Möödunud lahing · 2024-07-19 UTC
AI Agent Development Frameworks Vastasseis — 19. juuli 2024
Kategooriast AI Agent Development Frameworks. 22 märget pandud 7 võitleja kohta. kagent võttis krooni.
Lõppseis
Koosseis
Võitlejad
Iga selles lahingus võistelnud tööriista profiilid, järjestatud nende lõppskoori järgi.
Kagent võimaldab tehisintellekti agentidel automatiseerida Kubernetesi toiminguid. See võimaldab agente juurutada, jälgida ja hallata tuttavate Kubernetesi tööriistade abil. kagent muudab agendid esmaklassiliseks tööks Kubernetesis, võimaldades neil olla versioonitud kui Kubernetesi kohandatud ressursi definitsioonid (CRD) ja üle vaadatud tõmbe taotlustes. See lähenemine võimaldab kasutada olemasolevaid Kubernetesi tööriistu agentide haldamiseks. Raamistik on avatud lähtekoodiga ja selle on välja töötanud Istio asutajad. See toetab mitmeid keele- ja raamistikukombinatsioone, sealhulgas Go ja Python, ning võimaldab kasutada mis tahes suurte keelemudelite (LLM) pakkujat. kagent pakub tugevat turvalisust ja jälgitavuse funktsioone, sealhulgas OpenTelemetry jälgimise, Prometheus mõõdikud ja struktureeritud logid. See toetab ka mitme käitusaega tuge, agendi-agendi kommunikatsiooni ja võimalust laadida teadmisi Git hoidlatest. Üldiselt pakub kagent võimsat ja paindlikku raamistikku Kubernetesi toimingute automatiseerimiseks AI agentidega.
Разбивка критериев
- Agenti parandeja Kaggeri rakendamise koodiga.
- Lubab läbimata vajaduse mängimise, samad alam-api servlets, mis kaudne Kubernetes nagu täieliku Kubernetes eesmärgt kanala joonas.
- kaggeri endangera algatamist konfigueerimine ja vajaduse käsitlemist.
- AI agentide valmistamise ja esitus näidete Kaggeri automaatselt valmistamise koodiga.
- Essenter värskendamine ja seadme akna näitamine.
- Toimingu täringuse integratsiooni ja seadme andmete käitamine.
BabyCatAGI
Kerge, autonoomne AI-agentide raamistik sujuvaks ülesannete automatiseerimiseks
BabyCatAGI on lihtsustatud, muudetud versioon BabyAGI-st, mis on loodud keerukate ülesannete käsitlemiseks autonoomsete AI agentide abil. See jagab kõrgetasemelised eesmärgid hallatavateks alamülesanneteks, täidab neid järjestikku ja kohandab oma plaani vahetulemuste põhjal, muutes selle sobivaks uurimiseks, sisugeneratsiooniks ja mitmeastmeliseks probleemide lahendamiseks. Raamistik rõhutab minimaalset koodi ja loetavust, muutes selle kättesaadavaks arendajatele, kes soovivad katsetada agensi tehisintellektiga ilma suuremate orkestratsiooniraamatukogude üleliigse koormuseta. See integreerub keelemudelite ja veebiotsingu tööriistadega, et koguda konteksti, mõelda probleemide üle läbi ja toota struktureeritud väljundeid. Avatud eksperimentaalse projektina on BabyCatAGI kõige parem kasutada agentide töövoogude prototüüpimiseks, ülesannete ajendatud autonoomsete süsteemide toimimise õppimiseks ja konkreetsete automatiseerimisvajaduste kohaste torujuhtmete kohandamiseks.
Разбивка критериев
- Ülesannete loendi loomine ja prioriseerimine
- Autonoomne alamülesannete täitmine
- Veebihüvastuse integreerimine konteksti saamiseks
- Järjekordne mõtlemisprotsess
- Kerge Python-reaalisus
- Kohandatavad eesmärgid ja käsud
MCP‑Use
Kasutuskohvaraamatud platform toetada LLM ja MCP mälu toetamiseks koos nendega integreerima
mcp-use on avatud lähtekoodiga platvorm, mis hõlbustab suurte keelemudelite (LLM) ühendamist MCP serveritega ning võimaldab kohandatud AI agentide arendamist, mis saavad nendest LLM-idest suhelda. Platvorm pakub täielikku MCP raamistikku (mcp-use SDK) ChatGPT rakenduste, Claude ühenduste ja MCP serverite loomiseks. MCP‑Use abil saavad arendajad kasutada ühte koodibaasi rakenduste juurutamiseks erinevatele pindadele, kus kasutajad ja agendid juba töötavad, sealhulgas ChatGPT, Claude ja Gemini. Platvorm pakub mitmeid tööriistu ja funktsioone, nagu võimalus MCP-rakendusi ühe käsuga üles seada, automaatne juurutamine Manufact Cloudi ja sisseehitatud analüütika ja jälgitavus. Arendajad saavad kasutada mcp-use SDK-d MCP-serverite ja -rakenduste loomiseks ja juurutamiseks ilma lisatööriistade vajaduseta. Platvorm pakub ka Visual Inspectorit ja Sandbox-testimise võimalusi, võimaldades arendajatel oma rakendusi testida ilma reaalajas LLM-i vajaduseta. mcp-use eesmärk on lihtsustada MCP-põhiste rakenduste arendamist ja juurutamist, muutes selle atraktiivseks valikuks arendajatele, kes soovivad luua ja juurutada kohandatud AI-agente ja -rakendusi.
Разбивка критериев
- MCP serverihaldus
- LLM ühendamine ja integreerimine
- Kohandatud AI agendi arendamine
- Automaatne juurutamine ja mastaapsus
- Visuaalne inspektor ja liivakastikeskkonna testimine
- Sisseehitatud analüütika ja jälgitavus
Claude MCP Agents
AI-agentid, mis põhinevad Anthropic'i MCP-l, pakkudes sujuvat tööriistade ja andmete integratsiooni.
Claude MCP Agents on AI-agendid, mis kasutavad Anthropicu Mudeli Konteksti Protokolli (MCP), et ühenduda mitmesuguste väliste andmeallikate, API-de ja arendajavahenditega. Standardiseerides, kuidas kontekst voolab Claude'i ja väliste süsteemide vahel, saavad need agendid lugeda faile, küsida andmebaase, kutsuda teenuseid ja tegutseda reaalajas teabe põhjal ilma iga allika kohandatud integreerimisteta. Lähis on suunatud arendajatele ja meeskondadele, kes ehitavad automatiseerimis-, uurimisabiliste ja töövooagente, mis vajavad usaldusväärset juurdepääsu ettevõtte või isikuandmetele. MCP avatud spetsifikatsioon tähendab, et sama agent saab ühendada uute tööriistadega, kui ühendused ilmuvad, vähendades lukustumist ja integreerimisülekulu.
Разбивка критериев
- Model Context Protocoli integreerimine
- Ühendub failidega, API-dega ja andmebaasidega
- Laienemisvõimalus kohandatud MCP serverite kaudu
- Toetab agentlike, mitmetasandiliste töövoogude
- Ühilduv Claude mudelite perega
- Avatud standard interoperatsiooniks
Gemma 3
Avatud lähtekoodiga AI mudel, optimeeritud ühe GPU jõudluseks, toetab multimodaalseid sisendeid ja üle 140 keele.
Gemma 3 on kergete, tipptasemel avatud mudelite kogum, mis on loodud töötama seadmetel, eriti optimeeritud ühe GPU jõudluseks. See toetab multimodaalseid sisendeid ja enam kui 140 keelt. Mudel on saadaval erinevates suurustes (1B, 4B, 12B ja 27B), võimaldades arendajatel valida oma riistvara ja jõudlusvajaduste järgi sobivaima variandi. Gemma 3 pakub täiustatud teksti- ja visuaalset loogikavõimekust, 128 k-tokeni kontekstiakent ja funktsioonikõne keerukate ülesannete täitmiseks. Lisaks on olemas kvantiseeritud versioonid, mis pakuvad kiiremat jõudlust ja vähendavad arvutuskoormust. Mudel on osa Google'i pühendumusest teha kasulik AI tehnoloogia kättesaadavaks ning põhineb samal uurimusel ja tehnoloogial, mis toidab Gemini 2.0 mudeleid. Gemma 3 on mõeldud arendajatele, kes soovivad luua AI rakendusi, mis töötavad otse seadmetel, näiteks nutitelefonides, sülearvutites ja tööjaamades. Gemma 3 pakub oma suurusele vastavat tipptasemel jõudlust, ületades esialgsetes inimeste eelistuste hindamistes teisi mudeleid nagu Llama3-405B, DeepSeek-V3 ja o3-mini. See võimaldab globaalseid rakendusi, pakkudes koheselt tuge enam kui 35 keelele ning eeltreenitud tuge enam kui 140 keelele. Mudel võimaldab AI‑põhiste töövoogude loomist funktsioonikõne ja struktureeritud väljundi abil. Gemma 3 arendamisel kasutati rangeid turvalisusprotokolle, sealhulgas ulatuslikku andmehaldust, turvapoliitikatega kooskõlastamist täpsuhäälestuse kaudu ning põhjalikke benchmark‑hindamisi. Gemma avatud mudelite perekond on näinud suurt kasutust, kandes üle 100 miljoni allalaadimise ning elava kogukonna, mis on loonud rohkem kui 60 000 Gemma varianti. Gemma 3 võimed teevad sellest sobiva valiku arendajatele, kes soovivad luua kaasahaaravaid kasutajakogemusi, mis mahtuvad ühe GPU või TPU hosti.
Разбивка критериев
- multimodaalne AI tugi
- vastutustundlik arendus
- ulatuslik täpsuhäälestus
- tugi 140 keelele
- paranenud jõudlus
Agency Swarm
Avatud lähtekoodiga AI-agentide orkestreerimise raamistik, mis on mõeldud AI arendamise protsesside automatiseerimiseks ja sujuvamaks muutmiseks koostööagentide swarmide kaudu.
Agency Swarm on avatud lähtekoodiga raamistik, mis põhineb OpenAI Agents SDK-l ja Responses API-l. See pakub struktureeritud ja tootmisvalmis keskkonda mitme agendi rakenduste loomiseks. Põhijooned hõlmavad kohandatavaid agendi rolle ja võimalust käsitleda erinevaid mudeli tagaotsasid (nt OpenAI GPT-peremudelid, Anthropic, Google Gemini, Azure OpenRouter ja ise valmistatud LiteLLM tööriistad), mis on võimalikud tänu @function_tool dekoratsioonile (soovituslik) või BaseTool objekti laiendamisele. Agency Swarm arhitektuuri üks peamisi eeliseid on selle stabiilsus nii Python kui ka Linux keskkonnas. Installatsioon on lihtne standardse pip käsuga: pip install agency-swarm. Kirjeldus: Agency Swarm on avatud lähtekoodiga tööriist, mis on ehitatud OpenAI Agents SDK ja Responses API peale. Agency Swarm on avatud lähtekoodiga tehisintellekti tööriistakomplekt, mis aitab arendajatel luua mitmest agendist koosnevaid rakendusi reaalmaailma tehisintellekti arendamiseks. Peamised funktsioonid: - Automaatselt loodud CLI tööriistad: Avastage oma rakenduse REST API, et hõlpsasti juurde pääseda põhiteenustele tootlikkuse suurendamiseks. - Kohandatavad agendi rollid: Saate hõlpsalt määrata iga agendi rolli jaoks konkreetsed funktsioonid ja lubade tasemed, suurendades rakenduse kohandatavust. - Täielik Stacki juurutus: Agency Swarm on täielik stack ainult Pythonile. Kui olete Linuxis, mõelge sellele kui täielikule stacki juurutusele ilma piiranguteta Pythoni standardse teegiga. Eelised: 1. Stabiilsus Python/Linux keskkonnas 2. Lihtne integreerimine teie rakendusega 3. Komponeeritavad ja hõlpsasti kasutatavad CLI tööriistad 4. Kohandatud agendi rollid Puudused: 1. Keelemudeli ühilduvuse piirangud (Isiklikud vestlusrobotid: GPT-3 jne) N/A 2. Arenduskeskkonna nõuded N/A 3. Piiratud mudeli tagaosa tugi N/A 4. Põhiline kasutajaliides N/A 5. Õppimisvõimalused N/A 6. Funktsioonide integreerimine N/A 7. Dokumenteerimisprotsess N/A 8. Masinõppe AI võimekused: N/A 9. Täiustatud dialoogivoo juhtimine N/A 10. Mitmekihilised rakendused N/A 11. Samaaegne käivitamine N/A 12. Juurdepääs rakenduse olekule N/A 13. Automaatne juurutamine N/A 14. Täiustatud ülesannete täitmine N/A 15. Kohandatud agendi tüübid N/A 16. Suurte keelemudelite tugi N/A 17. Töötab Pythonis ↻ N/A 18. Täielik kontroll N/A 19. Toimivuse mõõtmine N/A 20. Kohalike tööruumide pakkumine N/A 21. Integreerimine OpenALinkiga: veebiarenduse raamistik Pythoni rakenduste jaoks 22. Koostöö AI agentidega projektis 23. Interpretatiivsus 24. Seire N/A 25. Täielik lähtekoodi integreerimine N/A 26. Skaleeritavus N/A 27. Madal jõudlus N/A Puudused:
Разбивка критериев
- Kohanemisvõimelised Agendi Rollid
- Täielik Kontroll Viipade/Instruktsioonide Üle
- Tüübiohutud Arendustööriistad
- Koordineeritud Agendi Suhtlus
- Paindlik Oleku Säilitamine
- Mitme Agendi Koordineerimine
Databricks Agent Framework (Mäluagentfond) vastub õigeaks kasutamisele kogu kohalikke ja remote mis tahes API-d, andmebaasid ja SaaS-töötlemisel. Sel toode piire on aidjaoptimeeralised toimija kergelist automaatselt loomist
Разбивка критериев
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Centralized governance
- Per-user control