Mennyt taisto · 2024-07-19 UTC
AI Agent Development Frameworks Yhteenotto — 19. heinäkuuta 2024
Kategoriasta AI Agent Development Frameworks. 22 merkkiä asetettu 7 taistelijan kesken. kagent otti kruunun.
Lopulliset sijoitukset
Kokoonpano
Taistelijat
Profiilit jokaisesta työkalusta, joka kilpaili tässä taistossa, järjestettynä lopullisen pistemääränsä mukaan.
kagent
Avoin lähdekoodin kehys, joka mahdollistaa tekoälyagenttien automatisoinnin Kubernetes-toiminnossa.
Kagent mahdollistaa tekoälyagenttien automatisoida Kubernetes-toiminnot. Se sallii agenttien käyttöönoton, havainnoinnin ja hallinnan tuttujen Kubernetes-työkalujen avulla. kagent tekee agenteista ensisijaisen työkuorman Kubernetesissa, mikä mahdollistaa niiden versionnimisen Kubernetesin mukautettuina resurssimäärityksinä (CRD) ja tarkastelun vedostuspyynnöissä. Tämä lähestymistapa mahdollistaa olemassa olevien Kubernetes-työkalujen käytön agenttien hallintaan. Kehyksellä on avoimen lähdekoodin perusta ja se on kehitetty Istion perustajien toimesta. Se tukee useita ohjelmointikieli- ja kehyksen yhdistelmiä, kuten Go ja Python, ja sallii minkä tahansa suuren kielen mallin (LLM) tarjoajan käytön. kagent tarjoaa vahvat turvallisuus- ja havaitsevuusominaisuudet, mukaan lukien OpenTelemetry-jäljitys, Prometheus-mittaukset ja rakenteelliset lokit. Se tukee myös monirunko-ohjattua tuki, agentti-välistä viestintää ja mahdollisuutta ladata tietoa Git-veroista. Kokonaisuutena kagent tarjoaa voimakkaan ja jouston olan rungon Kubernetes-toimintojen automatisointiin tekoälyagenttien avulla.
Kriteerien jakautuminen
- Agenttialusta nopeaan käynnistymiseen ja tehokkaaseen resurssien käyttöön
- Valmiina nollatakuu-salamalle mTLS:llä ja hienojakoisella RBAC:llä
- Pysyvä vektoripohjainen muisti pitkäaikaiseen muistiin
- Ihmisen valvonta hyväksymisportilla ja agenttien aloitteiden kysymyksillä
- Agenttien välinen (A2A) valtuutus monen agentin työnkulun kokoonpanoon
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
MCP‑Use
Avoin lähdekoodin alusta yhdistää LLM:t MCP-palvelimiin ja rakennaa käyttäjiä tarjoavia kustannetta mukaan AI- agenttejä.
mcp-use on avoimen lähdekoodin alusta, joka helpottaa Large Language Modelien (LLM:t) yhdistämistä MCP-palvelimiin ja mahdollistaa custom AI-agenttien kehittämisen näiden LLM:tien kanssa vuorovaikutukseen. Alustaa tarjoaa koko peruskorkeuksisen MCP-runkimallin (mcp-use SDK), jonka avulla voit rakentaa ChatGPT-sovelluksia, Claude- ja mcp-Connectoreita sekä MCP -palvelimia. MCP-Use -sovelluksella kehittäjät voivat käyttää yhta kehyskoodia sovellusten käyttämiseen useiden eri alustojen, joista käyttäjät ja agentit jo toimivat, kuten ChatGPT, Claude ja Gemini. Ohjelmisto tarjoaa laajan valikoiman työkaluja ja ominaisuuksia kuten komennolla rakennettujen MCP-sovellusten rakentamisen, automaattisen Manufact Cloud -palvelussa sovellusjärjestelmän asennuksen sekä rakennettuihin analysointi- ja Observability-toimintoihin. Kehittäjät voivat käyttää MCP-Käytön kehittäjäkirjastoa (SDK) rakentamalla ja käyttööllessä MCP-palvelimia ja sovelluksia ilman tarvitsemitta lisääntynytkiinnityslaitteita. Alusta tarjoaa Visual Inspectorin sekä Sandbox-tilaukset mahdollisuuksia, joilla kehittäjät voivat testata sovelluksiansa ilman elinkuvaavaa LLM:tä. MCP-Use pyrkii yksinkertaiseen MCP-pohjaisista sovelluksista kehittämiseen ja asentamiseen, tekemällä siitä suositun kehitysalusta kehittäjille, jotka haluavat rakentaa ja asentaa kustomoidut AI--agentit ja sovellukset.
Kriteerien jakautuminen
- MCP-palvelin hallinta
- LLM-yhteys ja integraatio
- Käyttäjän mukaan rakennettavien AI-agenttien kehitys
- Automaattinen asennus ja skaalautuvuus
- Visuaalinen Inspectori ja Sandbox-testaaminen
- Sisäänrakennettu analytiikka ja Observability
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.
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
Agency Swarm
Avoin lähdekoodinen AI-henkilökohtaisen ohjelmoijan ohjainrakenne, joka on suunniteltu automatisoimaan ja yksinkertaistamaan AI-kehitysprosesseja yhteistyöllisillä agenttien laumoilla.
Agency Swarm on avoimen lähdekoodin raamit, joka perustuu OpenAI Agents SDK:n ja Responset API:n päälle. Siinä on rakennettu strukturoidun ja tuotantovalmiin ympäristö monin agenttipohjaisen ohjelmistokonseptin luomiseen. Keskeistä ominaisuutta ovat mukautettavat agenttikäsitteet, eri mallien takaisten tietokoneyksiköiden (esim. OpenAIn LLM-malleihin kuuluvat GPT-sukumallit, Anthropic, Google:n Gemini, Azuren OpenRouter ja omat tehtävät LiteLLM -tyypin mallit) käsitteleminen, mikä mahdollistetaan @function_tool decoratorin (suositeltu) tai BaseTool-objektin laajentamisen avulla. Agency Swarm -arkkitehtuurin hyöty on tietojesi vakauden ylläpitäminen sekä Python että Linux-ympäristöissä. Ohjelmiston asennus on helppoa sekä yleiskäytön `pip`-komennon avulla (`pip install agency-swarm`). Agency Swarm on avoimen lähtökohtaisen työkalun, joka perustuu OpenAI Agentsin SDK:hon ja Response API:hin. Agency Swarm on avoimen lähdekoodin AI-työkalu, joka avustaa kehittäjiä luomaan monen agentin sovelluksia todellisten maailman AI-kehitykseen. Pääominaisuudet: - Automaattisesti generoitu CLI-työkalu: Tutkukaupassa sovelluksesi REST-API:ta helpotetaan sovelluksen ydinservien käyttöön saatamiseksi kasvattakseen tuottavuutta. - Mukautettavat agenttiroolit: Voit helposti määritellä kunkin agentin roolin tarkoille funkcioille ja oikeuksille lisätäkseen sovelluksesi omistamien ominaisuuksien lukumäärää. - Täyden laukaisevan toiminnot toteuttava stack: Agency Swarmia on toteutettu Pythonilla. Jos olet Linuxissa, Agency Swarmia voidaan ajatella täydellisenä toteutuksena ilman rajoitteita Pythonin standardi kirjaston takia. Ehdot: 1. Stabiilisuus Python/Linux-yritysmiljöissä 2. Helppo integrointi sovelluksesi kanssa 3. Kokonaisuuden perustuva ja helppokäyttöinen CLI-työkalut 4. Muokattavat Agentin roolit Pitkät: 1. Kieli mallin vastavuoroinen soveltuvuus rajoitukset (Henkilökohtaiset chatty botit: GPT-3, jne.) EI sovellu. 2. Kehitysympäristön vaatimukset EI sovellu. 3. Rajoitetut mallit takana tuen EI sovellu. 4. Peruskäyttäjän käyttöliittymä EI sovellu. 5. Opetuskyky EI sovellu. 6. Toimintojen yhdistäminen EI sovellu. 7. Dokumentaation prosessi EI sovellu. 8. Koneoppimista (AI) kyvyt: EI sovellu. 9. Etävetoisella vuorovaikutus prosessin suunnittelu EI sovellu. 10. Monikerrosten sovellukset EI sovellu. 11. Kehitysnäkymän simulointi EI sovellu. 12. Sovelluksen tilaavan tila EI sovellu. 13. Automatisoitunen käyttöönotto EI sovellu. 14. Edistyneet tehtäväsuoritus EI sovellu. 15. Käyttöliittymät yhdessä EI sovellu. 16. Suuri kieli mallien tuki EI sovellu. 17. Toiminto on Pythonissa 👋 ei sovellu. 18. Kehityksen täysivaltaisuus EI sovellu. 19. Suorituskyky tarkistus EI sovellu. 20. Tarjoaa paikallista työtilaa EI sovellu. 21. Integroida / OpenALink: Web-kehitysraami Python ohjelmille 22. Vastaa työnarvioinnissa AIEntiteillä 23. Oikeellisen tulkinnan 24. Seuranta EI sovellu. 25. Koko lähdetiedot integrointi EI sovellu. 26. Skalabilisointi EI sovellu. 27. Matala suorituskyky EI sovellu. Nämä ovat Agency Swarmin puutteita:
Kriteerien jakautuminen
- Kustannettavissa Agentteihin määriteltyjä rooleja
- Kokovalta käskyjen (prompttien) täysivalta
- Tyyppiosaaton keinoja kehitykselle
- Suunniteltu agenttien välisen tiedonsiirron hallinta
- Joustava tilan pysyvyyden hallinta
- Monivalikoissä suunniteltu agenttien hallinta
Mosaic AI Agent Framework
Databricks tarjoaa mallin kokoelma työkaluja, joita käytetään kehittämistä, käyttöoikeusten hallintaa ja korkeakelpoisien AI:n agenttien arvioimista varten sekä RAG-sovellusten käyttöön ottoon.
Databricks Agent Framework (AAF) on Databricksin tarjoama kokoelma työkaluja rakentaa, sijoittaa ja hallitaan neuroverkojen agentteja, jotka voivat yhdistyä mihin tahansa työkaluun, tietokantaan tai SaaS-sovellukseen yhden, hallitun protocolin (Model Context Protocol, MCP), kautta. Ohjelmisto sisältää integroidun neuroverkon kehityksen, kokeilun sekä kokeilun lopulliseen toteutukseen katsella palvelin-määrätöntä laskentaa käyttäen Databricks Appsia ilman, että infrastruktuuria hallitsee. Agenti Bricksit ja Unity Catalog ovat olennaisia hallinnon ja tiedon turvallisuuden edellytyksiä; niillä on määritettyjä ohjeita mallille, työkaluille ja yhdistyksille, kun samalla voitaisiin määrätä rajoituksia, korvaushuolia ja muita turvatoimia, joita tarvitaan nopean injectionin estämiseen, herkkien tietojen tunnistamiseen sekä sisällön suodattamiseen.
Kriteerien jakautuminen
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Keskitetyn hallinnan
- Käyttäjäkohtainen kontrolli