ManasAI é uma estrutura baseada em Python que permite criar agentes de IA autônomos com estado incorporado e componentes modulares. Oferece abstrações principais para raciocínio de agentes, memória de curto e longo prazo, integrações com ferramentas externas e APIs, manipulação de eventos orientada por mensagens e orquestração de múltiplos agentes. Os agentes podem ser configurados para gerenciar contexto, executar tarefas, lidar com tentativas de reutilização e coletar feedback. Sua arquitetura pluggable permite aos desenvolvedores adaptar backends de memória, ferramentas e orquestradores a fluxos de trabalho específicos, tornando-se ideal para prototipagem de chatbots, trabalhadores digitais e pipelines automatizados que requerem contexto persistente e interações complexas.

multiagent-golang fornece uma abordagem estruturada para construir sistemas multiagentes em Go. Introduz uma abstração de Agente onde cada agente pode ser equipado com vários sensores para perceber seu ambiente e atuadores para agir. Os agentes executam de forma concorrente usando goroutines e comunicam-se por canais de mensagem dedicados. O framework também inclui uma camada de simulação de ambiente para lidar com eventos, gerenciar o ciclo de vida do agente e rastrear mudanças de estado. Desenvolvedores podem facilmente estender ou personalizar comportamentos de agentes, configurar parâmetros de simulação e integrar módulos adicionais para registro ou análise. Isso agiliza a criação de simulações escaláveis e concorrentes para pesquisa e prototipagem.

OpenAgentSpec define um conjunto abrangente de esquemas JSON, interfaces API e diretrizes de protocolo para agentes de IA. Cobre registro de agentes, declaração de capacidades, formatos de mensagens, manipulação de eventos, gerenciamento de memória e mecanismos de extensão. Seguindo a especificação, organizações podem criar agentes que comunicam de forma confiável entre si e com ambientes hospedeiros, reduzindo o esforço de integração e promovendo um ecossistema reutilizável de componentes de IA interoperáveis.

O Exemplo de Cliente Personalizado AgentForce fornece uma base de código que utiliza JavaScript/TypeScript e APIs Salesforce para autenticar contra uma organização Salesforce, gerenciar sessões de chat do AgentForce, enviar e receber mensagens e personalizar componentes da interface do usuário. Ele demonstra assinatura de eventos, integração de lógica de negócios personalizada e estilização via Lightning Web Components. Os desenvolvedores podem usar este modelo para estruturar agentes conversacionais de IA, adaptar fluxos de mensagens, integrar sistemas externos e estender a estrutura para atender aos fluxos de trabalho e requisitos de branding únicos da organização.

O Protocolo UIM define um esquema JSON padronizado pelo qual agentes de IA podem descrever elementos, comportamentos e eventos de interface de usuário. Cobre componentes como botões, campos de entrada, formulários, tabelas, árvores e gráficos, e suporta ganchos de eventos para interações do usuário. Renderizadores frontend consomem mensagens UIM para construir e atualizar interfaces rapidamente sem necessidade de codificação manual de UI. Envelopes de mensagem versionados garantem compatibilidade retroativa. Ao aproveitar o Protocolo UIM, equipes podem iterar mais rapidamente em assistentes conversacionais e painéis de dados, manter padrões de UX consistentes entre canais e desacoplar a lógica de decisão de IA das camadas de apresentação.

ASP-DALI fornece uma plataforma unificada para definir e executar agentes inteligentes baseados em lógica. Os desenvolvedores escrevem regras ASP para representar o conhecimento e os objetivos do agente, enquanto as construções DALI definem reações a eventos e execuções de ações. Em tempo de execução, um solucionador ASP calcula conjuntos de respostas que orientam as decisões do agente, permitindo que ele planeje, reaja a eventos recebidos e ajuste crenças dinamicamente. A estrutura suporta bases de conhecimento modulares, facilitando atualizações incrementais e uma separação clara entre regras declarativas e comportamentos reativos. ASP-DALI é implementado em Prolog com interfaces para solucionadores ASP populares, simplificando a integração e implantação em cenários de pesquisa e prototipagem.

O Coaty é um kit de ferramentas de código aberto escrito em TypeScript para desenvolver aplicações de IoT colaborativas e descentralizadas usando agentes de software. Oferece um tempo de execução de contêiner que hospeda instâncias de agentes, um serviço de descoberta e registro para busca dinâmica de recursos, e camadas de comunicação pub/sub para distribuição de eventos. Adaptadores de armazenamento incorporados sincronizam estados entre dispositivos, enquanto um modelo de dados flexível permite estender e compartilhar objetos de domínio. O Coaty suporta múltiplos protocolos de transporte como MQTT e WebSocket, possibilitando interoperabilidade robusta e em tempo real entre ambientes de borda, nevoeiro e nuvem sem pontos únicos de falha.

Inngest AgentKit fornece uma estrutura abrangente para desenvolver agentes de IA em um ambiente Node.js. Ele aproveita a arquitetura orientada a eventos da Inngest para acionar fluxos de trabalho de agentes com base em eventos externos como requisições HTTP, tarefas agendadas ou chamadas de webhook. O kit inclui utilitários de renderização de modelos para criar respostas dinâmicas, gerenciamento de estado embutido para manter o contexto durante as sessões e integração perfeita com APIs externas e modelos de linguagem. Os agentes podem transmitir respostas parciais em tempo real, gerenciar lógica complexa e orquestrar processos em múltiplas etapas com tratamento de erros e tentativas. Ao abstrair preocupações de infraestrutura e fluxo de trabalho, o AgentKit permite que os desenvolvedores foquem na criação de comportamentos inteligentes, reduzindo código boilerplate e acelerando a implantação de assistentes de conversação, pipelines de processamento de dados e bots de automação de tarefas.