rag-services é uma plataforma extensível que divide pipelines RAG em microsserviços discretos. Oferece um serviço de armazenamento de documentos, um serviço de índice vetorial, um serviço de embedder, múltiplos serviços de inferência de LLM e um serviço de orquestração para coordenar fluxos de trabalho. Cada componente expõe APIs REST, permitindo combinar bancos de dados e provedores de modelos. Com suporte a Docker e Docker Compose, pode ser implantado localmente ou em clusters Kubernetes. A estrutura permite soluções RAG escaláveis e tolerantes a falhas para chatbots, bases de conhecimento e respostas automáticas a documentos.

ROSA (Sequenciamento e Autonomia de Robôs) é uma estrutura completa de autonomia desenvolvida pelo Jet Propulsion Laboratory do NASA para robótica espacial. Apresenta um planejador de IA modular, escalonador consciente de restrições e simuladores integrados que produzem sequências de comandos validadas para operações de robôs. Os usuários podem definir objetivos de missão, restrições de recursos e regras de segurança; ROSA gerará planos de execução ótimos, detectará conflitos e apoiará o replanejamento rápido em resposta a eventos inesperados. Sua arquitetura de plugins permite integração com sensores personalizados, atuadores e ferramentas de análise de telemetria, facilitando autonomia de missão de ponta a ponta para exploração planetária.

SPEAR (Plataforma escalável para inferência de IA de borda em tempo real) é projetado para gerenciar o ciclo de vida completo da inferência de IA na borda. Os desenvolvedores podem definir pipelines de streaming que ingerem dados de sensores, vídeos ou registros via conectores para Kafka, MQTT ou fontes HTTP. O SPEAR implanta dinamicamente modelos em contenederes nos nós de trabalho, equilibrando cargas entre clusters e garantindo respostas de baixa latência. Inclui versionamento de modelos embutido, verificações de saúde e telemetria, expondo métricas ao Prometheus e Grafana. Os usuários podem aplicar transformações personalizadas ou alertas através de uma arquitetura modular de plugins. Com escalonamento automático e recuperação de falhas, o SPEAR fornece análises confiáveis em tempo real para IoT, automação industrial, cidades inteligentes e sistemas autônomos em ambientes heterogêneos.

Universal Basic Compute fornece um ambiente unificado para desenhar, treinar e implantar agentes de IA em vários fluxos de trabalho. Os usuários podem escolher entre múltiplos modelos de linguagem grande, configurar armazenamentos de memória customizados para consciência contextual e integrar APIs e ferramentas de terceiros para estender funcionalidades. A plataforma gerencia automaticamente a orquestração, tolerância a falhas e escalabilidade, oferecendo dashboards para monitoramento em tempo real e análises de desempenho. Ao abstrair detalhes de infraestrutura, ela capacita equipes a focar na lógica dos agentes e na experiência do usuário ao invés da complexidade do backend.

ToolFuzz fornece uma estrutura abrangente de testes de fuzz especificamente adaptada para agentes de IA que usam ferramentas. Gera sistematicamente sequências de invocação de ferramentas aleatórias, APIs malformadas e combinações inesperadas de parâmetros para testar a resistência dos módulos de chamada de ferramentas do agente. Os usuários podem definir estratégias de fuzz personalizadas usando uma interface modular de plugins, integrar ferramentas ou APIs de terceiros e ajustar regras de mutação para focar em modos de falha específicos. A estrutura coleta traços de execução, mede a cobertura de código de cada componente e destaca exceções não tratadas ou falhas lógicas. Com agregação de resultados e relatórios integrados, o ToolFuzz acelera a identificação de casos extremos, problemas de regressão e vulnerabilidades de segurança, fortalecendo a robustez e confiabilidade dos fluxos de trabalho impulsionados por IA.

Arquitetura Orientada a Agentes (AOA) é uma estrutura robusta que fornece aos desenvolvedores ferramentas para construir e manter sistemas inteligentes multiagentes. Os agentes encapsulam estado, comportamentos e padrões de interação, comunicando-se via um barramento de mensagens assíncrono. AOA inclui módulos para registro de agentes, descoberta e matchmaking, possibilitando composição dinâmica de serviços. A modelagem de comportamento suporta máquinas de estado finito, planejamento guiado por objetivos e gatilhos impulsionados por eventos. O framework gerencia eventos do ciclo de vida do agente, como criação, suspensão, migração e terminação. Monitoramento e registro embutidos facilitam ajuste de desempenho e depuração. A camada de transporte plugável do AOA suporta TCP, HTTP e protocolos personalizados, tornando-o adaptável para implantações locais, na nuvem ou na borda. Integração com bibliotecas populares assegura processamento de dados e integração de modelos de IA de forma contínua.

O repositório Agent Supervisor Demonstrates mostra como orquestrar vários agentes de IA autônomos em um fluxo de trabalho coordenado. Escrito em Python, define uma classe Supervisor para distribuir tarefas, monitorar o status dos agentes, lidar com falhas e agregar respostas. Você pode estender as classes base de agentes, conectar diferentes APIs de modelos e configurar políticas de agendamento. Ele registra atividades para auditoria, suporta execução paralela e oferece um design modular para fácil personalização e integração em sistemas maiores de IA.

AgentMesh fornece uma infraestrutura modular para desenvolvedores criarem redes de agentes de IA, cada um focado em uma tarefa ou domínio específico. Os agentes podem ser descobertos e registrados dinamicamente em tempo de execução, trocar mensagens assíncronas e seguir regras de roteamento configuráveis. A estrutura lida com tentativas de reconexão, fallback e recuperação de erros, permitindo pipelines multi-agente para processamento de dados, suporte à decisão ou casos de uso conversacionais. Integra facilmente com modelos LLM existentes e modelos personalizados via uma interface de plugins simples.