 및 AI 지원 어시스턴트 배포에 최적화되어 있습니다.

BeeAI Framework Py Starter는 AI 에이전트 생성의 시작을 빠르게 할 수 있도록 설계된 오픈 소스 Python 프로젝트입니다. 핵심 모듈은 에이전트 오케스트레이션, 기능 확장을 위한 플러그인 시스템, 주요 LLM API에 연결하기 위한 어댑터를 포함합니다. 개발자는 작업을 정의하고, 대화 기억을 관리하며, 간단한 구성 파일을 통해 외부 도구를 통합할 수 있습니다. 이 프레임워크는 모듈성과 사용 편의성을 강조하며, 챗봇, 자동화 도우미, 데이터 처리 에이전트의 빠른 프로토타입 제작을 가능하게 합니다.

ChatAgent는 메모리 처리, 도구 체인 및 전략 조정을 위한 핵심 모듈이 포함된 확장 가능한 아키텍처를 제공하여 개발자가 지능형 챗봇을 신속하게 구축하고 배포할 수 있도록 합니다. 주요 LLM 공급자들과 원활하게 통합되며, API 호출, 데이터베이스 쿼리 또는 파일 작업을 위한 맞춤형 도구를 정의할 수 있습니다. 이 프레임워크는 다단계 계획, 동적 의사 결정, 컨텍스트 기반 메모리 호출을 지원하여 긴 대화에서도 일관된 상호작용을 보장합니다. 플러그인 시스템과 구성 기반의 파이프라인은 쉽게 커스터마이즈 및 실험이 가능하며, 구조화된 로그와 메트릭은 성능 모니터링과 운영 중 문제 해결에 도움을 줍니다.

ComfyUI LLM Party는 텍스트 상호작용을 조율하기 위해 설계된 LLM 기반 노드 집합을 제공하여, 시각적 AI 워크플로우와 연결된 노드 기반 환경을 확장합니다. 대형 언어 모델과 소통하는 채팅 노드, 컨텍스트를 유지하는 메모리 노드, 다중 에이전트 대화를 관리하는 라우팅 노드를 제공합니다. 사용자들은 언어 생성, 요약, 의사결정 작업을 파이프라인 내에서 연결하여 텍스트 AI와 이미지 생성이 결합된 복합 워크플로우를 구성할 수 있습니다. 커스텀 프롬프트 템플릿, 변수 관리, 조건 분기 등도 지원하여 내러티브 생성, 이미지 캡션, 동적 장면 설명을 자동화할 수 있습니다. 모듈형 설계로 기존 노드와의 원활한 통합이 가능하며, 아티스트와 개발자가 프로그래밍 경험 없이 정교한 AI 에이전트 워크플로우를 구축할 수 있습니다.

본질적으로, DAGent는 노드들의 유한 비순환 그래프로 에이전트 워크플로우를 표현하며, 각 노드는 LLM 호출, 사용자 정의 함수 또는 외부 도구를 캡슐화할 수 있습니다. 개발자는 작업 의존성을 명시적으로 정의하여 병렬 수행 및 조건부 로직이 가능하게 하며, 프레임워크는 스케줄링, 데이터 전달, 오류 복구를 관리합니다. 또한, DAG 구조와 실행 흐름을 검사할 수 있는 내장 시각화 도구를 제공하여 디버깅과 감사 가능성을 높입니다. 확장 가능한 노드 유형, 플러그인 지원, 인기 LLM 제공자와의 원활한 통합으로 DAGent는 데이터 파이프라인, 대화형 에이전트, 자동 연구 지원 도구와 같은 복잡한 다중 단계 AI 애플리케이션을 적은 코드로 구축할 수 있도록 합니다. 모듈성 및 투명성에 중점을 두어 실험과 운영 환경 모두에서 확장 가능한 에이전트 오케스트레이션에 이상적입니다.

DemoGPT는 OpenAI GPT 모델을 사용하여 AI 에이전트의 핵심 개념을 보여주는 오픈소스 파이썬 프로젝트입니다. 지속성 있는 메모리를 JSON 파일에 저장하여 세션 간 컨텍스트 인식 상호작용이 가능합니다. 프레임워크는 웹 검색, 계산, 맞춤 확장 등과 같은 동적 도구 실행을 플러그인 스타일의 아키텍처로 지원합니다. API 키를 구성하고 종속성을 설치하기만 하면, 사용자들은 로컬에서 DemoGPT를 실행하여 챗봇 프로토타입, 다중 턴 대화 흐름 탐색, 에이전트 기반 워크플로를 테스트할 수 있습니다. 이 포괄적 데모는 개발자와 연구자가 현실 세계 시나리오에서 GPT 기반 에이전트를 구축, 커스터마이즈, 실험할 수 있는 실용적 토대를 제공합니다.

Dual Coding Agents는 원활하게 시각적 이해와 언어 생성을 결합하는 모듈식 아키텍처를 제공합니다. 프레임워크는 OpenAI CLIP과 같은 이미지 인코더, GPT와 같은 트랜스포머 기반 언어 모델을 기본 지원하며, 이들을 체인-오브-쏘트 파이프라인으로 조율합니다. 사용자들은 이미지를 입력하고 프롬프트 템플릿을 제공하여, 시각적 특징을 처리하고 맥락에 대해 추론하며, 상세한 텍스트 출력을 생성할 수 있습니다. 연구자와 개발자는 모델 교체, 프롬프트 구성, 플러그인 확장을 통해 쉽게 활용할 수 있습니다. 이 툴킷은 멀티모달 AI 실험을 쉽게 하여 시각적 질문응답, 문서 분석, 접근성 도구, 교육 플랫폼 등 다양한 응용 분야의 신속한 프로토타입 제작을 지원합니다.

Evolving Agents는 모듈형 AI 에이전트를 구축하고 진화시키기 위한 유전 프로그래밍 기반의 프레임워크입니다. 사용자는 교체 가능한 구성요소로 에이전트 아키텍처를 조립하고 환경 시뮬레이션과 적합도 지표를 정의한 후, 진화 주기를 실행하여 향상된 에이전트 행동을 자동으로 생성합니다. 이 라이브러리에는 돌연변이, 교차, 집단 관리, 진화 모니터링을 위한 도구가 포함되어 있으며, 다양한 시뮬레이션 환경에서 자율 에이전트를 프로토타이핑, 테스트, 개선할 수 있습니다.

Researcher AI Agent 프론트엔드는 AI 기반 연구 도우미를 위한 사용자 인터페이스를 제공하는 오픈 소스 React 애플리케이션입니다. 자연어 검색을 지원하며, Semantic Scholar 또는 arXiv와 같은 학술 데이터베이스와 API를 통해 연결하고, 메타데이터, 초록, 전체 텍스트를 가져옵니다. 검색 결과는 정리된 대시보드에 표시되며, 연도 또는 관련성별 필터링과 AI 생성 요약을 통해 핵심 발견 사항을 강조합니다. 사용자는 APA, MLA, BibTeX 등 인기 있는 참고문헌 형식으로 내보낼 수 있습니다. 모듈형 컴포넌트와 반응형 디자인으로 문헌 검토 작업을 간소화하고 연구 생산성을 높입니다.

GoLC는 Go로 언어 모델 체인과 에이전트를 구축할 수 있는 통합 도구 세트를 제공합니다. 핵심 기능에는 체인 관리, 맞춤형 프롬프트 템플릿, 주요 LLM 공급자와의 원활한 통합이 포함됩니다. 문서 로더와 벡터 저장소를 통해 임베딩 기반 검색을 가능하게 하여 RAG 워크플로우를 지원하며, 상태를 유지하는 메모리 모듈과 다중 단계 추론 및 도구 호출을 조율하는 가벼운 에이전트 아키텍처를 지원합니다. 모듈형 설계로 사용자 정의 도구, 데이터 소스, 출력 핸들러를 쉽게 연결할 수 있습니다. 고네이티브 성능과 최소 의존성을 갖춘 GoLC는 챗봇, 지식 지원, 자동 추론 에이전트, 생산 수준의 백엔드 AI 서비스 구축에 이상적입니다.

하이퍼볼릭 타임 챔버는 메모리 관리, 컨텍스트 윈도우 오케스트레이션, 프롬프트 체인, 도구 통합, 실행 제어를 위한 구성요소를 제공하여 유연한 AI 에이전트 구축 환경을 제공합니다. 개발자는 모듈식 빌딩 블록을 통해 에이전트 동작을 정의하고, 맞춤형 메모리(단기 및 장기)를 구성하며, 외부 API 또는 로컬 도구를 연동할 수 있습니다. 이 프레임워크는 비동기 지원, 로깅, 디버깅 유틸리티도 포함하여, 고급 대화형 또는 작업 지향 에이전트를 빠르게 프로토타입 및 배포할 수 있게 합니다.

Isek는 모듈형 아키텍처를 갖춘 개발자 중심 플랫폼입니다. 도구와 데이터 소스를 위한 플러그인 시스템, 컨텍스트 유지를 위한 내장 메모리, 그리고 다단계 작업 조정을 위한 계획 엔진을 제공합니다. 로컬 또는 클라우드에 배포 가능하며, 어떤 LLM 백엔드도 통합할 수 있고, 커뮤니티 또는 커스텀 모듈을 통해 확장할 수 있습니다. Isek는 템플릿, SDK, CLI 도구를 통해 챗봇, 가상 비서, 자동화 워크플로의 빠른 개발을 간소화합니다.

Joylive Agent는 정교한 AI 에이전트 구축을 위해 설계된 모듈형 플러그인 기반 아키텍처를 제공합니다. OpenAI GPT와 같은 LLM과의 원활한 통합, 세션 지속을 위한 구성 가능한 메모리 백엔드, 외부 API 또는 사용자 정의 기능을 에이전트 능력으로 노출하는 툴킷 매니저를 포함합니다. 이 프레임워크는 또한 내장된 체인 오브 생각 오케스트레이션, 다중 턴 대화 관리 및 손쉬운 배포를 위한 RESTful 서버를 포함합니다. Java 기반 코어는 기업 등급의 안정성을 보장하며, 팀이 빠르게 프로토타입을 개발하고 확장하며 다양한 사용 사례에 걸쳐 AI 어시스턴트를 확장할 수 있도록 합니다.

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.

LinkAgent는 플러그인 가능한 컴포넌트로 구성된 경량 마이크로커널을 제공하며, 사용자는 언어 모델 백엔드, 검색 모듈, 외부 API를 도구로 등록한 후 내장된 플래너와 라우터를 사용하여 워크플로우를 구성할 수 있습니다. 메모리 핸들러를 통해 문맥 지속 및 저장, 동적 도구 호출, 복잡한 다단계 추론을 위한 결정 로직을 지원합니다. 최소한의 코드로, 팀은 QA, 데이터 추출, 프로세스 오케스트레이션, 보고서 생성과 같은 작업을 자동화할 수 있습니다.

LLMLing 에이전트는 대형 언어 모델 기반 AI 에이전트를 구축, 구성, 배포하는 모듈식 프레임워크입니다. 사용자는 여러 에이전트 역할을 인스턴스화 하고, 외부 도구 또는 API와 연결하며, 대화 메모리를 관리하고 복잡한 워크플로우를 조율할 수 있습니다. 플랫폼에는 에이전트 상호작용을 시각화하고, 메시지 히스토리를 기록하며, 실시간 조정을 허용하는 브라우저 기반 플레이그라운드가 포함되어 있습니다. Python SDK를 통해 개발자는 사용자 정의 행동을 스크립트화하고, 벡터 데이터베이스를 통합하며, 플러그인으로 시스템을 확장할 수 있습니다. LLMLing 에이전트는 재사용 가능한 구성요소와 명확한 추상화를 제공하여 챗봇, 데이터 분석 봇, 자동화 도우미를 손쉽게 만듭니다.