CogAgent — исследовательская, открытая библиотека на Python, предназначенная для упрощения разработки AI-агентов. Она предоставляет основные модули для управления памятью, планирования и рассуждений, интеграции инструментов и API, а также выполнения цепочки мыслей. Благодаря своей высокой модульной архитектуре пользователи могут определять пользовательские инструменты, хранилища памяти и политики агентов для создания разговорных чатботов, автономных планировщиков задач и сценариев автоматизации рабочих процессов. CogAgent поддерживает интеграцию с популярными LLM, такими как OpenAI GPT и Meta LLaMA, позволяя исследователям и разработчикам экспериментировать, расширять и масштабировать свои интеллектуальные агенты для различных реальных приложений.

TinyAuton предлагает минимальную и расширяемую архитектуру для создания автономных агентов, которые планируют, выполняют и совершенствуют задачи с помощью моделей GPT от OpenAI. В нее встроены модули для определения целей, управления контекстом диалога, вызова пользовательских инструментов и логирования решений. Итеративные циклы саморефлексии позволяют агенту анализировать результаты, корректировать планы и повторять неудачные шаги. Разработчики могут интегрировать внешние API или локальные скрипты как инструменты, настраивать память или состояние и кастомизировать цепочку рассуждений. TinyAuton оптимизирован для быстрого прототипирования рабочих процессов на базе ИИ, от извлечения данных до генерации кода — все за несколько строк Python.

CopilotKit — это open-source фреймворк на Python, предназначенный для разработчиков, создающих настраиваемых AI-агентов. Он предлагает модульную архитектуру, которая позволяет регистрировать и конфигурировать инструменты — такие как доступ к файловой системе, веб-поиск, Python REPL и SQL-коннекторы — и подключать их к агентам, использующим любые поддерживаемые LLM. Встроенные модули памяти позволяют сохранять состояние диалогов, а LangGraph помогает определять структурированные цепочки размышлений для сложных задач. Агенты могут быть развернуты в скриптах, веб-сервисах или CLI-приложениях и масштабироваться к различным облачным провайдерам. CopilotKit бесшовно работает с моделями OpenAI, Azure OpenAI и Anthropic, расширяя автоматизированные рабочие процессы, чат-боты и боты для анализа данных.

Doraemon-Agent — это open-source платформа и каркас на Python, предназначенные для разработчиков, создающих сложных AI-агентов. Он позволяет интегрировать пользовательские плагины и внешние инструменты, поддерживать долгосрочную память между сессиями и выполнять цепное планирование с несколькими шагами. Разработчики могут настраивать роли агентов, управлять контекстом, логировать взаимодействия и расширять функциональность через архитектуру плагинов. Он упрощает создание автономных помощников для задач анализа данных, поддержки исследований или автоматизации обслуживания клиентов.

Многоагентная система электронной коммерции на JADE демонстрирует, как автономные агенты могут управлять рабочими потоками онлайн-шопинга. Агенты-покупатели ищут товары и ведут переговоры с агентами-продавцами. Агенты-продавцы управляют запасами и ценовыми стратегиями. Агенты-логистика планируют отгрузки и обновляют статус заказов. Система демонстрирует межагентную коммуникацию через ACL, расширение поведения и развертывание контейнеров на платформе JADE.

Emma-X предоставляет модульную платформу для оркестровки агентов, предназначенную для создания диалоговых AI-помощников с использованием больших языковых моделей. Разработчики могут определять поведение агента через JSON-конфигурации, выбирать провайдеров LLM, таких как OpenAI, Hugging Face или локальные эндпоинты, и подключать внешние инструменты, такие как поиск, базы данных или пользовательские API. Встроенный слой памяти сохраняет контекст между сессиями, а компоненты UI обрабатывают отображение чата, загрузку файлов и интерактивные подсказки. Hooks плагинов позволяют получать данные в реальном времени, осуществлять аналитику и добавлять кнопки пользовательских действий. Emma-X поставляется с примерными агентами для поддержки клиентов, создания контента и генерации кода. Его открытая архитектура позволяет командам расширять возможности агентов, интегрировать с существующими web-приложениями и быстро править диалоговые сценарии без глубоких знаний в области LLM.

EthicalEvalMAS обеспечивает модульную среду для оценки систем с несколькими агентами по ключевым этическим аспектам, таким как справедливость, автономия, конфиденциальность, прозрачность и благотворительность. Пользователи могут генерировать пользовательские сценарии или использовать встроенные шаблоны, задавать собственные метрики, запускать автоматические скрипты оценки и визуализировать результаты с помощью встроенных инструментов отчетности. Его расширяемая архитектура облегчает интеграцию с существующими платформами MAS и поддерживает воспроизводимое этическое бенчмаркинг для различных поведений агентов.

FastMCP — это открытый исходный код Python-фреймворка для построения MCP (Model Context Protocol) серверов и клиентов, которые расширяют возможности LLM за счет внешних инструментов, источников данных и пользовательских подсказок. Разработчики определяют классы инструментов и обработчики ресурсов на Python, регистрируют их в сервере FastMCP и разворачивают с помощью транспортных протоколов, таких как HTTP, STDIO или SSE. Библиотека клиента предоставляет асинхронный интерфейс для взаимодействия с любым сервером MCP, обеспечивая беспрепятственную интеграцию AI-агентов в приложения.

FinAgents предоставляет комплексный набор инструментов для проектирования, настройки и выполнения автономных AI-агентов, ориентированных на финансовые задачи. Используя крупные языковые модели и API данных рынка в реальном времени, он автоматизирует обратное тестирование стратегий, перестроение портфеля, оценку рисков и подготовку отчетов о результатах. Фреймворк обладает модульной архитектурой с подключаемыми компонентами для обмена данными, адаптерами моделей, движками выполнения и модулями отчетности, позволяя пользователям комбинировать компоненты по мере необходимости. Также FinAgents включает шаблоны агентов, средства логирования и сценарии развертывания для ускорения разработки и обеспечения воспроизводимости в реальных и моделируемых условиях.

FreeThinker обеспечивает модульную архитектуру для определения агентов ИИ, которые могут автономно выполнять задачи, используя большие языковые модели, модули памяти и внешние инструменты. Разработчики могут конфигурировать агентов с помощью Python или YAML, подключать кастомные инструменты для поиска в Интернете, обработки данных или вызовов API, а также использовать встроенные стратегии планирования. Фреймворк управляет последовательным выполнением, сохранением контекста и агрегацией результатов, позволяя агентам работать автономно в исследовательских, автоматизационных или системах поддержки принятия решений.

SDK Goat предназначен для упрощения создания и оркестровки ИИ-агентов на Go. Он предоставляет подключаемую интеграцию с LLM (OpenAI, Anthropic, Azure, локальные модели), реестр инструментов для пользовательских действий и хранилища памяти для диалогов с сохранением состояния. Разработчики могут определять цепочки, стратегии репрезентеров и издателей для взаимодействия через CLI, WebSocket, REST API или встроенный веб-интерфейс. Goat поддерживает потоковые ответы, настраиваемое логирование и простое управление ошибками. Комбинируя эти компоненты, вы можете создавать чатботы, автоматизированные рабочие процессы и системы поддержки принятия решений на Go с минимальным количеством шаблонного кода, сохраняя при этом гибкость для замены или расширения поставщиков и инструментов по мере необходимости.

GRASP предоставляет структурированный конвейер для построения AI-агентов в средах TypeScript или JavaScript. В основе — определение агентов через регистрацию набора инструментов — функций или внешних API-коннекторов — и задание шаблонов подсказок, которые управляют поведением агента. Встроенные модули памяти позволяют агентам хранить и извлекать контекстную информацию, обеспечивая многопроходные диалоги с сохранением состояния. Компонент планирования управляет выбором и выполнением инструментов на основе пользовательского ввода, в то время как слой выполнения обрабатывает вызовы API и обработку результатов. Система плагинов GRASP поддерживает пользовательские расширения, такие как дополненная за счет поиска генерация (RAG), планирование задач и журналы. Модульный дизайн позволяет командам выбирать только необходимые компоненты, что облегчает интеграцию с существующими системами и сервисами для чат-ботов, виртуальных помощников и автоматизированных рабочих процессов.

Hive — это надежная платформа для оркестрации ИИ-агентов, созданная для сред Node.js. Она предоставляет модульную систему для определения, управления и выполнения множества агентов в параллельных или последовательных рабочих процессах. Каждый агент может быть настроен с конкретными ролями, шаблонами запросов, хранилищами памяти и внешними интеграциями инструментов, такими как API или плагины. Hive упрощает коммуникацию между агентами, обеспечивая обмен данными, принятие решений и делегирование задач. Его расширяемый дизайн позволяет разработчикам реализовать пользовательские утилиты, мониторить журналы исполнения и масштабировать развертывание агентов. Кроме того, Hive включает функции для обработки ошибок, политик повторных попыток и оптимизации производительности для обеспечения надежной автоматизации. Минимальной настройкой можно прототипировать сложные сервисы на базе ИИ, включая чат-боты, аналитические пайплайны и генераторы контента.

IntelligentMASPlatform создавалась для ускорения разработки и развертывания систем с несколькими агентами, предлагая модульную архитектуру с отдельными слоями для агентов, окружения и сервисов. Агенты взаимодействуют через совместимую с FIPA коммуникацию ACL, что обеспечивает динамические переговоры и координацию. В платформу входит универсальный моделятор окружения, позволяющий моделировать сложные сценарии, планировать задачи агентов и визуализировать взаимодействия в реальном времени с помощью встроенной панели. Для расширенного поведения реализованы модули обучения с подкреплением и поддерживаются пользовательские плагины поведения. Инструменты развертывания позволяют упаковать агентов в автономные приложения или распределенные сети. Также API платформы обеспечивает интеграцию с базами данных, IoT-устройствами и сторонними сервисами ИИ, что делает её подходящей для исследований, промышленной автоматизации и умных городов.

IoA обеспечивает гибкую архитектуру для определения, координации и выполнения нескольких ИИ-агентов в едином рабочем процессе. Основные компоненты включают планировщик, который разлагает высокоуровневые цели, исполнитель, отправляющий задачи специализированным агентам, и модули памяти для управления контекстом. Поддерживается интеграция с внешними API и наборами инструментов, осуществляется мониторинг в реальном времени и доступны настраиваемые плагина навыков. Разработчики могут быстро прототипировать автономных ассистентов, чат-ботов для поддержки клиентов и пайплайнов обработки данных, комбинируя готовые модули или расширяя их собственной логикой.

KitchenAI - это открытая управляющая система, разработанная для упрощения оркестрации AI-фреймворков. Она позволяет пользователям управлять различными AI-реализациями через единую стандартизированную точку API. Платформа KitchenAI поддерживает модульную архитектуру, мониторинг в реальном времени и высокопроизводительную передачу сообщений, предоставляя единый интерфейс для интеграции, развертывания и мониторинга рабочих процессов AI. Она независима от фреймворков и может быть развернута на различных платформах, таких как AWS, GCP и локальные среды.

LAWLIA предоставляет структурированный интерфейс для определения поведения агентов, плагинов инструментов и управления памятью для разговорных или автономных рабочих процессов. Разработчики могут интегрироваться с основными API LLM, настраивать шаблоны подсказок и регистрировать пользовательские инструменты, такие как поиск, калькуляторы или соединители баз данных. Через класс Agent LAWLIA управляет планированием, выполнением действий и интерпретацией ответов, поддерживая многократные взаимодействия и динамичный вызов инструментов. Его модульная архитектура позволяет расширять возможности через плагины, создавая агентов для поддержки клиентов, анализа данных, помощи с кодом или генерации контента. Фреймворк упрощает разработку агентов, управляя контекстом, памятью и обработкой ошибок через единый API.

LazyLLM поддерживает внешние API или пользовательские утилиты. Агенты выполняют определённые задачи через последовательные или ветвящиеся рабочие процессы, поддерживая синхронную и асинхронную работу. LazyLLM также включает встроенные средства логирования, тестирования и расширения для настройки подсказок или стратегий поиска. Обеспечивая управление низкоуровневыми вызовами к LLM, памятью и выполнением инструментов, LazyLLM позволяет быстро создавать прототипы и разворачивать интеллектуальных помощников, чат-ботов и автоматизированных сценариев с минимальным объемом шаблонного кода.

LLaVA-Plus основан на передовых моделях vision-language и способен одновременно интерпретировать и рассуждать по нескольким изображениям. Он интегрирует сборочное обучение и планирование vision-language для выполнения сложных задач, таких как визуальный ответ на вопросы, пошаговое решение проблем и многостадийные инференсионные рабочие процессы. Архитектура модуля поддерживает подключение различных LLM-бэкендов, позволяет настраивать подсказки и предоставлять динамическое объяснение цепочки рассуждений. Пользователи могут развернуть LLaVA-Plus локально или через хостинг-платформу, загружая изображения, задавая вопросы на естественном языке и получая расширенные объяснительные ответы с планами. Расширяемый дизайн способствует быстрому прототипированию мультимодальных решений, делая платформу идеально подходящей для исследований, обучения и производственных решений в области vision-language.

LLM-Agent обеспечивает структурированную архитектуру для построения интеллектуальных агентов на базе LLM. Включает инструментарий для определения пользовательских инструментов, модули памяти для сохранения контекста и исполнительные компоненты для организации сложных цепочек действий. Агенты могут вызывать API, запускать локальные процессы, обращаться к базам данных и управлять состоянием диалога. Шаблоны подсказок и хуки плагинов позволяют точно настраивать поведение агента. Предназначен для расширяемости; поддерживает добавление новых интерфейсов инструментов, пользовательских оценщиков и динамической маршрутизации задач — для автоматизированных исследований, анализа данных, генерации кода и других задач.