Пример LLM Agents предоставляет практическую базу кода для создания AI-агентов на Python. Демонстрирует регистрацию пользовательских инструментов (поиск в сети, математический решатель через WolframAlpha, CSV-анализатор, Python REPL), создание чат- и поисковых агентов, а также подключение к векторным хранилищам для ответов на вопросы по документам. Репозиторий иллюстрирует шаблоны для сохранения памяти диалогов, динамической маршрутизации вызовов инструментов и цепочки нескольких подсказок LLM для решения сложных задач. Пользователи учатся интегрировать сторонние API, структурировать рабочие процессы агентов и расширять рамки новыми возможностями, — практическое руководство для разработчиков-экспериментов и прототипирования.

SimplerLLM предоставляет разработчикам минималистичный API для создания цепочек LLM, определения действий агентов и организации вызовов инструментов. Благодаря встроенным абстракциям для хранения памяти, шаблонов подсказок и парсинга результатов, пользователи могут быстро создавать диалоговых агентов, сохраняющих контекст между взаимодействиями. Фреймворк беспрепятственно интегрируется с моделями OpenAI, Azure и HuggingFace, а также поддерживает расширяемые наборы инструментов для поиска, калькуляторов и собственных API. Его лёгкое ядро минимизирует зависимости, обеспечивая гибкую разработку и лёгкое развертывание в облаке или на периферии. Будь то создание чатботов, QA-ассистентов или автоматизаторов задач, SimplerLLM упрощает создание полноценной цепочки работы LLM-агентов.

EVM Agent Kit предоставляет модульную архитектуру для создания интеллектуальных агентов, которые безпрепятственно взаимодействуют с сетями Ethereum. В основе он использует крупные языковые модели для генерации цепочек инструкций, разбираемых в вызовы JSON-RPC для получения данных на цепочке и выполнения транзакций. Разработчики могут вставлять собственную логику для управления кошельками, оценки газа и проверки результатов. В комплект входят шаблоны для сценариев, таких как обмен токенов, аудит контрактов и аналитика on-chain. Абстрагируя низкоуровневую сложность EVM, он позволяет быстро прототипировать агентов, которые следят за балансами кошельков, декодируют события умных контрактов и автономно выполняют сделки по заданным стратегиям. Расширяемые компоненты позволяют интегрировать основные поставщики LLM и блокчейн-сети, обеспечивая гибкость в дизайне агентов.