AgentSmithy предназначен для оптимизации жизненного цикла разработки AI-агентов, предлагая модульные компоненты для управления памятью, планирования задач и оркестрации исполнения. Фреймворк использует Google Cloud Storage или Firestore для постоянной памяти, Cloud Functions для триггеров на основе событий и Pub/Sub для масштабируемой передачи сообщений. Обработчики определяют поведения агента, планировщики управляют выполнением многоэтапных задач. Модули наблюдаемости отслеживают показатели производительности и логи. Разработчики могут интегрировать пользовательские плагины для расширения возможностей, таких как источники данных, специализированные LLM или инструменты для конкретных доменов. Архитектура AgentSmithy на базе облака обеспечивает высокую доступность и эластичность, позволяя без проблем развертывать в средах разработки, тестирования и производства. Встроенная безопасность и контроль доступа на основе ролей позволяют командам сохранять управляемость и быстро итеративно развивать интеллектуальные решения на базе агентов.

Репозиторий Agent Supervisor Demonstrates показывает, как оркестровать несколько автономных ИИ-агентов в скоординированном рабочем процессе. Написанный на Python, он определяет класс Supervisor для распределения задач, мониторинга состояния агентов, обработки сбоев и агрегирования ответов. Вы можете расширять базовые классы агентов, подключать различные API моделей и настраивать политики планирования. Ведет журналы деятельности для аудита, поддерживает параллельное выполнение и предлагает модульную архитектуру для легкой настройки и интеграции в более крупные системы ИИ.