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.

Agent Script는 대규모 언어 모델에 선언적 스크립팅 레이어를 제공하여 YAML 또는 JSON 스크립트를 작성해 에이전트 워크플로우, 도구 호출, 메모리 사용을 정의할 수 있습니다. OpenAI, 로컬 LLM 또는 기타 제공자를 플러그인하고, 외부 API를 도구로 연결하며, 장기 메모리 백엔드를 구성할 수 있습니다. 프레임워크는 맥락 관리, 비동기 실행, 상세 로그를 기본 제공하며, 적은 코드로 챗봇, RPA 워크플로우, 데이터 추출 에이전트 또는 사용자 정의 제어 루프의 프로토타입을 빠르게 만들 수 있어 AI 기반 자동화의 구축, 테스트, 배포를 용이하게 합니다.

Minimalist Agent는 파이썬에서 AI 에이전트를 구축하기 위한 기본 프레임워크입니다. LangChain의 에이전트 클래스와 OpenAI의 API를 활용하여 다단계 추론, 도구의 동적 선택, 함수 실행을 수행합니다. 리포지토리를 클론하고, OpenAI API 키를 구성하며, 사용자 지정 도구 또는 엔드포인트를 정의하고, CLI 스크립트를 통해 에이전트와 상호작용할 수 있습니다. 설계는 명확성과 확장성을 강조하며, 핵심 에이전트 행동의 학습, 수정, 확장이 용이합니다.

임베디드 BDI는 전체 BDI 라이프사이클 엔진을 제공하며, 환경에 대한 에이전트의 신념을 모델링하고, 변화하는 욕구 또는 목표를 관리하며, 계획 라이브러리에서 의도를 선택하고, 실시간으로 행동을 실행합니다. 이 프레임워크에는 신념 데이터 저장 모듈, 계획 라이브러리 정의, 이벤트 트리거 및 메모리 제한이 있는 마이크로컨트롤러에 최적화된 동시성 제어 모듈이 포함됩니다. 간단한 API를 통해 개발자는 신념에 주석을 달고, 욕구를 지정하며, 코딩에서 계획을 구현할 수 있습니다. 의도 실행 우선순위와 센서, 액추에이터, 네트워크 인터페이스와의 통합을 처리하는 스케줄러를 갖추고 있어, 자율 IoT 장치, 모바일 로봇, 산업용 컨트롤러에 이상적입니다.

실제 작업에서 LlamaSim은 Llama 모델을 사용하는 여러 AI 에이전트를 정의하고, 상호작용 시나리오를 설정하며, 제어된 시뮬레이션을 실행할 수 있게 해줍니다. 간단한 파이썬 API를 사용하여 에이전트의 성격, 의사결정 로직, 통신 채널을 사용자 정의할 수 있습니다. 프레임워크는 프롬프트 구성, 응답 분석, 대화 상태 추적을 자동으로 처리합니다. 모든 상호작용을 기록하며 응답 일관성, 작업 완료율, 지연 시간 등의 내장 평가 지표를 제공합니다. 플러그인 아키텍처를 통해 외부 데이터 소스와 통합하거나, 사용자 정의 평가 함수를 추가하거나, 에이전트 능력을 확장할 수 있습니다. LlamaSim의 가벼운 핵심은 로컬 개발, CI 파이프라인, 클라우드 배포에 적합하며, 재현 가능한 연구와 프로토타입 검증을 가능하게 합니다.

MASlite는 에이전트 클래스를 생성하고 행동을 등록하며, 에이전트 간 이벤트 기반 메시징을 처리하는 명확한 API를 제공합니다. 에이전트 작업을 관리하는 스케줄러, 상호작용을 시뮬레이션하는 환경 모델링, 핵심 기능 확장을 위한 플러그인 시스템을 포함합니다. 개발자는 에이전트 라이프사이클 메서드를 정의하고, 채널을 통해 에이전트를 연결하며, 헤드리스 모드 또는 시각화 도구와 통합하여 빠르게 다중 에이전트 시나리오를 프로토타이핑할 수 있습니다.

SelfDrivingCarSimulator는 Pygame 위에 구축된 경량의 Python 프레임워크로, 강화 학습을 통한 자율 차량 에이전트 훈련을 위한 2D 주행 환경을 제공합니다. 맞춤형 트랙 레이아웃, 구성 가능한 센서 모델(예: LiDAR 및 카메라 에뮬레이션), 실시간 시각화, 성능 분석을 위한 데이터 로깅을 지원합니다. 개발자는 RL 알고리즘을 통합하고, 물리 파라미터를 조절하며, 속도, 충돌률, 보상 기능과 같은 지표를 모니터링하여 자율 주행 연구 및 교육 프로젝트를 빠르게 반복할 수 있습니다.

DocumentAI-Backend는 문서에서 텍스트, 양식 필드, 구조화된 데이터를 자동으로 추출하는 경량 백엔드 프레임워크입니다. PDF 또는 이미지를 업로드하는 REST API 엔드포인트를 제공하며, Google Document AI와 OCR 폴백을 통해 처리 후 분석 결과를 JSON으로 반환합니다. Python, FastAPI, Docker로 개발되어 기존 시스템에 신속히 통합 가능하며 확장 가능한 배포 및 구성을 통한 맞춤화가 가능합니다.