קרב קודם · 2024-07-19 UTC
AI Agent Development Frameworks התמודדות — 19 ביולי 2024
מקטגוריית AI Agent Development Frameworks. 22 סימונים הוצבו על פני 7 לוחמים. kagent זכה בכתר.
הדירוג הסופי
ההרכב
הלוחמים
פרופילים של כל כלי שהשתתף בקרב הזה, ממוין לפי הציון הסופי.
Kagent מאפשר לסוכנים מבוססי AI לאוטומציה של פעולות Kubernetes. הוא מאפשר לפרוס, לעקוב ולנהל את הסוכנים באמצעות כלי Kubernetes מוכרים. kagent עושה סוכנים לעומס עבודה מהדרגה הראשונה ב‑Kubernetes, מאפשר להם להיות מגרסיים כהגדרות משאבים מותאמות (CRDs) של Kubernetes וניתנים לסקירה בבקשות משיכה. גישה זו מאפשרת להשתמש בכלי Kubernetes הקיימים לניהול הסוכנים. המסגרת היא קוד פתוח ונבנתה על ידי המייסדים של Istio. היא תומכת במגוון צירופים של שפות ותשתיות, כולל Go ו‑Python, ומאפשרת להשתמש בכל ספק של large language model (LLM). kagent מספק תכונות אבטחה ונראות חזקות, כולל מעקב OpenTelemetry, מדדי Prometheus, ולוגים מובנים. הוא גם תומך בתמיכה במרובות זמן‑ריצה, בתקשורת agent-to-agent, וביכולת לטעון ידע ממאגרי Git. בסך הכל, kagent מספקת פלטפורמה חזקה וגמישה לאוטומציה של פעולות Kubernetes עם סוכני AI.
חלוקת קריטריונים
- תשתית סוכן להפעלה מהירה ושימוש יעיל במשאבים
- מוכן לאפס‑אמון עם mTLS ו‑RBAC מדויק
- זיכרון מתמשך מבוסס וקטורים לזיכרון ארוך‑טווח
- שערי אישור כלים עם מעורבות אדם ושאלות שמיוזמות על ידי הסוכן
- הקצאת סוכן‑לסוכן (A2A) להרכבת זרימות עבודה מרובות‑סוכנים
BabyCatAGI היא גרסה מפושטת ומשופרת של BabyAGI, שנועדה לטפל במשימות מורכבות באמצעות סוכני AI אוטונומיים. היא מפרקת יעדים ברמה גבוהה למשימות משנה ניהוליות, מבצעת אותם ברצף ומתאמת את התוכנית שלה בהתבסס על תוצאות ביניים, מה שהופך אותה למתאימה למחקר, יצירת תוכן ופתרון בעיות רב-שלביות. המסגרת מעדיפה קוד מינימלי וקריאות, מה שהופך אותה לנגישה למפתחים שרוצים להתנסות ב-AI אגנטי ללא עומס של ספריות תזמור גדולות יותר. היא משתלבת עם מודלי שפה וכלי חיפוש באינטרנט כדי לאסוף הקשר, לחשוב על בעיות וליצור פלטים מובנים. כפרויקט ניסיוני פתוח, BabyCatAGI מתאימה ביותר ליצירת אב טיפוס של זרימות עבודה של סוכנים, ללמוד כיצד פועלים מערכות אוטונומיות מונעות משימות, ולהתאים פיפליינס לצורכי אוטומציה ספציפיים.
חלוקת קריטריונים
- יצירת רשימת משימות וקידום
- ביצוע משימות משנה אוטונומי
- שילוב חיפוש באינטרנט להקשר
- זרימת עבודה של היסק ברצף
- יישום Python קל משקל
- יעדים וקידומים מותאמים אישית
MCP‑Use
פלטפורמה קוד-פתוח ליצירת קשר עם LLMs ו-MCP servers ובניית אינטגרטורי AI כפי שבאים
mcp-use הוא פלטפורמה קוד פתוח שמקלה על חיבור מודלים גדולים של שפה (LLMs) לשרתי MCP ומאפשרת פיתוח של סוכני AI מותאמים אישית שיכולים לתקשר עם מודלים אלה. הפלטפורמה מספקת מסגרת MCP מלאה (mcp-use SDK) לבניית אפליקציות ChatGPT, מחברים ל‑Claude, ושרתי MCP. עם MCP‑Use, מפתחים יכולים לנצל קוד בסיסי יחיד כדי לפרוס את היישומים שלהם על פני משטחים שונים שבהם משתמשים וסוכנים כבר עובדים, כולל ChatGPT, Claude ו‑Gemini. הפלטפורמה מציעה מגוון כלים ותכונות, כגון אפשרות ליצור יישומי MCP בפקודה אחת, פריסה אוטומטית ל‑Manufact Cloud, ו‑analytics ו‑observability מובנים. מפתחים יכולים להשתמש ב‑SDK של MCP‑Use כדי לבנות ולפרוס שרתי MCP ויישומים מבלי להזדקק לכלים נוספים. הפלטפורמה גם מספקת Visual Inspector ו‑Sandbox עם יכולות בדיקה, מה שמאפשר למפתחים לבדוק את האפליקציות שלהם ללא צורך ב‑LLM פעיל. MCP‑Use שואפת לפשט את פיתוח והפריסה של יישומים המבוססים על MCP, מה שהופך אותה לאופציה מושכת למפתחים המעוניינים לבנות ולפרוס סוכנים ויישומים מותאמים של בינה מלאכותית.
חלוקת קריטריונים
- ניהול MCP server
- יצירת קשר ושילוב LLM
- פיתוח אינטגרטורי AI קצר
- מימוש אוטומטי הקצאה, ועליית עגם
- Visual Inspector וניסויי הסורק שמאל
- אנליטיקה בנויה ב
Claude MCP Agents
סוכני בינה מלאכותית הבנויים על פרוטוקול MCP של Anthropic לשילוב כלים ונתונים ללא הפרעות.
Claude MCP Agents הם סוכנים בינה מלאכותית שמנצלים את פרוטוקול הקונטקסט של Anthropic (MCP) כדי להתחבר למגוון רחב של מקורות נתונים חיצוניים, APIים וכלים למפתחים. על ידי תקנון זרימת הקונטקסט בין Claude למערכות חיצוניות, הסוכנים יכולים לקרוא קבצים, לבצע שאילתות במסדי נתונים, להפעיל שירותים ולפעול על מידע בזמן אמת ללא אינטגרציות מותאמות אישית לכל מקור. הגישה מיועדת למפתחים ולצוותים שמבנים אוטומציה, סוכני סיוע למחקר וסוכני זרימת עבודה, שצריכים גישה אמינה לנתונים ארגוניים או אישיים. הספציפיקציה הפתוחה של MCP מאפשרת אותו סוכן להתחבר לכלים חדשים ככל שמופיעים קונקטורים, מה שמפחית את הלוק‑אין ואת עומס האינטגרציה.
חלוקת קריטריונים
- שילוב עם פרוטוקול Model Context Protocol
- מתחבר לקבצים, API ומסדי נתונים
- ניתן להרחבה באמצעות שרתים מותאמים אישית של MCP
- תומך בזרימות עבודה אגנטיות, רב-שלביות
- תואם למשפחת המודלים של Claude
- תקן פתוח לתפעול הדדי
Gemma 3
דגם AI בקוד פתוח המותאם לביצועי GPU יחיד, התומך בקלטים מולטימודליים ולמעלה מ-140 שפות.
Gemma 3 היא אוסף של מודלים פתוחים קלים במשקל וביצועים, מתקדמים ביותר, שנועדו לרוץ על מכשירים, במיוחד מותאמים לביצועים על יחידת GPU אחת. הוא תומך בקלטים מולטימודאליים וב‑יותר מ‑140 שפות. המודל מגיע במגוון גדלים (1B, 4B, 12B, ו‑27B), כך שמפתחים יכולים לבחור את ההתאמה הטובה ביותר לחומרה ולצרכי הביצועים שלהם. Gemma 3 מציע יכולות מתקדמות של reasoning טקסטואלי וויזואלי, חלון הקשר של 128 000 טוקנים, וקריאת פונקציות למשימות מורכבות. הוא כולל גם גרסאות קוונטיות לביצועים מהירים יותר ולדרישות חישוב מצומצמות. המודל הוא חלק מהמחויבות של Google להפוך טכנולוגיית AI שימושית לנגישה, והוא נבנה על בסיס המחקר והטכנולוגיה שמאחורי מודלי Gemini 2.0. Gemma 3 נועדה לאפשר למפתחים ליצור אפליקציות AI שיכולות לרוץ ישירות על מכשירים כגון טלפונים, מחשבים ניידים ותחנות עבודה. Gemma 3 מציג ביצועים מהמתקדמים ביותר לגודלו, ומקדם על מודלים אחרים כגון Llama3-405B, DeepSeek‑V3, ו‑o3‑mini בהערכות העדפת אדם ראשוניות. הוא מאפשר יישומים גלובליים עם תמיכה מוכנה לשימוש ביותר מ‑35 שפות ותמיכה מאומנת מראש ל‑יותר מ‑140 שפות. המודל מאפשר יצירת זרימות עבודה מונעות AI באמצעות קריאת פונקציות ופלט מובנה. הפיתוח של Gemma 3 כלל פרוטוקולי בטיחות קפדניים, כגון ממשל נתונים נרחב, התאמה למדיניות הבטיחות באמצעות כיוונון עדין, והערכות מדדים חזקות. משפחת המודלים הפתוחים של Gemma זכתה לאימוץ משמעותי, עם יותר מ‑100 מיליון הורדות וקהילה תוססת שיצרה יותר מ‑60,000 וריאנטים של Gemma. היכולות של Gemma 3 מתאימות למפתחים המחפשים ליצור חוויות משתמש מרתקות שיכולות לרוץ על GPU או TPU בודד.
חלוקת קריטריונים
- תמיכה ב-AI מולטימודלי
- פיתוח ממוקד באחריות
- כוונון עדין נרחב
- תמיכה ב-140 שפות
- ביצועים משופרים
Agency Swarm הוא מסגרת קוד פתוח שמבוססת על OpenAI Agents SDK ו-Responses API. היא מציעה סביבה מאורגנת ומוכנה לייצור ליצירת יישומי מרובי‑סוכנים. תכונות עיקריות כוללות תפקידים מותאמים אישית של סוכנים, היכולת להתמודד עם תשתיות מודלים שונות (למשל, מודלי משפחת GPT של OpenAI, Anthropic, Gemini של Google, OpenRouter של Azure וכלים LiteLLM עצמאיים), המופעלים בעזרת הדקורטור @function_tool (מומלץ) או באמצעות הרחבת אובייקט BaseTool. יתרון מרכזי בארכיטקטורת Agency Swarm הוא יציבותה בשתי סביבות – Python ו-Linux. ההתקנה פשוטה עם הפקודה הסטנדרטית pip install agency-swarm. התיאור צריך להסביר את Agency Swarm ככלי קוד פתוח המבוסס על OpenAI Agents SDK ו-Responses API. Agency Swarm הוא ערכת כלים קוד פתוח לבינה מלאכותית שמסייע למפתחים ליצור יישומים מרובי-סוכנים לפיתוח AI בעולם האמיתי. מאפיינים עיקריים: - כלים CLI אוטומטיים: גלו את REST API של היישום שלכם לקבלת גישה נוחה לשירותים המרכזיים ולשיפור הפרודוקטיביות. - תפקידי סוכן מותאמים: ניתן בקלות לקבוע פונקציות ספציפיות ורמות הרשאה לכל תפקידי סוכן, כדי להגביר את ההתאמה האישית ביישום שלכם. - יישום Full Stack: Agency Swarm היא פתרון Full Stack עבור Python בלבד. אם אתם על Linux, חשבו עליה כיישום Full Stack ללא מגבלות עקב ספריית הסטנדרט של Python. יתרונות: 1. יציבות בסביבות Python/Linux 2. אינטגרציה קלה עם היישום שלך 3. כלים CLI קומפוזאיים וקלים לשימוש 4. תפקידים מותאמים אישית של סוכן חסרונות: 1. מגבלות תאימות מודל שפה (בוטים אישיים: GPT-3, וכו') N/A 2. דרישות סביבה פיתוח N/A 3. תמיכה מוגבלת במערכת מאחורי מודל N/A 4. ממשק משתמש בסיסי N/A 5. יכולות למידה N/A 6. אינטגרציית תכונות N/A 7. תהליך תיעוד N/A 8. יכולות למידת מכונה AI: N/A 9. ניהול זרימת שיחה מתקדם N/A 10. יישומים רב‑שכבתיים N/A 11. ביצוע בו‑זמני N/A 12. גישה למצב האפליקציה N/A 13. פריסה אוטומטית N/A 14. ביצוע משימות מתקדמות N/A 15. סוגי סוכן מותאמים אישית N/A 16. תמיכה ב‑LLM גדול N/A 17. עובד ב‑Python ↻ N/A 18. שליטה מלאה N/A 19. מדידת ביצועים N/A 20. הצעת סביבות עבודה מקומיות N/A 21. אינטגרציה עם OpenALink: מסגרת פיתוח אתרים ליישומי Python 22. שיתוף פעולה עם סוכנים AI על פרויקט 23. ניתנות פירוש 24. מעקב N/A 25. אינטגרציית קוד מקור מלא N/A 26. סקלביליות N/A 27. ביצועים נמוכים N/A חסרונות:
חלוקת קריטריונים
- תפקידי סוכנים מותאמים אישית
- בקרת מלאה על בקשות והוראות
- כלים בטוחים מבחינת טיפוס לפיתוח
- תקשורת סוכנים מאורגנת
- שמירת מצב גמישה
- אורקסטרציה מרובת סוכנים
Mosaic AI Agent Framework
קיט של כלים על ידי Databricks לבנייה, הפצה ואבחון של זאקטים AI שלא טובה ובאפליקציות RAG
הפרוגרמה Databricks Agent Framework (AAF) היא קבוצת כלים שאותה מספקת Databricks לבניה, הפצה ושליטה בזאקטים AI. אלו יכולים להתחבר לאותו כלי, מסד נתונים, או אפליקציית SaaS באמצעות תיאום בוגר מינהלי (Model Context Protocol, MCP). הפרוגרמה כוללת התפתחות AI משולבת, הנתחנות והפצה רח"צ ללא שגיאת ניהול בתהליך, של Databricks Apps. Agent Bricks ו Unity Catalog מהווים רכבית חיבה למנהל ובטחון; הם יוחדו חוויות סגול על עיצבבמ, אינטגרציות, וחב"ג מוקדמים, כמו גם חוויות מגבן, מערומים, ואפשרות לחסימת, דב"ד, ובק'מיר.
חלוקת קריטריונים
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Centralized governance
- Per-user control