Korábbi csata · 2024-07-19 UTC
AI Agent Development Frameworks Leszámolás — 2024. július 19.
A(z) AI Agent Development Frameworks kategóriából. 22 jelölés elhelyezve 7 versenyző között. kagent szerezte meg a koronát.
Végeredmény
A felállás
A versenyzők
Minden eszköz profilja, amely ebben a csatában versenyzett, a végső pontszámuk szerint rangsorolva.
kagent
Nyílt forráskódú keretrendszer, amely lehetővé teszi az AI ügynökök számára a Kubernetes-feladatok automatizálását.
A kagent lehetővé teszi az AI-ügynökök számára azon Kubernetes műveletek automatizálását, amelyek kiterjednek a felderítésre, megfigyelésre és kormányzásra is. Ezek az ügynökök könnyedén fognak üzembe helyezhetők, megfigyelhetők és kormányozhatók a szerinte ismert kubernetes tools használatával. A kagent képes az agentek elsőrangú terhelést létrehozni a Kubernetesen, lehetővé téve, hogy kiadhassuk őket úgy, mint a Kubernetes Personalizált Erőforrás Definíciók (CRDs) és revíziókat tehetünk a pull kérésben. Ebből az megközelítésből adódóan a készenléti Kubernetes eszközöket használhatjuk az agentek kezelésére. Az alapértelmezett keretrendszer nyílt forráskódú, és a Istio alapítóival együtt fejlesztették ki. Tükrözi egy széles választék nyelv- és keretrendszer-kombinációit, beleértve a Go és Python is, és lehetővé teszi más nagy nyelvi modell (LLM) szolgáltatók használatát is. A kagent jelentős védelmi és nyilvántartási funkciót kínál, beleértve az OpenTelemetry-tracing, a Prometheus-metrikkal és a strukturált naplózást. Támogatja a több futási környezet támogatását, az ügynök-ügynökön közléset és a Git-tárhelyektől való tudás betöltését. Összességében a kagent egy erős és rugalmas keretkészletet nyújt a Kubernetes-üzemek automatizálásához az AI-szeregek használatával.
Kritériumok szétosztása
- Ügynök-építő elemek gyors induláshoz és hatékony erőforrásközpontosításhoz
- Részletesen biztosított azok között az ügynökök és szolgáltatások közös bizalomra vonatkozó szabályozása szempontjából
- Hosszú távú memória az ügynököt és ügynökszintű esemény-ellenőrzéshez
- Humán felügyelő, eszközalkalmazott átkapcsolhatóságai és eszköz-kezdőkérdések
- Megosztó ügynökök a több ügynök által megosztott műveletek számára
BabyCatAGI
Könnyűsúlyú autonóm AI ügynök keretrendszer a feladatautomatizálás egyszerűsítéséhez
BabyCatAGI egy egyszerűsített, módosított verziója a BabyAGI-nak, amely autonóm AI ügynökök segítségével képes összetett feladatok kezelésére. Felbontja a magas szintű célokat kezelhető részfeladatokra, sorban végrehajtja őket, és a köztes eredmények alapján módosítja a tervet, így kutatásra, tartalomkészítésre és többlépcsős problémamegoldásra is alkalmas. A keretrendszer a minimális kódmennyiségre és az olvashatóságra helyezi a hangsúlyt, így könnyen hozzáférhető a fejlesztők számára, akik ügynök‑alapú AI-t szeretnének kísérletezni anélkül, hogy nagyobb orkestrációs könyvtárak terhét viselnék. Integrálja a nyelvi modelleket és webes keresőeszközöket a kontextusgyűjtéshez, a problémák megfontolásához és a strukturált kimenetek előállításához. Kísérleti nyílt forráskódú projektként a BabyCatAGI leginkább prototípus ügynök‑munkafolyamatokhoz, a feladat‑vezérelt autonóm rendszerek működésének megismeréséhez és egyedi automatizálási igényekhez való pipeline‑testreszabáshoz alkalmas.
Kritériumok szétosztása
- Feladatlista létrehozása és priorizálása
- Autonóm részfeladat végrehajtás
- Webes keresés integráció a kontextushoz
- Soros gondolkodási munkafolyamat
- Könnyűsúlyú Python implementáció
- Testreszabható célok és promptok
MCP‑Use
Nyílt forráskódú platform, amelynek célja a nagyszabású nyelvi modellek összekapcsolása az MCP kiszolgálókkal és a szabványos eszközök és adatok elérése által létrehozott egyedi AI ügynökök megépítése.
Az MCP Use nyílt forráskódú platform, amely lehetővé teszi a Large Language Models (LLMs) összekapcsolását MCP szerverekkel és lehetővé teszi a speciális AI ügynökök kifejlesztését, amelyek képesek interakcióba lépni ezekkel az LLM-kkel. A platform egy teljes körű MCP keretrendszert (mcp-use SDK) hoz létre, amellyel ChatGPT alkalmazások, Claude könyvtárak és MCP szerverek készíthetők. A MCP-Use segítségével a fejlesztők egyetlen kódot használnak azzal, hogy a különböző felületeken fel lehessen telepíteni alkalmazásukat, ahol pedig a felhasználók és ügynökök már dolgoznak, például a ChatGPT, Claude és a Gemini esetében. A platform számos eszközt és funkciót kínál, ilyen például a MCP-alkalmazások rögtönözése egyetlen parancsban, automatikus telepítés a Manufact Cloudra, valamint a beépített analitika és nyomon követés. A fejlesztők a mcp-use SDK használatával hozhatnak létre és üzemeltethetnek MCP-szervereket és alkalmazásokat akár további eszközök nélkül is. A platform továbbá Visual Inspector és szándpab tesztképességet biztosít, így a fejlesztők tesztelhetik alkalmazásaikat élő LLM nélkül. A MCP-Use a MCP alapú alkalmazások fejlesztésének és üzemeltetésének egyszerűsítését célozza, ezért vonzó választás a fejlesztők között, akik saját AI ügynököket és alkalmazásokat kívánnak építeni és üzemeltetni.
Kritériumok szétosztása
- MCP kiszolgálókezelés
- LLM összekapcsolás és integráció
- Egyedi AI ügynökfejlesztés
- Automatikus telepítés és skálázhatóság
- Látványos vizsgálatvezető és Sandbox tesztelési funkció
- Beépített analitika és megfigyelhetőség
Claude MCP Agents
A gyors és folyamatos eszközök és adatforrások integrálásához épülő AI ügynökök az Anthropic MCP-en.
A Claude MCP Agents olyan AI ügynökök, amelyek az Anthropic Model Context Protocol (MCP) használatával kapcsolódnak széles körű külső adatforrásokhoz, API-khoz és fejlesztői eszközökhöz. A kontextus áramlásának szabványosításával a Claude és a külső rendszerek között ezek az ügynökök képesek fájlokat olvasni, adatbázisokat lekérdezni, szolgáltatásokat meghívni és valós idejű információk alapján cselekedni anélkül, hogy minden forráshoz egyedi integrációra lenne szükség. A megközelítés fejlesztőknek és csapatoknak szól, akik automatizálást, kutatóasszisztenseket és workflow-ügynököket hoznak létre, amelyek megbízható hozzáférést igényelnek vállalati vagy személyes adatokhoz. Az MCP nyílt specifikációja azt jelenti, hogy ugyanaz az ügynök csatlakozhat új eszközökhöz, amint azok megjelennek, csökkentve a bezáródást és az integrációs terhelést.
Kritériumok szétosztása
- Model Context Protocol integrálás
- Csatlakozik fájloknak, API-knak és adatbázisoknak
- Kiterjeszthető a custom MCP szerverek használatával
- Támogatja az agencius, több lépéses workflow-okat
- Kompatibilis a Claude model családval
- Nyitott szabvány az egymás iránti kompatibilitás érdekében
Gemma 3
Egy nyílt forráskódú AI modell, amelyet egyetlen GPU teljesítményére optimalizáltak, támogatja a multimodális bemeneteket és több mint 140 nyelvet.
Gemma 3 egy könnyű, csúcstechnológiás nyílt modellgyűjtemény, amelyet úgy terveztek, hogy eszközökön fusson, különösen optimalizálva az egyetlen GPU teljesítményére. Támogatja a multimodális bemeneteket és több mint 140 nyelvet. A modell különböző méretekben érhető el (1B, 4B, 12B és 27B), lehetővé téve a fejlesztők számára, hogy a hardverüknek és teljesítményigényüknek leginkább megfelelő változatot válasszák. A Gemma 3 fejlett szöveges és vizuális következtetési képességeket kínál, 128 k tokenes kontextusablakot, valamint függvényhívást összetett feladatokhoz. Emellett kvantált verziókat is tartalmaz a gyorsabb teljesítmény és az alacsonyabb számítási igény érdekében. A modell a Google elkötelezettségének része, amely a hasznos AI technológia széles körű elérhetőségét tűzte ki célul, és a Gemini 2.0 modelleket meghajtó ugyanazon kutatásokra és technológiára épül. A Gemma 3 célja, hogy a fejlesztők olyan AI alkalmazásokat hozzanak létre, amelyek közvetlenül eszközökön, például telefonokon, laptopokon és munkaállomásokon futhatnak. A Gemma 3 csúcsteljesítményű teljesítményt nyújt a méretéhez képest, és előbbre jár a Llama3-405B, a DeepSeek‑V3 és az o3‑mini modellekhez képest a kezdeti emberi preferenciák alapján végzett tesztekben. Lehetővé teszi a globális alkalmazásokat, beépített támogatással több mint 35 nyelvhez, valamint előre betanított támogatással több mint 140 nyelvhez. A modell lehetővé teszi AI‑vezérelt munkafolyamatok létrehozását függvényhívás és strukturált kimenet segítségével. A Gemma 3 fejlesztése során szigorú biztonsági protokollokat alkalmaztak, többek között kiterjedt adatgovernance-t, a biztonsági irányelvekkel való összehangolást finomhangolás útján, és alapos benchmark értékeléseket. A Gemma nyílt modellcsaládja jelentős elfogadást ért el, több mint 100 millió letöltéssel és egy élénk közösséggel, amely több mint 60 000 Gemma változatot hozott létre. A Gemma 3 képességei alkalmassá teszik a fejlesztőket, akik vonzó felhasználói élményeket szeretnének létrehozni, és amelyek egyetlen GPU vagy TPU hoszton futtathatók.
Kritériumok szétosztása
- multimodális AI támogatás
- felelősségre vonásra összpontosító fejlesztés
- átfogó finomhangolás
- több mint 140 nyelv támogatása
- javított teljesítmény
Agency Swarm
Nyílt forráskódú, mesterséges intelligencia ügynök irányító keretrendszer, amely segítségével a kolaboratív ügynök swarmon keresztül automatizálható és felgyorsítható az AI fejlesztési folyamatok.
Az Agency Swarm egy nyílt forráskódú keretrendszer, amely az OpenAI Agents SDK-ra és a Responses API-ra épül. Strukturált és termelésre kész környezetet kínál több agentes alkalmazások létrehozásához. A főbb jellemzők közé tartoznak a testreszabható agent szerepek, a különböző modellbackendek (pl. az OpenAI GPT-család modelljei, Anthropic, Google Gemini, Azure OpenRouter és saját készítésű LiteLLM eszközök) kezelése, az @function_tool dekorátor (ajánlott) vagy a BaseTool Object kiterjesztésével. Az Agency Swarm architektúrájának egyik kulcsfontosságú előnye a stabilitása mind a Python, mind a Linux környezetben. A telepítés egyszerű a standard pip parancs segítségével: pip install agency-swarm. Leírás: Az Agency Swarm egy nyílt forráskódú eszköz, amely az OpenAI Agents SDK és Responses API-ra épül. Az Agency Swarm egy nyílt forráskódú AI eszközkészlet, amely segíti a fejlesztőket több ügynökös alkalmazások létrehozásában a valós világban történő AI fejlesztéshez. Főbb jellemzők: - Automatikusan létrehozott CLI eszközök: Fedezi fel az alkalmazás REST API-ját, hogy könnyen hozzáférhessen a magiszteriális szolgáltatásokhoz, és növelje a termelékenységet. - Testreszabható ügynök szerepek: Meghatározhatja az ügynök szerepekhez tartozó specifikus funkciókat és engedélyszinteket, hogy növelje az alkalmazás testreszabhatóságát. - Teljes körű megvalósítás: Az Agency Swarm egy teljes körű Python-ra épülő megvalósítás. Ha Linux rendszert használ, akkor gondolja úgy, hogy ez egy teljes körű megvalósítás a Python szabványos könyvtárának korlátozásai nélkül. Előnyök: 1. Stabilitás Python/Linux környezetben, 2. Egyszerű integráció az alkalmazásoddal, 3. Összetett és könnyen használható CLI eszközök, 4. Egyéni ügynök szerepek Hátrányok: 1. Nyelvi modell kompatibilitási korlátozások (személyi chatbotok: GPT-3, stb.) N/A 2. Fejlesztői környezet követelményei N/A 3. Korlátozott modell hátteret támogatás N/A 4. Alapvető felhasználói felület N/A 5. Tanulási képességek N/A 6. Funkció integráció N/A 7. Dokumentálási folyamat N/A 8. Gépi tanulás AI képességek: N/A 9. Fejlett párbeszédkezelés N/A 10. Többrétegű alkalmazások N/A 11. Egyidejű végrehajtás N/A 12. Hozzáférés az alkalmazási állapothoz N/A 13. Automatikus üzembe helyezés N/A 14. Fejlett feladatvégrehajtás N/A 15. Egyéni ügynök típusok N/A 16. Nagy nyelvi modell támogatás N/A 17. Működik Pythonban ↻ N/A 18. Teljes kontrol N/A 19. Teljesítménymérés N/A 20. Helyi munkaterületek kínálata N/A 21. Integráció az OpenALink-kel: egy webfejlesztési keretrendszer Python-alkalmazásokhoz 22. Együttműködés az AI-ügynökökkel egy projekten 23. Értelmezhetőség 24. Figyelés N/A 25. Teljes forráskód integráció N/A 26. Skálázhatóság N/A 27. Alacsony teljesítmény N/A Hátrányok:
Kritériumok szétosztása
- Testreszabható ügynök szerepek
- Teljes irányítás a promptok/utasítások felett
- Typ-safe eszközök a fejlesztéshez
- Hangolott ügynök-kommunikáció
- Flexibilis állapotmegőrzés
- Több ügynök hangolása
Mosaic AI Agent Framework
A Databricks által kínált szoftvercsomag egy felhasználóbarát platform az AI ügynöképítéshez, -kiküldéséhez és -értékeléséhez.
A Databricks Agent Framework egy olyan eszközcsoport, amelyet a Databricks biztosít az AI ügynökök készítéséhez, -kiküldéséhez és -igazgatásához. Ezek az ügynökök bármely eszközről, adatbázisról, illetve SaaS alkalmazásról átjuthatnak egyetlen, kormányzott protokollon (Módell Kontext Eljárás, MCP) keresztül. A keretrendszerbe integrált AI fejlesztés, kísérletezés és üzemeltetés beépített szolgáltatás a Databricks Apps és az infrastruktúra kezelés nélküli szervernél központi kormányzattal együttműködve. Az Agent Bricks és a Unity Catalog fontosak a kormányzat és biztonság számára; elrendezik a megkezdődött politikákat a modulok, eszközök és átkapcsolódásokra, a késedelemmel való szabályozás, késedelem nélküli átállások és más biztonsági eszközökkel együtt, amik a gyors injekció megelőzésére, érzékeny adatok észlelésére és tartalomképzésre szükségesek.
Kritériumok szétosztása
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Központosított kormányzat
- Felhasználói kontroll