Prošla bitka · 2026-01-03 UTC
AI Agent Development Frameworks Obračun — 3. siječnja 2026.
Iz kategorije AI Agent Development Frameworks. 28 oznaka postavljeno među 10 boraca. Cerebrum: AIOS SDK je preuzeo krunu.
Konačni poredak
Postava
Borci
Profili svakog alata koji se natjecao u ovoj bitci, rangirani prema konačnom rezultatu.
Cerebrum: AIOS SDK
SDK za razvoj i implementaciju agenata temeljenih na LLM-u unutar okvira AIOSa.
Cerebrum je SDK za razvoj i implementaciju LLM zasnovanih AI agenti unutar AIOS (AI Agent Operating System) okvira. AIOS adrese izazove kao što su raspoređivanje, prijenos konteksta, upravljanje memorijom i upravljanjem alatima za LLM zasnovane agente. SDK Cerebrum omogućuje razvojiteljima gradnju i pokretanje aplikacija agenta međusobno interaktivno raditi s AIOS kerno. Cerebrum podržava obe Web UI i Terminal UI. SDK uključuje značajke za prikaz dostupnih LLM-ova, agenata i alata, kao i preuzimanje, učitavanje i pokretanje agenata i alata. Cerebrum je dizajniran za korisnike i razvojitelje agenata kako bi omogućio stvaranje i implementaciju aplikacija AI agenta.
Razljepljivanje kriterija
- Razvoj i implementacija agenata
- Upravljanje AI agenatom temeljenom na LLM-u
- Podrška za Web UI i Terminal UI
- Upravljanje agenata i alata
- Spisak dostupnih LLM-ova, agenata i alata
- Preuzimanje i uploadivanje agenata i alata
Awesome MCP Servers
Kurirana direktorij modela kontekstualnog protokola za proširenje pomoćnika AI sa oruđima i podacima.
Awesome MCP Servers je zajednički održavan lista servera Model Context Protocol (MCP) koji povezuje asistentima inteligentnih sustava s vanjskim sustavima. U svom katalogu nalaze se implementacije iz različitih kategorija kao što su baze podataka, datotečni sustavi, alati za razvoj, aplikacije za produktivnost i web usluge, čime se omogućava jednostavnije otkrivanje integracija koje proširuju mogućnosti modela. Ovu resursu su namijenjeno tvorcima softvera i izmajlovcima AI sustava koji žele dati LLM temeljunim agentima pristup stvarnim svjetskim podacima i aktivnostima bez potrebe pisati svaku poveznicu od nula. Uključene su obično poveznice na izvorne repozitorije, kratke opise i oznake koje pomažu korisnicima filterati prema korisnom slučaju ili tehnologiji. Zbog toga što prati otvoreni izvor 'super lista' formata, doprinos dolazi od šire MCP ekosustava, a lista evoluira uz sam protokol.
Razljepljivanje kriterija
- Kurirana lista implementacija servera MCP
- Kategorizirano po području i slučaju korištenja
- Poveznice na izvorni repozitorij i dokumentaciju
- Ovlašćeno i zajednička razlića
- Pružaju se mogućnosti zajedničkih doprinosa
- Referenca za tješću eksploataciju ekosustava MCP
OpenAI Codex SDK
SDK za ugrađivanje i kontrolu agenta Codexa programatski putem TypeScript-a, CLI-a ili GitHub Actions-a.
OpenAI Kodex SDK je kolekcija sofistikiranih alata za razvoj software koji omogućava razvojacima da integriraju i kontroliraju Kodex agente prema programu. Podruguje više interfejsa, uključujući TypeScript, CLI i GitHub akcije. SDK je dizajniran kako bi pružio fleksibilni način integracije Kodex agenata u različite aplikacije i radne tokove. Sa Kodex SDK-om razvojači mogu stvoriti prilagođene agente, definirati ponašanje agenata i upravljati radnim tokovima agenata. SDK također pruža alate za izradu vrijednih procjena i optimaliziranje performansi agenata. On je namijenjen razvojci koji žele izgraditi aplikacije koje koriste mogućnosti Kodex agenata. SDK nudi vrstu funkcija, uključujući podršku više modela i pružatelja, zaštićavanje agenata (sandbox), te integraciju s različitim alatima i uslugama.
Razljepljivanje kriterija
- Proizvodnja teksta
- Generiranje koda
- Generiranje slika
- Proizvodnja audio i govora
- Strukturno izlaz
- Zvanični poziv funkcija
BabyBeeAGI
Avansirana verzija BabyAGI sa poboljšanim upravljanjem zadaćama i funkcionalnošću.
BabyAGI je eksperimentalni okvir za gradnju samogradljivih autonomnih agenta. Kreiran je kao nastavak izvornog BabyAGI od ožujka 2023., koji je uveo planiranje zadataka za autonomne agente. Okvir je izgrađen oko novog okvira nazvanog 'functionz', koji sprema, upravlja i izvodi funkcije iz baze podataka. Osjeća se u njemu grafovska struktura za praćenje uključenih funkcija, ovisnih funkcija te tajnih autentičnih podataka, uz automaticko učitavanje i cjelovito prijavljivanje. Okvir također sadrži dashboard za upravljanje funkcijama, pokretanje ažuriranja te prikazivanje dnevničkih bilješaka. Projektiran je da bude jednostavan i pokrene razgovor u međusobnim razvojačkim zajednicama, a ne za proizvodnu upotrebu. Glavna ideja je graditi najjednostavnije što može sami graditi se, čime on postaje zanimljiv pristup za razvijanje autonomnih agenata.
Razljepljivanje kriterija
- Rješavanje funkcija i upravljanje metapodacima
- Slijednićeve slijedovi i važne ovisnosti
- Automatska učitanja i protokoliranja
- Preglednik za upravljanje funkcijama i pregled protokoliranja
Gemma 3
Otvorenog koda AI model optimiran za pojedinačnu performantu GPU, podržava multimodalne ulazne podatke i više od 140 jezika.
Gemma 3 je kolekcija lakih, najnovijih otvorenih modela dizajniranih za izvršavanje na uređajima, posebno optimiziranih za performanse na uređajima s jednim GPU procesorom. Podržava više ulaza ( multimodalne) i više od 140 jezika. Model je dostupan u različitim veličinama (1B, 4B, 12B, i 27B), što omogućava razvojaocima izbor najboljeg kompromisa između potrebenog hardvera i performansi. Gemma 3 nudi napredne mogućnosti tekstualnog i vizualnog razuma, okvir konteksta od 128k-tokena i pozivanje funkcija za složenije zadatke. Uključuje i kvantizirane verzije za lakše performanse i smanjene računarske zahtjeve. Model je dio Googleove namjere koji omogućava pristup korisnim tehnologijama AI i temelji se na istraživanjima i tehnikama koje upravljaju njihovim Gemini 2.0 modelima. Gemma 3 dizajniran je da omogućava razvojaocima stvaranje aplikacija AI koji se mogu izvršavati direktno na uređajima kao što su telefone, laptopi i radne stanice. Gemma 3 isprijeda savremene performanse za svoju veličinu, pobijedivši druge model u pračuvstvenoj procjeni preferencija kao što su Llama3-405B, DeepSeek-V3 i o3-mini. Omogućava globalne primjene uz prilagođeno podržavanje za više od 35 jezika, te preobrazbe podrške za više od 140 jezika. Model omogućava stvaranje tokova AI-uređenih tokova upisujući funkcije i strukturirani izlaz. Razvoj Gemme 3 uključivao je stroga sigurnosna protokola, kao što su opsežna upravljivanje podacima, učinak sigurnosnih politika pri fine-tuningu, te robustni vrednovanje referentnih standarda. Gemma3 porodica otkrivenih modela ugledala je značajan uspjeh, uz više od 100 milijuna preuzimanja i živahnu zajednicu koja je stvorila više od 60 000 varijanata Gemma. Moći Gemme 3 čine je primjerno za razvijače koji traže stvaranje ugodnih korisničkih iskustava koji se mogu prilagoditi pojedinoj GPU ili TPU domaćin.
Razljepljivanje kriterija
- podrška multimodalnog AI-a
- razvoj fokusiran na odgovornost
- širi proces fine-tuning
- podrška 140 jezika
- poznatija performanca
- features
ScreenAgent
Otrovni VLM agen je otvoren izvornik koji koristi pokretanje miša/tastature za kontrolu računalnog grafičkog korisničkog sučelja.
ScreenAgent je otvoren izvor Visual Language Model (VLM) agent koji služi za kontrolu računalne grafičke korisničke ploče pomoću miške i tipkovnice operacija. On omogućava interakciju s stvarnim računalnim ekranima prikazivanjem snimaka ekrana i izvršavanjem akcija. Projekt uključuje planiranje-izvršenje-ocjena proces koji vodi agenta da izvrši višekroga zadatake. Projekt je stvoren kako bi riješio izazov u učenju agentima korištenja računala, za koji su potrebne kapacitete kao što su planiranje zadataka, razumijevanje slika i vizualna poziciranja. Prikaz ScreenAgent-a, koji obuhvaća raznovrsne dnevnike računala, je ručno označavan kako bi podržao učenje agenta. Projekt sadrži klijenta za kontrolu desktopa, podatke koji su za podršku u učenju, radnike koji su za infereciju, te kod koji služi za trening. On podržava osnovno miško i tipkovničko upravljanje i može se primjenjivati na različita desktop operativna sistem i aplikacije. ScreenAgentova je približba univerzalna i ne zavisi od specifičnih API-ja što čini ga vjerodostojnim.
Razljepljivanje kriterija
- Pokretanje miša i tastature
- Planiranje-izvršenje-refleksija proces za završetak zadataka
- Podrška različitim sustavima računala odgovornim za radni stol i aplikacijama
- Mehanički označavanje podataka za ScreenAgent za raznovrsnu pokrivenost zadatka
- Agenca VLM za interakciju grafičkog korisničkog sučelja
AIWaves Agents
Računalno otvoren prilagodljiva platforma zastrojava LLG ugradak koji omogućava stvaranje, trening i razvrstavanje samonavodnih jezičkih agenasa.
AIWaves Agenti su otvoreni izvorni adaptivni okvir za LLM za gradnju, obuku i razmjestanje samostalnih razgovornih agenta. Aktualizacije do Agenta 2.0 su dodale podršku za učenje agenata i evaluaciju putem simboličnog učenja, sustavno okvir koji se inspirira treningom mreža. Taj okvir omogućava obuku jezičnih agenata stvaranjem analognog odnosa između tekućih trupa agenta i računalnih mrežnih kompjuterskih grafova. Okvir funkcionira tako da najprije izvrši agenta i pohrani njegovu putanju, uključujući ulazne vrijednosti, izlazne vrijednosti, upute i korisničke postavke. Potom vrednuje iznik u upotrebi jezikovnog gubitka, vrača gubitak za izračunavanje jezične gradijente i ažurira simboličke komponente agenta u skladu sa time. Ovakav proces omogućava agentima nastanak učenja i prilagođavanja tokom vremena. Agenata verzija 2.0 također podržava optimizaciju višegradskih sustava agenata prijeobrazavajući čvorove kao različite agente ili omogućavajući više agenata da djeluju unutar jednog čvora. U okviru okrungi dizajniran je tako da je fleksibilan i dopušta prodor različitim uporabama i istraživačkim smjerovima. Projekt pruža instalacijski vodič, koji uključuje mogućnosti instalacije iz Git repozitorija ili za lokalni razvoj. Također sadrži bibliografske referencije za srodne istraživačke radove. Snagu okvirne suzdržavaju njegova inovativna pristup u učenju agenta i njegovo potencijalno doprinositi razvoju istraživanja samoupravljajućih jezičnih agenata. Međutim, njena složenost i ovisnost o precizno dizajniranim tokovima uputa može predstavljati izazove za korisnike.
Razljepljivanje kriterija
- Podrška samonavodnim jezičkim agentima
- Trening jezičkih agenasa
- Razvrstavanje jezičkih agenasa
- Dovolatnost samo-dobavljujućih agenasa uz pomoć
Claude MCP Agents
agenta izračunana na bazi MCP-a za Anthropic-a za sljedbeno uključivanje alata i podataka.
Claude MCP agenci su AI agenci koji koriste protokol model konteksta (MCP) tvrtke Anthropic kako bi se povezali s širokim rasponom vanjskih izvora podataka, API-ja i razvoja vještačkih inteligencije. Standardizirajući kako kontekst teče između Claudea i vanjskih sustava sustava, ovi agenci mogu pročitat datoteke, pretražiti baze podataka, pozivati usluge i raditi u stvarnom vremenu na osnovu informacija bez potrebe za posebnim konfiguracijama integracija za svaki izvor. Cilj je usmjeren prema razvojačima i timovima koji grade automatizaciju, asistente istražitelja i agente rada koji treba pouzdan pristup tvrtkom ili ličnim podacima. Odredbe otvorenog MCP-a znače da isti agent može biti povezan u novo izdanje kao u veze izlaze, što smanjuje usmjereno vezivanje i prethodno prilagođavanje.
Razljepljivanje kriterija
- Integracija protokola MCP-a
- Povezivanje sa datotekama, API-jeve i baze podataka
- Mogućnost proširenja putem konfigurabilnih servera MCP-a
- Podrška agencijijskim, višekorakvim radnim procesima
- Saradljiv sa porodicom modela Claude-a
- Otvoren standard za interoperabilnost
BabyCatAGI
Lakši autonomni framework za inteligentne agente za učinkovitiju automatizaciju zadataka
BabyCatAGI je pojednostavljena i modificirana verzija BabyAGI dizajnirana za izvršenje složenih zadataka korištenjem samostalnih AI agenata. Razdvaja visoko razvijene ciljeve na upravljaljive podzadaće, izvršava ih u seriji, i prilagođava svoj plan temeljem intermedijarnih rezultata, čime je pogodno za istraživanje, stvaranje sadržaja i rješavanje višestolnih problema. Pogon usredotočuje se na minimum koda i čitljivost, što ga čini dostupnim razvojačima koji žele eksperimentirati s agentno AI bez prekomjerne terete većih orkestracijskih biblioteka. Integrira se s jezičnim modelima i veb pretraživanjem alata za skupljanje konteksta, razmišljanje kroz probleme i proizvodnju struktuiranih izlaznih vrijednosti. Kao otvoreni eksperimentalni projekt, BabyCatAGI odgovoran je za prototipiranje protokola agenta, učenje kako se kozajnstveni sustavi koji vode tasks operiraju, te prilagođavanje tokova za specifične potrebe automatisation.
Razljepljivanje kriterija
- Kreiranje i prioritarisanje zadataka
- Autonomno izvršavanje prethodnih zadataka
- Integracija web pretraživača za kontekst
- Radni tok različite logike
- Lakši implementacijski sustav Python
- Konzistentno korištenje ciljeva i provokacija
BabyDeerAGI
Okoslagani framework AI agenata koji omogućava izvršavanje u paralelu zadataka za poboljšanje učinka.
BabyDeerAGI je integrirani okvir za agenta umjetne inteligencije dizajniran za omogućavanje izvršavanja paralelnih zadataka u cilju poboljšanja učinkovitosti. Smjeruje se prema razvojačima i istraživačima koji tražiju optimizaciju svojih protokola AI-a. Dovodeći mnoge zadatake da se izvrše istovremeno, BabyDeerAGI može značajno smanjiti ukupno vrijeme procesiranja. Okvir je dizajniran s fleksibilnošću u mislima, podržava integraciju s različitim modelima AI-a i alatima. Međutim, konkretnije detalje o njegovim spremanostima i ograničenjima nisu opsežno dokumentirani u dostupnim izvorima.
Razljepljivanje kriterija
- Paralelno izvršavanje zadataka
- Podržana fleksibilna integracija s modelima AI
- Okoslagani framework AI agenata
- Podržavanje konkurtnog obradavanja
- Podržavanje konkurtnog procesiranja