Drive Flow — гибкая структура, которая дает возможность проектировать AI-рабочие процессы путем определения последовательности шагов. Каждый шаг может вызывать большие языковые модели, выполнять пользовательские функции или взаимодействовать с постоянной памятью, хранящейся в MemoDB. Каркас поддерживает сложную логику ветвления, циклы, параллельное выполнение задач и динамическую обработку входных данных. Написанный на TypeScript, он использует декларативный DSL для спецификации потоков, что обеспечивает четкое разделение логики оркестрации. Drive Flow также предоставляет встроенную обработку ошибок, стратегии повторных попыток, отслеживание контекста выполнения и расширенное логирование. Основные случаи использования включают AI-ассистентов, автоматизированную обработку документов, автоматизацию поддержки клиентов и системы многошаговых решений. Обеспечивая абстракцию оркестрации, Drive Flow ускоряет разработку и упрощает обслуживание AI-приложений.

Scint — мощная платформа без кода для AI-агентов, позволяющая пользователям составлять, развертывать и управлять автономными многошаговыми рабочими процессами. Благодаря интерфейсу с перетаскиванием, пользователи задают поведение агентов, подключают API и источники данных, настраивают триггеры. Платформа включает встроенную отладку, контроль версий и панели мониторинга в реальном времени. Разработана для технических и нетехнических команд, ускоряя автоматизацию и обеспечивая надежное выполнение сложных задач — от обработки данных до поддержки клиентов.

Agent Communication Protocol (ACP) — это формальный каркас, разработанный для обеспечения беспрепятственного взаимодействия автономных агентов ИИ. ACP задает набор типов сообщений, заголовков и соглашений по нагрузке, а также механизмы обнаружения и регистрации агентов. Он поддерживает отслеживание диалогов, согласование версий и стандартизированные отчёты об ошибках. Предоставляя независимые от языка схемы JSON и перенос-усреднённые связки, ACP сокращает сложность интеграции и позволяет разработчикам создавать масштабируемые и совместимые системы с несколькими агентами для обслуживания клиентов, роботизированных рое, оркестровки IoT и совместных рабочих процессов ИИ.

AWS Agentic Workflows — безсерверная платформа оркестрации, которая позволяет связывать задачи ИИ в рабочие процессы конечного одного типа. Используя базовые модели Amazon Bedrock, вы можете вызывать AI-агентов для обработки естественного языка, классификации или пользовательских задач. AWS Step Functions управляет переходами состояний, повторными попытками и параллельным выполнением. Lambda-функции выполняют предварительную обработку входных данных и постобработку. CloudWatch обеспечивает ведение журналов и метрик для мониторинга и отладки в реальном времени. Это позволяет разработчикам создавать надежные, масштабируемые ИИ-пайплайны без необходимости управлять серверами или инфраструктурой.

FlowOps предоставляет визуальную среду без кода, в которой пользователи определяют AI-агентов как последовательные рабочие процессы. Благодаря интуитивному конструкторам drag-and-drop можно составлять модули для взаимодействия с LLM, поиска в векторных хранилищах, вызовов API и выполнения пользовательского кода. Продвинутые функции включают условные ветвления, циклы и обработку ошибок для построения надежных pipeline’ов. Платформа интегрируется с популярными поставщиками LLM (OpenAI, Anthropic), базами данных (Pinecone, Weaviate) и REST-сервисами. После разработки рабочие процессы можно мгновенно развернуть как масштабируемые API со встроенным мониторингом, логированием и управлением версиями. Инструменты для совместной работы позволяют командам делиться и улучшать дизайн агентов. FlowOps идеально подходит для создания чатботов, автоматизированных извлекателей документов, аналитических рабочих процессов и AI-ориентированных бизнес-процессов без написания инфраструктурного кода.

Firebase GenKit — это рамочный инструмент, упрощающий создание функций генеративного AI с помощью сервисов Firebase. Включает шаблоны Cloud Functions для вызова LLM, триггеры Firestore для логирования и управления подсказками/ответами, интеграцию аутентификации и фронтенд-компоненты UI для чатов и генерации контента. Разработан для масштабируемости без серверов, GenKit позволяет подключать выбранного поставщика LLM (например, OpenAI) и конфигурации проекта Firebase, обеспечивая полноценные рабочие процессы AI без необходимости управления инфраструктурой.

Hero - это потребительский продукт, предназначенный для создания, организации и обмена пользовательскими страницами ссылок, называемыми Hero Pages. Пользователи могут составлять списки ссылок, фотографий, текста и другого контента для обмена с друзьями, семьей или коллегами. Платформа удобна для пользователя и помогает людям отслеживать и распространять информацию гладко, что делает ее идеальной для личного, бизнес или общественного использования.

Jupyter AI Agents — это фреймворк, который внедряет автономных ИИ-ассистентов в среды Jupyter Notebook и JupyterLab. Он позволяет пользователям создавать, конфигурировать и запускать множество агентов, способных выполнять широкий спектр задач, таких как анализ данных, генерация кода, отладка, веб-скрапинг и извлечение знаний. Каждый агент сохраняет контекстную память и может соединяться для выполнения сложных рабочих процессов. Благодаря простым магическим командам и API Python пользователи без труда интегрируют агентов с существующими библиотеками и наборами данных Python. Основанный на популярных LLM, он поддерживает шаблоны подсказок, коммуникацию между агентами и обратную связь в реальном времени. Эта платформа трансформирует традиционные рабочие процессы ноутбуков, автоматизируя повторяющиеся задачи, ускоряя создание прототипов и позволяя взаимодействовать с ИИ прямо в среде разработки.

API LangGraphJS предоставляет программный интерфейс для проектирования рабочих процессов AI-агентов с помощью ориентированных графов. Каждый узел графа представляет вызов LLM, логику принятия решений или преобразование данных. Разработчики могут соединять узлы, управлять ветвящейся логикой и бесшовно осуществлять асинхронное выполнение. Благодаря определениям TypeScript и встроенным интеграциям с популярными провайдерами LLM, оно упрощает разработку диалоговых агентов, цепочек извлечения данных и сложных многошаговых процессов без шаблонного кода.