Vergangene Schlacht · 2025-01-11 UTC
AI Agent Development Frameworks Duell — 11. Januar 2025
Aus der Kategorie AI Agent Development Frameworks. 38 Marken verteilt auf 10 Kämpfer. Mastra holte sich die Krone.
Endstand
Die Aufstellung
Die Kämpfer
Profile aller Tools, die in dieser Schlacht angetreten sind, nach Endpunktzahl sortiert.
Mastra
Open-Source TypeScript-Framework zum Erstellen von KI-Agenten, Workflows, RAG, Speicher und MCP, mit optionalem Cloud‑Studio und Observability.
Mastra ist ein Open-Source-TypeScript-Framework zum Erstellen von KI-gestützten Anwendungen und Agenten. Es bietet eine Reihe von Tools für Entwickler, um von der Idee bis zur Implementierung zu gelangen, einschließlich Agenten, Workflows, Speicher, Arbeitsbereiche und Beobachtbarkeit. Mastra integriert sich mit verschiedenen Front- und Back-End-Frameworks und kann als eigenständiger Server bereitgestellt werden. Es ermöglicht Entwicklern, eine Reihe von Fähigkeiten zu erstellen, wie z. B. interne Automatisierungsagenten, kundenzugewandte Agenten und mehr. Mastra umfasst Funktionen wie integrierte Beobachtbarkeit, wiederholbare Prüfungen und cachefähige, fortsetzbare Streams. Es ist darauf ausgelegt, schnell skalierende Start-ups und große globale Organisationen zu unterstützen. Die Architektur von Mastra ist agentenzentriert, wobei Agenten mit Anweisungen, Modellen, Tools und Laufzeitverhalten definiert werden können. Agenten können mit Benutzern interagieren, Aufgaben erledigen und an Produktflüsse übergeben. Das Framework enthält auch ein integriertes Event-System für Ereignisse sowie ein System zum Veröffentlichen und Abonnieren von Ereignissen mit Redis Streams und Google Cloud Pub/Sub. Mastra verfügt über ein umfangreiches Ökosystem an Ressourcen, darunter Bücher, Blogs und Anleitungen. Es verfügt über eine große Nutzergemeinschaft und ist in verschiedenen Branchen weit verbreitet.
Kriterienaufschlüsselung
- Agenten
- Workflows
- Speicher
- Workspaces
- Observability
- Integriertes Ereignissystem
AI Legion
Eine offene-Quell-Plattform für die Erstellung autarker AI-Agenten, die zusammenarbeiten, um Aufgaben zu bewältigen.
AI Legion ist eine Open-Source-Plattform zur Erstellung autonomer KI‑Agenten, die zusammenarbeiten, um Aufgaben zu erledigen. Sie nutzt große Sprachmodelle wie GPT‑3.5‑turbo und GPT‑4, um den Agenten die Zusammenarbeit zu ermöglichen und komplexe Ziele zu erreichen. Die Plattform bietet ein Framework zum Einrichten und Verwalten dieser Agenten, einschließlich Konfigurationsdateien, APIs und Workflows. AI Legion ist so konzipiert, dass sie erweiterbar und anpassbar ist, sodass Benutzer ihre eigenen Modelle, Aktionen und Funktionen erstellen und integrieren können. Die Plattform eignet sich für eine Vielzahl von Anwendungsfällen, darunter Forschung, Entwicklung und Deployment autonomer KI‑Systeme. Das Einrichten einer AI Legion-Umgebung beinhaltet die Installation der erforderlichen Abhängigkeiten, einschließlich Node.js und OpenAI API‑Schlüsseln. Die Agenten können dann gestartet und über die Konsole mit ihnen interagiert werden. Die Plattform beinhaltet zudem Funktionen zur Verwaltung des Agenten‑Zustands, darunter die Möglichkeit, Ereignisprotokolle zu löschen und Agenten mit benutzerdefinierten Konfigurationen neu zu starten. AI Legion ist ein leistungsstarkes Werkzeug zum Erstellen und Bereitstellen autonomer KI‑Systeme, und seine Open‑Source‑Natur macht es für ein breites Anwenderfeld zugänglich. Allerdings erfordert es zudem einen erheblichen technischen Sachverstand und einen hohen Konfigurationsaufwand, um es effektiv einzurichten und zu nutzen. Ein wesentlicher Vorteil von AI Legion ist die Fähigkeit, Agenten zu ermöglichen, im Laufe der Zeit zu lernen und sich anzupassen, indem eine Kombination aus Machine Learning und Knowledge Graph‑Techniken eingesetzt wird. Dadurch können die Agenten ihre Leistungsfähigkeit und Entscheidungsfähigkeit verbessern, während sie mit der Umgebung interagieren. Allerdings bringt AI Legion auch mehrere Herausforderungen und Einschränkungen mit sich, darunter der Bedarf an umfangreicher Konfiguration und Verwaltungsaufwand, das Risiko von Agentenfehlern und unendlichen Schleifen sowie das Potenzial für hohe Token‑Anzahlen und API‑Nutzungskosten. Zusätzlich kann der Einsatz von LLMs Bedenken hinsichtlich Bias und Genauigkeit hervorrufen. Im Hinblick auf konkrete Funktionen unterstützt AI Legion die Websuche, benutzerdefinierte Suchmaschinen und APIs sowie die Möglichkeit, den Agenten‑Status zu verwalten und Agenten mit benutzerdefinierten Konfigurationen neu zu starten. Die Plattform ist zudem hochgradig erweiterbar und ermöglicht es den Nutzern, eigene Modelle, Aktionen und Features zu erstellen und zu integrieren. Einige potenzielle Anwendungsfälle für AI Legion umfassen die Forschung und Entwicklung autonomer KI‑Systeme, den Einsatz KI‑gestützter Workflows und Prozesse sowie die Erstellung maßgeschneiderter KI‑gestützter Werkzeuge und Anwendungen. Insgesamt ist AI Legion eine leistungsstarke und erweiterbare Plattform zum Erstellen und Bereitstellen autonomer KI‑Systeme, erfordert jedoch erhebliche technische Fachkenntnisse und Konfigurationsaufwand, um sie effektiv zu nutzen.
Kriterienaufschlüsselung
- Web-Suche
- Benutzerdefinierte Suchmaschinen
- APIs und Webhooks für die Integration
- Verwaltung des Agentenstatus
- Erstellung benutzerdefinierter Modelle und Aktionen
- Verwaltung von Wissensgraphen und maschinellen Lernalgorithmen
AutoML-Agent
Offene Mehrfachagenten-Framework für LLM mit automatisierten End-zu-End-Machine-Learning-Pipelines
AutoML-Agent ist ein Open‑Source‑Framework, das koordinierte Large‑Language‑Model‑Agenten nutzt, um den gesamten Machine‑Learning‑Lebenszyklus abzudecken. Anstatt sich auf ein einzelnes Modell oder Skript zu verlassen, delegiert es Aufgaben wie Datenverständnis, Vorverarbeitung, Modellauswahl, Training und Evaluierung an spezialisierte Agenten, die gemeinsam auf ein gemeinsames Ziel hinarbeiten. Das Framework richtet sich an Forschende und Entwickler*innen, die Experimente automatisieren möchten, ohne umfangreichen Pipeline‑Code schreiben zu müssen. Durch die Beschreibung eines Datensatzes und eines Ziels in natürlicher Sprache können Nutzer*innen Agenten einsetzen, die Kandidatenlösungen vorschlagen, bauen und iterativ weiterentwickeln und dabei Ergebnisse sowie die zugrunde liegende Argumentation sichtbar machen. Da es Open Source ist, kann AutoML-Agent mit benutzerdefinierten Agenten, Tools oder Modell‑Backends erweitert werden, was es sowohl als praktisches AutoML‑System als auch als Forschungs‑Testumgebung für Multi‑Agent‑Workflows nützlich macht.
Kriterienaufschlüsselung
- Mehrfachagenten-LLM-Steuerung
- Automatisierte Datenprüfung und Merkmalshandhabung
- Modellwahl und Hyperparameter-Suche
- Training- und Evaluierungspipelines generieren
- Natürliche Sprache-Aufgaben-Spezifikation
- Ausgedehnte Architektur für benutzerdefinierte Agenten
Cerebrum: AIOS SDK
Ein SDK zur Entwicklung und Bereitstellung von LLM-basierten AI-Agents innerhalb des AIOS-Frameworks.
Cerebrum ist ein SDK zur Entwicklung und Bereitstellung von LLM-basierten AI-Agents innerhalb des AIOS- (AI-Agent-Operating-System)-Frameworks. AIOS adressiert Herausforderungen wie Scheduling, Kontextwechsel, Speicher- und Werkzeugverwaltung für LLM-basierte Agenten. Das Cerebrum SDK ermöglicht Entwicklern, Agenten-Anwendungen zu erstellen und zu bereitstellen, indem sie mit dem AIOS-Kernel interagieren. Es unterstützt sowohl Web UI als auch Terminal UI. Das SDK enthält Funktionen zum Auflisten verfügbarer LLMs, Agenten und Werkzeuge sowie zum Herunterladen, Hochladen und Ausführen von Agenten und Werkzeugen. Cerebrum ist für Benutzer und Entwickler von Agenten konzipiert, die es ihnen ermöglicht, AI-Agents-Anwendungen zu erstellen und zu bereitstellen.
Kriterienaufschlüsselung
- Agentenentwicklung und -bereitstellung
- LLM-basierte AI-Agent-Verwaltung
- Unterstützung für Web UI und Terminal UI
- Agenten- und Werkzeugverwaltung
- Auflisten verfügbarer LLMs, Agenten und Werkzeuge
- Herunterladen und Hochladen von Agenten und Werkzeugen
Gemma 3
Ein offenes AI-Modell für Single-GPU-Leistung optimiert, um multimodale Eingaben und über 140 Sprachen unterstützend.
Gemma 3 ist eine Sammlung leichter, hochmoderner Open‑Modelle, die für den Einsatz auf Geräten konzipiert sind und besonders für die Leistung auf einer einzelnen GPU optimiert wurden. Sie unterstützt multimodale Eingaben und über 140 Sprachen. Das Modell ist in verschiedenen Größen (1 B, 4 B, 12 B und 27 B) erhältlich, sodass Entwickler die am besten zu ihrer Hardware und ihren Leistungsanforderungen passende Variante wählen können. Gemma 3 bietet fortschrittliche Text‑ und Bild‑Reasoning‑Fähigkeiten, ein Kontextfenster von 128 k Token und Function Calling für komplexe Aufgaben. Außerdem gibt es quantisierte Versionen für schnellere Performance und geringeren Rechenaufwand. Das Modell ist Teil von Googles Verpflichtung, nützliche KI‑Technologie zugänglich zu machen, und baut auf derselben Forschung und Technologie auf, die ihren Gemini 2.0‑Modellen zugrunde liegt. Gemma 3 ist darauf ausgelegt, Entwicklern zu ermöglichen, KI‑Anwendungen zu erstellen, die direkt auf Geräten wie Smartphones, Laptops und Workstations laufen. Gemma 3 liefert für seine Größe eine State-of-the-Art-Leistung und übertrifft in ersten menschlichen Präferenzbewertungen andere Modelle wie Llama3-405B, DeepSeek-V3 und o3-mini. Es ermöglicht globale Anwendungen mit sofortiger Unterstützung von über 35 Sprachen und vortrainierter Unterstützung für mehr als 140 Sprachen. Das Modell erlaubt die Erstellung von KI‑gesteuerten Workflows mittels Funktionsaufruf und strukturierter Ausgabe. Die Entwicklung von Gemma 3 umfasste rigorose Sicherheitsprotokolle, wie umfangreiches Data Governance, Ausrichtung an Sicherheitsrichtlinien durch Fine‑Tuning und robuste Benchmark‑Evaluierungen. Die Gemma‑Familie von Open‑Modellen hat eine erhebliche Verbreitung erfahren, mit über 100 Millionen Downloads und einer lebendigen Community, die mehr als 60 000 Gemma‑Varianten erstellt hat. Die Fähigkeiten von Gemma 3 machen es für Entwickler geeignet, die ansprechende Benutzererlebnisse erstellen möchten, die auf einem einzelnen GPU‑ oder TPU‑Host laufen.
Kriterienaufschlüsselung
- Multimodale AI-Unterstützung
- Verantwortungsbewusstsein in der Entwicklung
- Ausgeprägte Fine-Tunings
- Unterstützung von 140 Sprachen
- Verbesserte Leistung
- Gewichtskompensierte Modelle
MiniMax‑M1
Open‑Source Large‑Scale‑Reasoning‑Modell mit 1 Million Token Kontext und hybrider Mixture‑of‑Experts-Architektur.
MiniMax‑M1 ist ein Open‑Weight, Large‑Scale Hybrid‑Attention Reasoning‑Modell. Es wird von einer hybriden Mixture‑of‑Experts (MoE) Architektur unterstützt, die mit einem lightning‑Attention‑Mechanismus kombiniert ist, wodurch eine effiziente Skalierung der Berechnungen zur Laufzeit ermöglicht wird. Das Modell unterstützt nativ einen Kontextlänge von 1 Million Tokens und wird mittels groß angelegten Reinforcement Learning (RL) auf diversen Problemen trainiert. Es übertrifft andere starke Open‑Weight‑Modelle in komplexen Software‑Engineering‑, Tool‑Verwendungs‑ und Langkontext‑Aufgaben. Experimente an Standard‑Benchmarks zeigen, dass MiniMax‑M1 andere Modelle in Aufgabenbereichen wie Mathematik, Coding, Software‑Engineering, agentischer Tool‑Nutzung und Langkontext‑Verständnis übertrifft. Das Modell ist besonders geeignet für komplexe Aufgaben, die die Verarbeitung langer Eingaben und umfangreichen Denkprozesses erfordern. MiniMax‑M1 dient als starke Basis für nächste‑Generation‑Sprachmodell‑Agenten, um zu reasonen und reale Herausforderungen anzugehen. Der Vergleich der Benchmark‑Leistung führender kommerzieller und Open‑Weight‑Modelle über verschiedene Aufgabenbereiche hebt die Leistung des Modells hervor. Der technische Bericht liefert weitere Informationen zur Architektur, zum Trainingsprotokoll und zu den Evaluationsresultaten.
Kriterienaufschlüsselung
- Hybrid Mixture‑of‑Experts (MoE) Architektur
- Lightning Attention Mechanism
- Reinforcement Learning (RL) Scale Framework
- Context length of 1 million tokens
- Efficient scaling of test‑time compute
ScreenAgent
Offene Quellensprach-Modell-Agent zur Steuerung von Computer-GUIs über Maus/Tastenplanung und -ausführung.
ScreenAgent ist ein offenes Quellensprach-Visuelles Sprachmodell (VLM)-Agent, der Computer-GUIs über Maus- und Tastenoperationen steuert. Es ermöglicht die Interaktion mit echten Computerbildschirmen, indem Screenshot-Beobachtung und -Ausführung erfolgen. Das Projekt umfasst ein planungs-ausführungs-reflektives Prozess, der die Agenten leitet, um mehrschritte Aufgaben abzuschließen. Es wurde erstellt, um die Herausforderung anzugehen, Agenten zu lernen, mit Computern umzugehen, und damit erforderliche Fähigkeiten wie Aufgabenplanung, Bildverstehen und visuelle Positionierung zu benötigen. Das ScreenAgent-Dataset, das verschiedene tägliche Computeraufgaben abdeckt, wurde manuell annotiert, um Unterstützung für die Lernfähigkeit des Agenten bereitzustellen. Das Projekt besteht aus einem Client zum Kontrollen des Desktops, einem Dataset, Modellern für die Inferenz und dem Trainingscode. Es unterstützt grundlegende Maus- und Tastenoperationen und kann auf verschiedenen Desktop-Betriebssystemen und Anwendungen angewendet werden. ScreenAgent's Ansatz ist universell und beruht nicht auf spezifischen APIs.
Kriterienaufschlüsselung
- Ausführung von Maus- und Tastenoperationen
- Planungs-ausführungs-reflektiver Prozess für Aufgabenabgeschlossenheit
- Unterstützung für verschiedene Desktop-Betriebssysteme und Anwendungen
- Manuelle Annotation des ScreenAgent-Datasets für diverse Aufgabenabdeckung
- VLM-Agent für GUI-Interaktion
BabyBeeAGI
Eine fortgeschrittene Version von BabyAGI mit verbesserten Aufgabenmanagement und Funktionalität.
BabyBeeAGI ist ein experimentelles Framework für die Entwicklung selbst-fortschreitender autonomer Agenten. Es wurde erstellt als Entwicklung von der ursprünglichen BabyAGI aus März 2023, die Aufgabenplanung für autarke Agenten eingeführt hat. Das Framework besteht aus einer neuen Funktion-Framework genannten Datenbank, die Funktionen speichert, verwaltet und ausführt. Es verfügt über ein graphbasiertes Struktur-System zur Überwachung von Importen, abhängigen Funktionen und Authentifizierungsschüsseln, sowie eine automatische Laden- und umfassende Log-Verwaltung. Das Framework umfasst auch einen Dashboard, das die Funktionen verwaltet, Updates ausführt und Protokolle anzeigt. Es wurde als einfache Sache konzipiert, die sich selbst selbstbaubar macht, was ein interessanter Ansatz zur Entwicklung autarker Agenten darstellt.
Kriterienaufschlüsselung
- Funktionsregistrierung und Metadatenerfassung
- Abhängigkeitstracking und Schlüsselabhängigkeiten
- Automatische Beladung und Logverwaltung
- Dashboard für Funktionsverwaltung und Protokolledarstellung
- Funktionsverwaltung durch ein graphbasiertes Struktur-System
- Automatische Aktualisierung von Funktionen
MCP‑Use
Open‑Source-Plattform zur Verbindung von LLMs mit MCP‑Servern und zum Erstellen von maßgeschneiderten KI-Agenten mit Tool‑Zugriff.
mcp-use ist eine Open‑Source-Plattform, die die Verbindung von Large Language Models (LLMs) mit MCP‑Servern erleichtert und die Entwicklung von kundenspezifischen KI-Agenten ermöglicht, die mit diesen LLMs interagieren können. Die Plattform bietet ein Full‑Stack‑MCP‑Framework (mcp‑use SDK), um ChatGPT‑Apps, Claude‑Connectoren und MCP‑Server zu erstellen. Mit mcp-use können Entwickler eine einzige Codebasis nutzen, um ihre Anwendungen auf verschiedenen Plattformen einzusetzen, auf denen Nutzer und Agenten bereits arbeiten, darunter ChatGPT, Claude und Gemini. Die Plattform bietet eine Reihe von Werkzeugen und Funktionen, wie z. B. die Möglichkeit, MCP-Anwendungen mit einem Befehl zu scaffolden, automatisierte Bereitstellung in der Manufact Cloud sowie integrierte Analyse und Beobachtbarkeit. Entwickler können das mcp‑use SDK verwenden, um MCP‑Server und Anwendungen zu bauen und bereitzustellen, ohne zusätzliche Werkzeuge zu benötigen. Die Plattform stellt zudem einen Visual Inspector und Sandbox‑Testmöglichkeiten bereit, sodass Entwickler ihre Anwendungen testen können, ohne einen Live‑LLM zu benötigen. mcp‑use hat das Ziel, die Entwicklung und Bereitstellung von MCP‑basierten Anwendungen zu vereinfachen und stellt damit eine attraktive Option für Entwickler dar, die maßgeschneiderte KI-Agenten und Anwendungen bauen und einsetzen möchten.
Kriterienaufschlüsselung
- MCP‑Server‑Verwaltung
- Verbindung und Integration von LLMs
- Entwicklung von kundenspezifischen KI-Agenten
- Automatisierte Bereitstellung und Skalierbarkeit
- Visual Inspector und Sandbox‑Test
- Integrierte Analyse und Beobachtbarkeit
Rasa
Offener Framework für die Herstellung von Produktionsreif-Chatt- und Sprachassistenten
Rasa ist eine Conversational-AI-Plattform, die Entwicklern hilft, kontextbezogene Chat- und Sprachassistenten mit voller Kontrolle über Daten, Modelle und Bereitstellung zu erstellen. Der Open-Source-Kern übernimmt das Verständnis natürlicher Sprache und die Dialogverwaltung, während Rasa Pro Unternehmensfunktionen wie Analysen, Sicherheitskontrollen und skalierbare Infrastruktur hinzufügt. Rasa Studio bietet eine Low-Code-Oberfläche für Designer und Konversationsteams, um gemeinsam Trainingsdaten, Flows und Tests ohne Code zu erstellen. Zusammen unterstützen die Tools hybride Teams bei der Bereitstellung von Assistenten über Messaging-Kanäle, IVR-Systeme und benutzerdefinierte Anwendungen. Es wird häufig von Unternehmen in den Bereichen Banken, Telekommunikation, Gesundheitswesen und Regierung eingesetzt, wo lokale Bereitstellung, Compliance und Individualisierung erforderlich sind.
Kriterienaufschlüsselung
- Natürlichersprach-Verständnis-Engine
- Dialog-Management mit anpassungsbaren Aktionen
- Rasa Studio low-code-Oberfläche
- Sprechkommunikation und mehrkanaliger Anpassung
- Konversationsanalysen und Testwerkzeuge
- Unternehmenssicherheitscontrolls und Ausführungskontroll