Minulá bitva · 2024-07-19 UTC
AI Agent Development Frameworks Souboj — 19. července 2024
Z kategorie AI Agent Development Frameworks. 22 hlasů umístěno napříč 7 bojovníky. kagent získal korunu.
Konečné pořadí
Sestava
Bojovníci
Profily každého nástroje, který soutěžil v této bitvě, seřazené podle jejich konečného skóre.
kagent
Otevřený rámec umožňující artificial intelligence robotům automatizovat operace s Kubernetes.
Kagent umožňuje AI agentům automatizovat operace Kubernetes. Umožňuje nasazovat, monitorovat a řídit agenty pomocí známých nástrojů Kubernetes. kagent činí agenty prvotřídním pracovním zatížením na Kubernetes, umožňuje jim být verzovanými jako definice vlastních zdrojů Kubernetes (CRD) a přezkoumávány v žádostech o stažení. Tento přístup umožňuje použití stávajících nástrojů Kubernetes pro správu agentů. Rámec je open-source a vytvořený zakladateli Istio. Podporuje různé kombinace jazyků a rámců, včetně Go a Pythonu, a umožňuje použití libovolného poskytovatele velkých jazykových modelů (LLM). kagent poskytuje robustní funkce zabezpečení a pozorovatelnosti, včetně OpenTelemetry stop, metrik Prometheus a strukturovaných protokolů. Podporuje také víceruntimeovou podporu, komunikaci mezi agenty a možnost načítat znalosti z Git repozitářů. Celkově kagent poskytuje výkonný a flexibilní rámec pro automatizaci operací s Kubernetes pomocí AI agentů.
Розбивка критеріїв
- Substrát agentů pro rychlý start a efektivní použití zdrojů
- Zabezpečeno nulovou důvěrou s mTLS a jemnou RBAC
- Trvalý vektorově podporovaný paměť pro dlouhé časové období
- Nástroje schválení agentů s lidskou účastí a otázky agentů s iniciací
- Delegace agentů do agentů (A2A) pro složité Workflowy složené z více agentů
BabyCatAGI je zjednodušená, upravená verze BabyAGI navržená pro zvládání složitých úkolů pomocí autonomních AI agentů. Rozkládá vysoké cíle na zvládnutelné podúkoly, provádí je postupně a přizpůsobuje svůj plán na základě mezivýsledků, což jej činí vhodným pro výzkum, generování obsahu a řešení problémů s více kroky. Rámec upřednostňuje minimální kód a čitelnost, což ho činí dostupným pro vývojáře, kteří chtějí experimentovat s agenty AI bez nákladu větších orchestrationských knihoven. Integruje se s jazykovými modely a nástroji pro vyhledávání na webu, aby shromažďoval kontext, řešil problémy a vytvářel strukturované výstupy. Jako otevřený experimentální projekt je BabyCatAGI nejvhodnější pro prototypování pracovních postupů agenta, učení se, jak fungují autonomní systémy poháněné úkoly, a přizpůsobování potrubí pro specifické potřeby automatizace.
Розбивка критеріїв
- Vytvoření a Prioritizace seznamu úkolů
- Samostatné vykonávání dílčích úkolů
- Integrace pro vyhledávání na webu za účelem získání kontextu
- Přípustný tok sekvenčního vyřešení problémů
- lehká implementace Pythonu
- Na zakázku vytvářené cíle a otázky
MCP‑Use
Otevřený platforma pro spojení LLMs s MCP servery a stavbu přizpůsobených AI agentů s přístupem k nástrojům.
mcp-use je open-source platforma, která usnadňuje spojení velkých jazykových modelů (LLM) se servery MCP a umožňuje vývoj vlastních AI agentů, které possono interagovat s těmito LLM. Platforma poskytuje plnohodnotný MCP framework (mcp-use SDK) pro xây dựng aplikací ChatGPT, konktorů Claude a serverů MCP. S mcp-use mohou vývojáři využít jednu kódovou základnu pro nasazení svých aplikací na různých plochách, kde již pracují uživatelé a agenti, včetně ChatGPT, Claude a Gemini. Platforma nabízí řadu nástrojů a funkcí, jako je například schopnost vytvářet MCP aplikace jedním příkazem, automatické nasazení na Manufact Cloud a zabudované analytiky a pozorovatelnost. Vývojáři mohou použít mcp-use SDK pro výstavbu a nasazení serverů MCP a aplikací bez potřeby dalších nástrojů. Platforma také poskytuje Visual Inspector a Sandbox testovací schopnosti, umožňující vývojářům testovat své aplikace bez potřeby živého LLM. mcp-use má za cíl zjednodušit vývoj a nasazení aplikací založených na MCP, což z něj dělá atraktivní možnost pro vývojáře, kteří chtějí xây dựng a nasadit vlastní AI agenty a aplikace.
Розбивка критеріїв
- Správa MCP serverů
- Propojení a integrace LLM
- Vývoj přizpůsobených AI agentů
- Automatická nasazení a scalanost
- Visual Inspector a Sandbox pro testování
- Vizualizační analytika a sledování
Claude MCP Agents
Agenty AI postavené na MCP od Anthropic pro hladký nástroj a data integrace.
Claude MCP Agents jsou AI agenti, kteří využívají Anthropicův Model Context Protocol (MCP) k připojení k široké škále externích zdrojů dat, rozhraní API a vývojářských nástrojů. Standardizací toku kontextu mezi Claudem a vnějšími systémy mohou tito agenti číst soubory, dotazovat databáze, spouštět služby a jednat na základě informací v reálném čase bez individuálních integrací pro každý zdroj. Tento přístup je zaměřen na vývojáře a týmy, kteří vytvářejí agenty pro automatizaci, výzkumné asistenty a workflow agenty, kteří potřebují spolehlivý přístup k podnikovým nebo osobním datům. Otevřená specifikace MCP znamená, že stejný agent může být připojen k novým nástrojům, jakmile se objeví nové konektory, což snižuje závislost na konkrétním řešení a náročnost integrace.
Розбивка критеріїв
- Integrace Model Context Protocol
- Propojení s soubory, API a databázemi
- Rozšiřitelné prostřednictvím vlastních serverů MCP
- Kompatibilní s agenty a multi-krokovými workflowy
- Kompatibilní s rodinou Claude modelů
- Otřesy otevřené standarty pro interoperability
Gemma 3
Open-source AI model optimalizovaný pro výkon na jednom GPU, podporující multimodální vstupní data a více než 140 jazyků.
Gemma 3 je kolekce lehkých, nejmodernějších otevřených modelů navržených pro běh na zařízeních, zejména optimalizovaných pro výkon na jednom GPU. Podporuje multimodální vstupy a přes 140 jazyků. Model přichází v různých velikostech (1B, 4B, 12B a 27B), což umožňuje vývojářům zvolit si nejlepší řešení pro své hardwarové a výkonnostní potřeby. Gemma 3 nabízí pokročilé možnosti textového a vizuálního uvažování, 128k-tokenové okno kontextu a volání funkcí pro složité úkoly. Zahrnuje také kvantované verze pro rychlejší výkon a snížené výpočetní požadavky. Model je součástí závazku společnosti Google, aby užitečná technologie AI byla dostupná, a staví na stejném výzkumu a technologii, která pohání jejich modely Gemini 2.0. Gemma 3 je navržena tak, aby umožnila vývojářům vytvářet aplikace AI, které mohou běžet přímo na zařízeních, jako jsou telefony, notebooky a pracovní stanice. Gemma 3 poskytuje špičkové výkony pro svou velikost a překonává ostatní modely, jako jsou Llama3-405B, DeepSeek-V3 a o3-mini v předběžných hodnocích lidských preferencí. Umožňuje globální aplikace s podporou více než 35 jazyků přímo po vybalení a předtrénovanou podporou pro více než 140 jazyků. Model umožňuje vytváření pracovních postupů poháněných umělou inteligencí pomocí volání funkcí a strukturovaného výstupu. Vývoj Gemma 3 zahrnoval přísné bezpečnostní protokoly, jako je rozsáhlé řízení dat, sladění s bezpečnostními zásadami prostřednictvím jemného ladění a robustní hodnocení benchmarků. Rodina otevřených modelů Gemma zaznamenala významné přijetí s více než 100 miliony stažení a živou komunitou, která vytvořila více než 60 000 variant Gemmy. Schopnosti Gemma 3 ji činí vhodnou pro vývojáře, kteří chtějí vytvářet poutavé uživatelské zkušenosti, které lze spustit na jednom GPU nebo TPU hostu.
Розбивка критеріїв
- podpora multimodálních AI vstupů
- rozvoj s ohledem na odpovědnost
- poddruhová fine-tunig
- podpora jazyků 140
- zlepšení výkonu
Agency Swarm
Otevřený framework agentové orchestrace, navržen pro automatizaci a zefektivnění procesů vyvíjení AI skrze spolupráci srovnávacích agentů.
Agency Swarm je open-source framework, který navazuje na OpenAI Agents SDK a Responses API. Nabízí strukturované a produkčně připravené prostředí pro vytváření aplikací s více agenty. Mezi klíčové funkce patří přizpůsobitelné role agentů, možnost práce s různými modelovými backendy (např. OpenAI's GPT-family modely, Anthropic, Google's Gemini, Azure's OpenRouter a vlastnoručně vytvořené nástroje LiteLLM, umožněné pomocí dekorátoru @function_tool (doporučeno) nebo rozšířením objektu BaseTool). Klíčovou výhodou architektury Agency Swarm je její stabilita v prostředích Python a Linux. Instalace je jednoduchá pomocí standardního příkazu pip: pip install agency-swarm. Popis: Tento popis vysvětluje Agency Swarm jako open-source nástroj, který je postavený na OpenAI Agents SDK a Responses API. Agency Swarm je open-source nástroj pro umělou inteligenci, který pomáhá vývojářům vytvářet multi-agentní aplikace pro reálný vývoj umělé inteligence. Hlavní funkce: - Automaticky generované CLI nástroje: Objevte REST API vaší aplikace pro snadný přístup k základním službám a zvýšení produktivity. - Přizpůsobitelné role agentů: Můžete snadno určit konkrétní funkce a úrovně oprávnění pro každou roli agenta pro zvýšení přizpůsobitelnosti vaší aplikace. - Implementace Full Stacku: Agency Swarm je full stack pouze pro Python. Pokud jste na Linuxu, považujte jej za implementaci full stacku bez jakýchkoli omezení kvůli standardní knihovně Pythonu. Výhody: 1. Stabilita v prostředích Python/Linux 2. Snadná integrace s vaší aplikací 3. Skládané a snadno použitelné nástroje CLI 4. Vlastní role agenta Nevýhody: 1. Omezení kompatibility jazykových modelů (Osobní chatboti: GPT-3 atd.) N/A 2. Požadavky na vývojové prostředí N/A 3. Omezená podpora backendu modelu N/A 4. Základní uživatelské rozhraní N/A 5. Schopnosti učení N/A 6. Integrace funkcí N/A 7. Dokumentační proces N/A 8. Schopnosti strojového učení AI: N/A 9. Pokročilá správa dialogového toku N/A 10. Vícevrstvé aplikace N/A 11. Simultánní provedení N/A 12. Přístup ke stavu aplikace N/A 13. Automatické nasazení N/A 14. Pokročilé provádění úkolů N/A 15. Vlastní typy agentů N/A 16. Podpora velkých jazykových modelů N/A 17. Funguje v Pythonu ↻ N/A 18. Úplná kontrola N/A 19. Měření výkonu N/A 20. Nabídka lokálních pracovních prostorů N/A 21. Integrace s OpenALink: webový vývojový rámec pro aplikace Pythonu 22. Spolupráce s agenty AI nad projektem 23. Interpretovatelnost 24. Monitorování N/A 25. Úplná integrace zdrojového kódu N/A 26. Škálovatelnost N/A 27. Nízký výkon N/A Nevýhody:
Розбивка критеріїв
- Přizpůsobitelné role agentů
- Úplná kontrola nad výzvami a instrukcemi
- Typově bezpečné nástroje pro vývoj
- Orchestrována komunikace agentů
- Flexibilní perzistence stavu
- Orchestrace více agentů
Mosaic AI Agent Framework
Nabídka nástrojů od Databrickse pro stavbu, nasazení a evaluaci vysoké kvality AI agentů a aplikací RAG.
Framewok Agent Databrickse (AAF) je soubor nástrojů poskytovaných Databrickse pro stavbu, nasazení a vládnutí AI agentů. Tyto agenti mohou připojit se k jakékoli nástroje, databázi nebo aplikaci SaaS prostřednictvím jediného ovládaného protokolu (Model Context Protocol, MCP). Framework zahrnuje integrované AI vyvinuto, experimentování a nasazení do bezposchoďového výpočtu pomocí Databrick Apps bez manažeringu infrastruktury. Agent Bricks a Unity Catalog jsou klíčové pro vládnutí a zabezpečení; aplikují předem definované politiky na modely, nástroje a připojení, zatímco uplatňují limity rychlosti, fallbacky a další zabezpečovací opatření nutné pro prevenci injekce promptů, detekci citlivých dat a filtrování obsahu.
Розбивка критеріїв
- Agent Bricks
- Unity Catalog
- Databrick Apps
- Model Context Protocol (MCP)
- Centralizované vládnutí
- Ovládání pro uživatele