Mennyt taisto · 2026-01-03 UTC
AI Agent Development Frameworks Yhteenotto — 3. tammikuuta 2026
Kategoriasta AI Agent Development Frameworks. 28 merkkiä asetettu 10 taistelijan kesken. Cerebrum: AIOS SDK otti kruunun.
Lopulliset sijoitukset
Kokoonpano
Taistelijat
Profiilit jokaisesta työkalusta, joka kilpaili tässä taistossa, järjestettynä lopullisen pistemääränsä mukaan.
Cerebrum: AIOS SDK
SDK Cerebrum: Ohjelmistokehityksen ja käyttöönoton asiakirjoja LLM-perustaisille AI-akenteille AIOS-ohjelmistopohjassa.
Cerebrum on SDK yhdenmukaisuuskehitys ja käyttöönoton LLM-perustaisista AI-aksenteista AIOS (AI Agent Operating System) -ohjelmistotason. AIOS osoittaa ratkaisuja kuten aikatauluttaminen, kontekstin vaihtaminen, muistinhallinta ja työkalujen hallinta LLM-perustaisista aksenteista. SDK Cerebrum mahdollistaa kehittäjien luomisella ja ajonaikainen agentti- ja työkalupalvelut kommunikoimalla AIOS-kernolla. Se tukee sekä Web UI että Terminal UI-käyttöliittymää. SDK sisältää ominaisuudet luetteloidakseen saatavilla olevat LLMs, agentit ja työkalut sekä ladatakseen, ladattakseen ja käyttääkseen agentteja ja työkaluja. Cerebrum on suunniteltu agenttiyhteisön ja kehittäjien tarpeisiin, mahdollistamalla niiden luomisen ja käyttöönoton AI-akentoihin.
Kriteerien jakautuminen
- Agenttien ja agenttikohtaisen kehityksen käyttöönotto
- LLM-pohjaisen AI-akentojen käyttöönotto ja hallinta
- Web UI:n ja Terminal UI:n tuki
- Agentin ja työkalujen hallinta
- Saavutettavissa olevien LLM-asiakkaiden, agenttien ja työkalujen listaus
- Agenttien ja työkalujen lataaminen ja ladattaminen
Awesome MCP Servers
Käytännössä tarkat luettelo Model Context Protocol -palvelimista, joilla on mahdollista laajentaa AI-avioliittolaisia työkalujen ja tietokantojen kanssa.
Awesome MCP Palvelimet on yhteisöllisesti säilytettävä luettelo Malli kontekstitietyksen Protokollaan (MCP) palvelimia, jotka kytketään tekstilläisiin avustajiin ulkoisiin systeemeihin. Se koonnollistaa toteutuksia eri kategorioiden kuten tietokantoja, tiedostojärjestelmiä, kehittäjän työkaluja, tuotantotiedostopalveluita ja web-siivuja, luodakseen siitä helpommin löytyviä integraatioita, jotka laajentavat mitä mallit voivat tehdä. Tällä resurssilla on tarkoitus tarjota kehittäjille ja AI:in rakentajille mahdollisuus antaa LLM-pohjaisille agenteille pääsy todellisin dataan ja toiminnan ilman, että kaikkien yhdistäjien pitää kirjoittaa ne alusta päästä. Tiedotukset sisältävät yleensä linkkejä kunkin yhdistäjän lähdekokoelmiin, lyhyitä katsauksia ja tageja, jotka auttavat käyttäjiä filtteröimään toiminnallisuutta kohden tai teknologiaa kohden. Koska se noudattaa avointa 'awesome lista'-muotoa, vastaatuuksista tulee laajemmalta MCP-ekosysteemilta, ja lista kehittyy aina siitä lähtien kun protokolla kehittyy itse.
Kriteerien jakautuminen
- Luokittelu MCP-kaanontien toteutuksista
- Categorisointi toimialoittain ja käyttötarkoituksittain
- Linkit lähdekoodinhallintajärjestelmiin ja dokumentaatioon
- Osa virallisiin ja yhteisöllisiin palvelimiin
- Avoin yhteisön sidos ja yhteisöllinen ylläpito
- Viite MCP-ekosysteemin tutkimiselle
OpenAI Codex SDK
SDK, jonka avulla voit upottaa ja hallita Codex-agentteja ohjelmallisesti TypeScriptin, CLI:n tai GitHub Actionsin kautta.
OpenAI Codex SDK on ohjelmistokehityspaketti, jonka avulla kehittäjät voivat upottaa ja hallita Codex-agentteja ohjelmallisesti. Se tukee useita rajapintoja, mukaan lukien TypeScript, CLI ja GitHub Actions. SDK on suunniteltu tarjoamaan joustava tapa integroida Codex-agentit erilaisiin sovelluksiin ja työnkulkuihin. OpenAI Codex SDK:n avulla kehittäjät voivat luoda mukautettuja agenteja, määritellä agenttien käyttäytymistä ja hallita agenttien työnkulkuja. SDK tarjoaa myös työkaluja agenttien suorituskyvyn arviointiin ja optimointiin. Se on tarkoitettu kehittäjille, jotka haluavat rakentaa sovelluksia, jotka hyödyntävät Codex-agenttien ominaisuuksia. SDK tarjoaa laajan valikoiman ominaisuuksia, mukaan lukien tuki useille malleille ja tarjoajille, agenttien eristys (sandboxing) sekä integraatiot eri työkaluihin ja palveluihin.
Kriteerien jakautuminen
- Tekstin generointi
- Koodin generointi
- Kuvien generointi
- Äänen ja puheen generointi
- Rakenteinen tuloste
- Funktioiden kutsuminen
BabyBeeAGI
Etumuistoon siirretty, kehittynyt versio BabyAGI:sta, laajennettuna tehtävien hallinnoinnin ja toiminnoitten kanssa.
BabyBeeAGI on kokeellinen ohjelmistorakenne itsenäisen, itsensä muokanneen agentin kehittämiseksi. Se tuli käyttöön vuonna 2023 alkuperäisen BabyAGI:n seuraajana, joka esitteli tehtäväsuunnittelun itsenäisille agenteille. Rakenne rakentuu uudesta funktionaalisen kääntäjän kiertueesta kutsuttuna 'functionz', joka sisältää, hallitsee ja lataa funktioita tietokannasta. Ohjelmistossa on kuvauksia funktioille, joita se tallettaa, hallitsee ja käyttää tietokannasta. Se myös sisältää käyttöliittymän funktioiden ja logien käsittelyä varten. Se sisältää automaattisen latauksen ja yleishallinnnon ja palvelun käyttöliittymän funktioiden käsittelyä varten. Se sisältää automaattisen latauksen ja laajennukset. Käyttäjä voit käyttää sitä helposti. Ohjelma on rakennettu yksinkertaiselle käyttäjälle ja soveltuu harrastelijoiden käyttöön ei tuotteenaan kestävällä tai vahvalla käytöllä. Sen pääkonsepti on rakentaa mahdollisimman yksinkertainen kappale, joka pystyy rakentamaan itseään itse.
Kriteerien jakautuminen
- Funktioihin liittyvän rekisterin ja metadatan hallinta
- Riippuvuuksien ja pääasemavakuutuksien rekisteröinti
- Automaattinen lataus ja laajennukset
- Funktioihin liittyvän dashboard ja logien käsittelyn
Gemma 3
Avoin lähdekoodi AI-malli, jonka on suunniteltu soveltuvaksi yhden GPU:n suorituskyvälle, tukevia multimodaalisia sisääntuloja ja yli 140 kieltä.
Gemma 3 on kevyen koon avaintekijät mallit, jotka on suunniteltu ajettavaksi laitteissa, erityisesti yhden-GPU suorituksissa. Se tukee monimodaalista syötettä ja yli 140 kieltä. Malli on saatavissa useissa eri kokoina (1B, 4B, 12B ja 27B), mikä sallii kehittäjien valita parhaiten sovitun mallin heidän laitteensa ja suorituskykynsä mukaan. Gemma 3 tarjoaa edistyneitä tekstin ja kuvailun perusteella tapahtuvia päätöksiä, 128 000 -tokentien käyttöönottolaitteen ja funktion kutsun mahdollistavat monimutkaisemmat tehtävät. Se sisältää myös kvasisivujoiden versiot nopeammasta suorituskyvystä ja tilan vähentämisvaatimusten minimointi. Malli kuuluu Googlen velvoitteeseen tehdä käytännöllistä AI: ta laajalti saataville ja laajentaa samaa aiempaa tutkimusta ja teknologiaa, jota on käytössä Gemini 2.0 mallit. Gemma 3 on suunniteltu mahdollistamaan kehittäjien luoda tietokoneohjelmia, jotka voidaan ajaa suoraan laitteissa, kuten puhelimissa, tietokoneissa ja työasemissa. Gemma 3 tarjoaa edunpäässä käytössä olevaa suorituskykyä tämän kokoluokan malleista, osoittautuen paremmaksi oletustulokseen ihmisten perusarvioinnissa verrattuna malleihin kuten Llama3-405B, DeepSeek-V3 ja o3-mini. Sen avulla voidaan toteuttaa maailmanlaajuisia sovelluksia suoraan asennettuna tukiylä 35:ää kieltä ennen niiden käyttöö ottamista sekä ennakkototeumat 140 yli. Malli mahdollistaa artifikaalisuorituskyvyn sidosyritykset sekä muodostetun struktuurin tuottaminen käyttämällä funktiolukuisia ja räätälöityjä ulosteita. Gemma 3:n kehityksessä olivat mukana tiukat turvatoimenpiteet, kuten laaja tiedon hallinta, turvapolitiikkojen mukainen sijoittaminen koulutuksessa sekä kestävät vertailukokeet. Gemma-sukua on avoimia malleja, jotka ovat saaneet merkittävän suosion, yli 100 miljoonan latauksen myötä ja vaikuttavan yhteisön, joka on luonut yli 60 000 Gemma-varianttia. Gemma 3:n kyvyt tekevät siitä sopivan kehittäjille, jotka haluavat luoda mielenkiintoisia käyttäjäkokemuksia, jotka voidaan sisällyttää yhden GPU tai TPU -isäntäkoneen tilaan.
Kriteerien jakautuminen
- Monimodaalinen AI-tuki
- Vastuullisen kehityksen ohjelmointi
- Laajat soppuohjelmat
- Tuki 140:lle kielelle
- Paranneltu suorituskyky
- Käyttäjän suosimat parannukset
ScreenAgent
Avoin lähdekoodinen VLM-pääasema käyttöliittymän ohjaamiseksi hiiren ja näppäimistön suunnittelun ja näytön suorittamisen avulla.
ScreenAgent on avoimen lähdekoodin visuaalinen kielen malli (VLM), joka on suunniteltu ohjaamaan tietokoneen graafista käyttöliittymää hiiren ja näppäimistön toiminnoilla. Se mahdollistaa vuorovaikutuksen todellisten tietokoneiden näytöillä nähden näytemuistiin pohjautuvaa havaintoa ja suorittaa toimintoja. Projektin sisältävää ohjaavaa suunnittelu-tekeminen-suunnitteluprosessia ohjaa agentti suorittamaan monitason tehtäviä. Projektia on luotu opettamaan agentteja käyttämään tietokonetta, mikä vaatii kykyjä kuten tehtävien suunnittelu, kohdistus ja kuvan ymmärryssuoja. ScreenAgent-palvelimennoston sisältää useita arkioloituja päivätyköntaskuita tukevaa annetettu dataa apulaisten oppimiseksi. Projektissa on clientia käyttäen päätyy, modeliarbeitajien, datasetteja ja koodia suunnilleen valmistellessa agentin. Se tukkii hiiren ja näppäimistön perusliikkeitä. Tietoja tuetaan erilaisia desktopi-tietokoneiden käyttöjärjestelmiä ja soveltuu käytännöllisesti ottaen niin mihin tahansa sovelluksiin. ScreenAgentin lähestymistapaa käytetä yleisesti. Löytät tietokonelaisten erityisiä API:n tukemiselta, ollen muka taitavia jne.
Kriteerien jakautuminen
- Hiiren ja näppäimistön toimenpinten suorittaminen
- Toiminnan suunnittelun, suorittamisen ja suunnitelmien yhdistäminen tehtävän valmiiksi tuottamiseksi
- Suunnittelun tukee erilaisia työasemia, sovelluksia ja käyttöjärjestelmiä
- Käsittelyn toimenpidet manuaalinen annotaatio ScreenAgent-pohjalehden erilaisten tehtävien kattamiseksi.
- VLM-pääasema käyttöliittymän vuorovaikutukseen
AIWaves Agents
Avointen lähdekoodin sopeutuvalta LLM-raamitteelta on helppo rakentaa, valmentaa ja lisätä itsenäisiä kielen agentteja.
AIWaves Agents on avoimen lähdekoodin sopeutuva LLM-käsitealusta rakentamiseen, kouluttamiseen ja asentamiseen itseohjaavia kieliagentteja varten. Se päivitti Agents 2.0:een, joka tuki agenttien oppimista ja arviointia symbolisten oppimisten avulla, joka on systemaattinen rakenne, johon on insipioitu hermorakenteen kouluttamisesta. Tämä rakenne sallii kieliagenttien kouluttamisen luomalla analogia agenttien reittien ja hermorakenteiden laskennallisten graafien välillä. Ohjelmisto toimii suunnilleen siirtämällä agentin kulkuaan, käsittäen syötteet, vastaukset, painotukset ja työkalut, tallennusmuistiin. Se arvioi sitten tuloksen käyttäen kielenpohjaista menetelmää, viedään taustalla menetelmää tarkistusvirheellisyyttä laskemaan kielen asteita, ja päivittää agentin symboliset osat siten. Tämä prosessi mahdollistaa agentten oppimista ja kehittyviän yllätyksiä ajan. Agents 2.0 tukee myös monikanzallisten järjestelmien optimointia hankkien kansioiden mukaisesti eri agenttejeksi tai myös salliakseen useampien agenttien toimimisen yksittäisessä solmussa. Käsiteltävää on suunniteltu soveltuvaksi ja laajennettavaksi, ja se tukee erilaisia sovelluksia ja tutkimus suuntia. Projektissa on saatavilla asennusohje, jonka sisältämässä on vaihtoehtoja asetukset asetukset asennukselle Git-repositoriosta tai paikalliseen kehitykseen. Lisäksi siinä on viitteitä liittyviin tutkimustutkimukseen liittyviin artikkeleihin. Käsitteellisen kehitystyökitan vahvuuksia ovat sen innovatiivinen agenttien oppimisen lähestys sekä mahdollisuus edistää itsenäistä kielen tarkastelua autonomisia agentteja koskevassa tutkimuksessa. Yksinkertaisuuden ja sen riippumisen hyvin suunnitelluista komentokeskuista voidaan kuitenkin katsoa haastavaksi käyttäjille.
Kriteerien jakautuminen
- Itsehallinnon kielen agenttien tukea
- Kielen agenttien valmistelua
- Itsensä kielen agenttien laskentaa
- Itsemuuttuvan agentin mahdollistus
Claude MCP Agents
Ohjelmallisesti rakennettuja agentteja Anthropicin MCP:llä muuntajien ja tietolähteiden integrointiin helposti.
Claude MCP-agentit ovat AI- agentteja, jotka hyödyntävät Anthropicin Mallin Kontekstin Protokolla (MCP) lisensointijärjestelmää liitäntääksesi laajaan valikoimaan ulkoisia tietolähteitä, API-ojennuksia ja kehitysympäristöliittymiä. Kun kontekstin virtaus on standardoitu välillä Claudea ja ulkoisia järjestelmiä, nämä agentit voi lukea tiedostoja, haastaa tietokantoja, kutsumaan palveluja ja reagoida tietokulkuihin ilman yksinkertaisen integraation tarvetta jokaiselle tietolähteelle. Tavoite on kohdistettu kehittäjiin ja projektiryhmiin, jotka rakentavat automatisointia, tutkimusapureita sekä workflow-agentteja, jotka tarvitsevat uskottavaan tietojen yhteydenpitoon, sekä niille tarvittavia tietoja. Avoimen MCP-specifiikkaan tarkoitteen avulla sama agentti voidaan liittää uusien työkalujen kanssa, kun käyttöliittymät kehittyvät, vähentäen sitovien integraatiokustannusten aiheuttaminen.
Kriteerien jakautuminen
- MCP-protokollin integraatio
- Yhteydet tiedostoihin, API-osoitteisiin ja tietokantoihin
- MCP-rajapinnan avulla laajennettavissa ominaisuuksia
- Tukemat agenteista koostuvia, monivaiheisia toimintakäytäntöjä
- Säältävissä Claude-malliperheelle
- Käytännön avainasiakasstandardi interoperabiltaisuudelle.
BabyCatAGI
Älyllinen joustava agenttitiedostojen käyttökytkentä tehtyä tehtävän automaation parantamiseen
BabyCatAGI on yksinkertainen, muunneltu versio BabyAGIsta, suunniteltu hoitamaan monimutkaisia tehtäviä itsenäisinä AI-agentteinä. Se pilkottaa korkeajännitteisiä tavoitteita hallittaviksi alitehtäviksi, toimeenpitelee niitä peräkkäin, ja muuttaa suunnitelmaansa välivaiheiden mukaan, tehdäkseen siitä sopivan tutkimuksen, sisällön syntetisoijan sekä monivaiheisen ongelmien ratkaisimiseen. Työlle on priorisoitu vähäistä koodia ja lukemista, tehdäkseen siitä käytettävissä kehittäjien, jotka haluavat kokeilla agenteja tietokonetta ilman suurempien orkestrointiliikenteiden painopisteitä. Se sisällyttää kielioppien ja webin etsintätyökalujen integrointia samalla tasolla, saadakseen kontekstia, soveltamaan ongelmia, ja tuottaa rakenteistettuja lähtökohtia. Osoitteessa avoin eksperymentteihin kohotettu projekti on paras soveltamisen tapa prototypoida agenttipotkujen työvaiheita, oppiakseen tarkastella tehtäväohjelmien johtamisia itsehallinnan systemeistä, sekä tehdäksesi yksilöllistäjätyökaluja erityisistä automaatiovaatimuksista.
Kriteerien jakautuminen
- Tehtävien luettelo ja prioritoiminen
- Itsenäisten tehtävien käsittely
- Sisällön etsinnymin integratio
- Peräkkäinen logiikkatehtävän toteutus
- Vähäinen koodi, yksinkertainen ja luettavin toteutus
- Tarkennettavissa tavoitteet ja pyynnöt
BabyDeerAGI
Parannettu tehtävän suoritusjärjestelmä, joka mahdollistaa tasapainoista tehtävien suorittamista suuremman tehokkuuden saavuttamiseksi.
BabyDeerAGI on suunniteltu tarkoitukseen, jolla on helppo suorittaa useita tehtäviä samanaikaisesti, parantakseen suorituskykyä ja tehokkauden. BabyDeerAGI on tarkoitettu kehittäjille ja tutkijoille, jotka haluavat optimoida AI-toimintojaan suorittamalla niitä samanaikaisesti. Sen ominaisuuksien ja rajoitusten yksityiskohdat eivät ole tarkasti kuvattuina saatavilla lähteissä.
Kriteerien jakautuminen
- Sarjaharjoituksiin liittyvien tehtävien suorittaminen samanaikaisesti
- AI-malleiden suhteen ketterä integraatio
- Vastapaineettu AI-agentti-rakenneryhmä
- Samanaikainen käsittelyn tuet