Nestor는 대화 상태를 유지하고 외부 도구를 호출하며 처리 파이프라인을 사용자 정의할 수 있는 모듈형 아키텍처를 제공합니다. 주요 기능에는 세션 기반 메모리 저장소, 도구 기능 또는 플러그인 등록을 위한 레지스트리, 유연한 프롬프트 템플릿 및 통합 LLM 클라이언트 인터페이스가 포함됩니다. 에이전트는 순차적 작업을 수행하거나 결정 분기를 하고 REST API 또는 로컬 스크립트와 통합할 수 있습니다. Nestor는 프레임워크에 구애받지 않으며, OpenAI, Azure 또는 자체 호스팅 LLM 제공자를 사용할 수 있습니다.

Labs는 대규모 언어 모델을 활용하여 AI 에이전트를 정의하고 실행하는 오픈소스의 임베드 가능한 도메인 특화 언어입니다. 프롬프트 선언, 컨텍스트 관리, 조건적 분기, 외부 도구(예: 데이터베이스, API) 연동 구조를 제공합니다. Labs를 통해 개발자는 에이전트 워크플로를 코드로 기술하여, 데이터 수집, 분석, 생성 등 다단계 태스크를 오케스트레이션합니다. 이 프레임워크는 DSL 스크립트를 실행 가능한 파이프라인으로 컴파일하며, 로컬 또는 프로덕션 환경에서 실행할 수 있습니다. Labs는 인터랙티브 REPL, 커맨드라인 도구와 표준 LLM 제공자와 통합되며, 모듈식 아키텍처로 커스텀 함수와 유틸리티 확장이 용이해 빠른 프로토타이핑과 유지보수 용이성을 제공합니다. 경량 런타임은 낮은 오버헤드와 기존 애플리케이션에 원활하게 내장 가능합니다.

LangGraph 에이전트는 그래프 구조의 메모리와 결합된 LLM을 통해 사실을 기억하고 관계를 추론하며 필요 시 외부 함수 또는 도구를 호출할 수 있는 자율형 에이전트를 구축합니다. 개발자는 메모리 스키마를 그래프 노드와 엣지로 정의하고, 맞춤형 도구 또는 API를 연결하며, 설정 가능한 플래너와 실행자를 통해 에이전트 워크플로우를 조율합니다. 이 접근법은 맥락 유지력을 높이고 지식 기반의 의사 결정을 가능하게 하며 다양한 어플리케이션에서 동적 도구 호출을 지원합니다.

본질적으로, LionAGI는 의존하는 작업 단계를 정의하고 실행하기 위한 모듈식 아키텍처를 제공하여 복잡한 문제를 논리적 구성 요소로 분할하며, 이들은 순차적 또는 병렬로 처리될 수 있습니다. 각 단계는 맞춤 프롬프트, 메모리 저장, 결정 논리를 활용해 이전 결과에 기반하여 행동을 조정할 수 있습니다. 개발자는 지원하는 모든 LLM API 또는 자가 호스팅 모델을 통합하고, 관찰 공간을 구성하며, 행동 매핑을 정의하여 여러 주기에 걸쳐 계획, 추론, 학습하는 에이전트를 만들 수 있습니다. 내장된 로깅, 오류 복구, 분석 도구는 실시간 모니터링과 반복적인 개선을 가능하게 합니다. 연구 워크플로우 자동화, 리포트 생성, 자율 프로세스 조율 등 어떤 용도든, LionAGI는 최소한의 보일러플레이트로 지능적이고 적응 가능한 AI 에이전트의 신속한 배포를 가속화합니다.

LLM-Powered AI Agents는 모듈식 아키텍처를 통해 대형 언어 모델과 외부 도구를 조율하여 자율 에이전트 생성을 간소화하도록 설계되었습니다. 개발자는 표준화된 인터페이스를 갖춘 맞춤형 도구를 정의하거나 가져오고, 상태를 유지하는 메모리 백엔드를 구성하며, LLM 프롬프트를 활용한 다단계 추론 체인을 설정할 수 있습니다. AgentExecutor 모듈은 도구 호출, 오류 처리 및 비동기 작업 흐름을 관리하며, 실무 시나리오인 데이터 추출, 고객 지원, 일정 관리 보조 등의 예제 템플릿을 제공하여 빠른 개발을 지원합니다. API 호출, 프롬프트 엔지니어링 및 상태 관리를 추상화하여 코드량을 줄이고 실험 속도를 높여 Python 기반 맞춤형 지능형 자동화 솔루션 구축에 적합합니다.

LiteSwarm은 여러 전문화된 에이전트 간의 협업을 촉진하기 위해 설계된 포괄적인 AI 에이전트 오케스트레이션 프레임워크입니다. 사용자는 데이터 수집, 분석, 요약 또는 외부 API 호출과 같은 역할을 가진 개별 에이전트를 정의하고, 이를 시각적 워크플로우 내에 연결합니다. LiteSwarm은 에이전트 간 통신, 영속적 메모리 저장, 오류 복구, 로깅을 처리합니다. API 연동, 맞춤형 코드 확장, 실시간 모니터링을 지원하여 팀이 복잡한 다중 에이전트 솔루션을 프로토타이핑, 테스트, 배포하는 데 높은 엔지니어링 부담 없이 진행할 수 있게 합니다.

Llamator는 메모리 모듈, 도구 통합, 동적 프롬프트 템플릿을 결합하여 유니파이드 파이프라인에서 자율 AI 에이전트를 구축할 수 있는 오픈소스 JavaScript 라이브러리입니다. 계획, 액션 실행, 반영 루프를 조정하여 다단계 작업을 처리하며, 여러 LLM 공급자를 지원하고 API 호출 또는 데이터 처리를 위한 맞춤형 도구 정의를 허용합니다. Llamator를 사용하면 웹 또는 Node.js 애플리케이션 내에서 채팅봇, 개인 비서, 자동화 워크플로를 빠르게 프로토타이핑할 수 있으며, 모듈형 아키텍처로 확장과 테스트가 용이합니다.

LLM Maze Agent 프레임워크는 대형 언어 모델을 사용하여 격자 미로를 탐색할 수 있는 지능형 에이전트 구축을 위한 파이썬 기반 환경을 제공합니다. 모듈식 환경 인터페이스와 체인 오브-사고 프롬프트 템플릿, 휴리스틱 플래닝을 결합하여 에이전트는 반복적으로 LLM에 쿼리하여 이동 방향을 결정하고, 장애물에 적응하며, 내부 상태 표현을 업데이트합니다. OpenAI와 Hugging Face 모델을 기본적으로 지원하여 원활한 통합이 가능하며, 미로 생성은 사용자 정의 가능하고 단계별 디버깅을 통해 다양한 전략을 실험할 수 있습니다. 연구자들은 보상 함수 조정, 관찰 공간 커스터마이징, 에이전트 경로 시각화 등을 통해 추론 과정을 분석할 수 있습니다. 이 설계는 LLM 기반 계획 평가, AI 개념 지도, 공간 추론 모델 성능 벤치마크에 이상적입니다.

LLPhant는 개발자가 다목적 LLM 기반 에이전트를 생성할 수 있도록 하는 오픈소스 파이썬 프레임워크입니다. API, 검색, 데이터베이스 등 외부 도구 통합, 다중 턴 대화용 메모리 관리, 커스터마이징 가능한 의사결정 루프를 위한 내장 추상화를 제공합니다. OpenAI, Hugging Face 등의 여러 LLM 백엔드와 플러그인 스타일 컴포넌트, 구성 기반 워크플로우를 지원하여 에이전트 개발을 가속화합니다. 챗봇 프로토타입, 작업 자동화, 외부 도구와 컨텍스트 메모리를 활용하는 디지털 어시스턴트 구축에 활용할 수 있습니다.

Local-Super-Agents는 완전히 로컬에서 작동하는 자율 AI 에이전트를 제작하는 데 적합한 Python 기반 플랫폼입니다. 메모리 저장, API 통합 툴킷, LLM 적응기, 에이전트 오케스트레이션 등 모듈식 구성 요소를 포함하고 있습니다. 사용자들은 커스텀 작업 에이전트를 정의하고, 행동 체인을 연결하며, 샌드박스 환경 내에서 다중 에이전트 협력을 시뮬레이션할 수 있습니다. CLI 도구, 사전 설정된 템플릿 및 확장 가능 모듈을 통해 복잡한 설정을 추상화하며, 클라우드 종속성을 제거해 데이터 프라이버시와 리소스 제어를 유지합니다. 플러그인 시스템은 웹 크롤러, 데이터베이스 커넥터, 사용자 정의 Python 함수의 통합을 지원하여, 자율 연구, 데이터 추출 및 로컬 자동화와 같은 작업 흐름을 강화합니다.

LORS에서는 사용자가 문서 컬렉션을 수집하고, 텍스트를 임베딩으로 전처리하여 벡터 데이터베이스에 저장할 수 있습니다. 쿼리 또는 요약 작업이 시작되면, LORS는 의미적 검색을 수행하여 가장 관련성 높은 텍스트 세그먼트를 찾습니다. 이후, 이 세그먼트들을 대형 언어 모델에 입력하여 간결하고 맥락을 고려한 요약을 생성합니다. 모듈식 디자인은 임베딩 모델 교체, 검색 임계값 조정, 프롬프트 템플릿 맞춤화가 가능하게 합니다. LORS는 다중 문서 요약, 인터랙티브 쿼리 세련, 배치 처리 등을 지원하며, 대규모 텍스트 코퍼스에서 빠른 인사이트 추출이 필요한 학술 문헌 리뷰, 기업 보고서, 기타 시나리오에 이상적입니다.

Magi MDA는 개발자 중심의 AI 에이전트 프레임워크로, 자율 에이전트의 생성과 배포를 간소화합니다. 핵심 구성요소인 플래너, 실행기, 인터프리터, 메모리를 노출하며, 이를 맞춤형 파이프라인으로 조립할 수 있습니다. 사용자들은 텍스트 생성을 위해 널리 사용되는 LLM 공급자와 연결하고, 지식 보강을 위한 검색 모듈을 추가하며, 특수 작업을 위한 임의의 도구 또는 API와 통합할 수 있습니다. 이 프레임워크는 단계별 추론, 도구 라우팅, 컨텍스트 관리를 자동으로 처리하여 팀이 오케스트레이션 보일러플레이트 대신 도메인 로직에 집중할 수 있게 합니다.

ManasAI는 내장된 상태와 모듈형 구성요소를 갖춘 자율 AI 에이전트 생성을 가능하게 하는 파이썬 기반 프레임워크입니다. 에이전트 추론, 단기 및 장기 메모리, 외부 도구 및 API 통합, 메시지 기반 이벤트 처리, 멀티 에이전트 오케스트레이션에 대한 핵심 추상화를 제공합니다. 에이전트는 컨텍스트 관리, 작업 실행, 재시도 처리, 피드백 수집에 대한 구성을 할 수 있으며, 플러그인 방식의 아키텍처로 개발자는 메모리 백엔드, 도구, 오케스트레이터를 특정 워크플로우에 맞게 조정할 수 있어 챗봇, 디지털 워커, 지속적인 컨텍스트와 복잡한 상호작용이 필요한 자동화 파이프라인의 프로토타입 제작에 이상적입니다.

MARFT는 재현 가능한 실험과 협력 AI 시스템의 빠른 프로토타이핑을 가능하게 하는 Python 기반의 LLM입니다.

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.

모듈형 LLM 아키텍처는 재사용 가능한 구성 요소를 통해 사용자 정의 LLM 기반 애플리케이션 생성 과정을 단순화하는 데 목적이 있습니다. 세션 상태 유지를 위한 메모리 모듈, 외부 API 호출용 도구 인터페이스, 템플릿 또는 동적 프롬프트 생성을 위한 프롬프트 매니저 그리고 에이전트 워크플로우를 제어하는 오케스트레이션 엔진을 제공합니다. 이 모듈들을 체인 형식으로 구성하여 다단계 추론, 맥락 기반 응답, 데이터 통합 같은 복잡한 동작을 가능하게 합니다. 프레임워크는 여러 LLM 백엔드를 지원하며, 모델을 전환하거나 혼합하는 것도 가능합니다. 또한, 새 모듈 또는 자체 로직을 추가할 수 있는 확장 포인트를 갖추고 있어, 재사용성을 높이고 투명성과 제어력을 유지하는 개발을 지원합니다.

MONAI(의료 오픈 네트워크 AI)는 의료 영상에서의 딥 러닝을 위해 설계된 오픈 소스 프레임워크입니다. 이는 의료 전문가들이 AI 기반 솔루션을 빠르고 효율적으로 개발, 훈련 및 배포할 수 있도록 강력한 도구와 라이브러리를 제공합니다. 모듈형 구조로 인해 사용자들은 기존 구성 요소를 활용하면서 그들의 워크플로우를 사용자화할 수 있어, 보다 효율적인 연구 및 임상 협업을 이끌어냅니다. MONAI를 사용하면 개발자들이 다양한 의료 데이터 세트를 관리할 수 있어, 의료 영상 기술의 발전을 촉진합니다.

alaamoheb의 다중 에이전트 강화학습 라이브러리는 공유 환경에서 다수의 에이전트 개발, 훈련 및 평가를 용이하게 하는 포괄적인 오픈소스입니다. DQN, PPO, MADDPG 등을 포함한 가치 기반 및 정책 기반 알고리즘의 모듈식 구현을 갖추고 있습니다. 이 저장소는 OpenAI Gym, Unity ML-Agents, StarCraft Multi-Agent Challenge와의 통합을 지원하며, 연구와 현실 영감의 시나리오 모두에 실험을 가능하게 합니다. YAML 기반 실험 설정, 로깅 유틸리티, 시각화 도구를 통해 학습 곡선 모니터링, 하이퍼파라미터 조정, 다양한 알고리즘 비교가 가능합니다. 이 프레임워크는 협력, 경쟁 및 혼합 다중 에이전트 작업 실험을 가속화하며 재현 가능한 연구와 벤치마킹을 돕습니다.

multiagent-ai-coding은 소프트웨어 개발 작업에서 전문화된 AI 에이전트 간의 협업 워크플로우를 용이하게 하는 Python 기반 프레임워크입니다. 코드 생성, 유닛 테스트, 코드 리뷰, 디버깅 및 문서화에 사용할 에이전트를 정의할 수 있으며, 이들을 구성 가능한 파이프라인으로 연결하여 종단 간 코딩 프로세스를 자동화하고, 코드 품질 향상과 반복 주기를 단축할 수 있습니다. 또한, 사용자 맞춤형 에이전트 통합, 로깅, 오류 복구 기능도 지원합니다.

OLI(OpenAI Logic Interpreter)는 OpenAI API를 활용하여 웹 애플리케이션 내에서 AI 에이전트 생성을 간소화하도록 설계된 클라이언트 사이드 프레임워크입니다. 개발자는 사용자 프롬프트에 따라 지능적으로 선택되는 맞춤 함수를 정의하고, 여러 상호작용에서 일관된 상태를 유지하기 위해 대화 컨텍스트를 관리하며, 예약이나 보고서 생성과 같은 복잡한 워크플로우를 위해 API 호출을 체인할 수 있습니다. 또한, OLI는 응답 파싱, 오류 처리, 웹훅 또는 REST 엔드포인트를 통한 타사 서비스 통합을 위한 유틸리티를 포함합니다. 완전 모듈식이고 오픈소스이기 때문에 팀은 에이전트 행동을 사용자 정의하고, 새로운 기능을 추가하며, 백엔드 의존성 없이 모든 웹 플랫폼에 OLI 에이전트를 배포할 수 있습니다. OLI는 대화형 UI와 자동화 개발을 가속화합니다.