過去のバトル · 2024-07-19 UTC
AI Agent Development Frameworks 対決 — 2024年7月19日
AI Agent Development Frameworksカテゴリーから。 7名の参戦者に22票が投じられました。 kagentが王座に。
最終結果
ラインナップ
参戦ツール
このバトルに参戦したすべてのツールの紹介。最終スコア順。
kagentはAIエージェントがKubernetesオペレーションの自動化を可能にする。 Kubernetesによるエージェントの展開、監視、および管理が容易になる kagentは、Kubernetes上のエージェントを、最初のクラスワークロードとして扱うことができるようにしています。エージェントは、Kubernetes Custom Resource Definitions (CRDs)としてバージョン管理でき、プルリクエストのレビューで管理できます。このアプローチでは、既存のKubernetesツールを利用してエージェントの管理が可能になります。 このフレームワークは、Istioの創設者によってオープンソースです。GoとPythonをはじめ、さまざまな言語やフレームワークの組み合わせに対応し、任意のLARGE LANGUAGE MODEL (LLM) 提供元を利用できるようになっています。 kagentは、OpenTelemetryトレース、Prometheus メトリクス、構造化ログなどの包括的なセキュリティおよびモニター機能を提供しており、Git リポジトリからの知識の読み込み、複数ランタイム対応、エージェント間のコミュニケーションなどにも対応しています。 kagentは、Kubernetesオペレーションの高度な自動化に最適なAIエージェントが含まれる強力で柔軟なフレームワークを提供します。
評価基準の詳細
- エージェントサブストラットを使用して、高速な起動と効率的なリソース利用
- ゼロトラスト用に、mTLSや詳細なRBACをサポート
- 長期的な記憶のためのパッケージ付きベクトルメモリ
- ユーザー参加型のツール承認ゲートとエージェントによる質問
- エージェント間の委任によって複数のエージェントフローを構成
- 大規模言語モデル(LLM)サービスの使用と任意の言語およびフレームワークをサポート
BabyCatAGIは、BabyAGIを基に簡素化および修正され、複雑なタスクを自動AIエージェントでサポートするものである。 BabyCatAGIは、高レベルの目標を管理できるサブタスクに分解し、ステップごとに実行し、結果に応じてプランを調整する。このように、研究、コンテンツ生成、多段階的な問題解決にとても向いている。 フレームワークでは、より大規模なオーケストレーションライブラリのオーバーヘッドなしでアクティブなAIに関して実験したい開発者向けに、最小限のコードと読みやすさを優先しています。LSTMやweb検索ツールなどと統合して、コンテキストの収集、問題の推論そして構造化された出力の生成を行います。 オープンな試験的なプロジェクトとして、BabyCatAGIはエージェントワークフローをプロトタイプ化するのに最適であり、タスクを推進する自動システムがどのように動くかを学び、特定のオートメーションニーズにカスタマイズされたパイプラインを作成するのに役立ちます。
評価基準の詳細
- タスクのリストの作成と優先
- Autonomousサブタスクの実行
- Web検索の統合
- 順次的な推論フラウゼットワーク
- 軽量のPython実装
- カスタマイズ可能な目標とプロンプト
"MCP-Use"はオープンソースのプラットフォームで、Large Language Models (LLMs)の接続に役立つMCPサーバーと、LLMsと連携できるカスタムAIエージェントの開発をサポートしています。このプラットフォームは、ChatGPTアプリをはじめ、Claudeコネクター、MCPサーバーなどを構築するためのフルスタックのMCPフレームワーク（mcp-use SDK）を提供しています。 MCP-Useを利用して、開発者は既存のユーザーとエージェントのいる複数のプラットフォームに対して、同じコードベースを使用してアプリケーションを展開できます。 ChatGPT、Claude、Geminiなど、そのようなプラットフォームに展開できます。プラットフォームは、MCPアプリケーションを1つのコマンドでサボルダリングする能力、製造クラウドへの自動展開、組み込み式の分析と監視など、さまざまなツールと機能を提供します。 開発者はmcp-use SDKを使用して、特に追加のツールを必要とせずに、MCPサーバーとアプリケーションを構築して展開できます。プラットフォームは、ライブLLMが必要なくアプリケーションをテストできる VISUAL INSPECTORとSANDBOX テスト機能を提供します。 MCP-UseはMCPベースのアプリケーションの開発と展開を簡素化することを目指しており、カスタムAIエージェントとアプリケーションを作成して展開する開発者にとって魅力的であるというオプションとなります。
評価基準の詳細
- MCPサーバーメンテナンス
- LLM接続と統合
- カスタムAIエージェント開発
- 自動展開とスケーラビリティ
- ビジュアルインスペクターとサンドボックステスト
- 組み込みアナリティクスと監視可能性
クラウド MCP エージェントは、モデル コンテキスト プロトコル (MCP) を使用して、外部データ ソース、 API、開発者ツールの幅広い範囲と接続します。これらのエージェントは、クラウドと外部システム間のコンテキストの流れを標準化することで、各ソース用に別々の統合が必要なく、ファイルを読み取ることができます。データベースを探索する、サービスを呼び出す、リアルタイム情報に対して行動することができます。 開発者やチームが、自動化、研究アシスタント、ワークフロー エージェントを作成するためのアプローチは、企業や個人のデータへの頼れるアクセスを必要とする製品群に向けられています。Claude MCP エージェントのオープン仕様により、同じエージェントが新しいツールに接続することができるため、固定対策や統合オーバーヘッドを削減できます。
評価基準の詳細
- MCP Model Context Protocol の統合
- ファイル、API、データベースに接続
- カスタム MCP サーバー経由で拡張
- エージェント型、多ステップワークフローをサポート
- Claude モデルファミリーと互換性がある
- オープンスタンダードによる相互運用性
Gemma 3は、主に1台のGPUの演算能力を最大限に引き出せるように最適化された、デバイスを対象とした軽量のオープンなモデルとしてのコレクションです。マルチモーダル入力に対応し、140以上の言語がサポートされている。モデルは様々なサイズ(1B、4B、12B、27B)が用意されており、開発者のハードウェアとパフォーマンスのニーズに合わせた最適なサイズを選択できる。Gemma 3では高度なテキストとビジュアル推論機能、そして128kトークンのコンテキスト窓を提供し、複雑なタスクに対して関数呼び出しをサポートします。また、より高速なパフォーマンスと計算要求の削減のために量化版も提供されています。これは、同社の「ジェミニ2.0モデル」に利用されている同様の研究とテクノロジーを基にしており、Googleが役立つAI技術を普及させるというコミットメントの一環です。Gemma 3は、スマホ、ラップトップ、ワークステーションなどのデバイスで直接動作できるAIアプリケーションを作成できるように設計されています。 Gemma 3は、他のモデル (LLMのLlama3-405B, DeepSeek-V3, o3-mini など) と比較した、初期の人間の好み評価で高いパフォーマンスを達成している。36を超える言語に対して、出-of-the-boxで全球的な展開に対応し、140を超える言語に対して事前統合でのサポートが可能である。モデルは機能コールと組み込まれた出力により、構造化されたAI-ドライブのワークフローを可能にする。 "Gemma 3 の開発には厳格な安全プロトコルが採用されました。その内容は、広範囲にわたるデータ管理の実施や、安全ポリシーの調整を含むフィンテューニングなどの安全性を向上させる措置、そして堅固なベンチマーク評価の実施などとなります。" "Gemma 3"ファミリーのオープンモデルは、大きな採用と共に急速に拡大しています。100万人を超えるダウンロード数と、60,000を超える「Gemma"をベースとしたユーザー独自のモデルが生み出されていて、その活気あるコミュニティの存在は、これらユーザー独自のモデルの成長に大きく貢献しています。 Gemma 3には、単一のGPUまたはTPUホストでエンゲージングなユーザー エクスペリエンスを開発することができる開発者向けに適切な機能が実装されています。
評価基準の詳細
- マルチモーダルAIサポート
- 責任のある開発のフコスト
- 拡張的なファインチューニング
- 140以上の言語のサポート
- パフォーマンスの改善
Agency Swarm
オープンソースのAIエージェント オーシャン フレームワークは、協力的なエージェント スワームを利用してAI開発プロセスの自動化とstreamingを設計しています。
Agency Swarmは、OpenAI Agents SDKとResponses APIを使用して構築されたオープンソースフレームワークです。複数エージェントアプリケーションの作成に対して構造化された且つ実稼働環境を提供します。主な機能としてはカスタマイズ可能なエージェントロール、異なるモデルバックエンド(OpenAIのGPTファミリーモデル、Anthropic、GoogleのGemini、AzureのOpenRouter、自作のLiteLLMツール)を取り込める(指定されていれば@function_toolデコレータや、Extending BaseToolオブジェクトを使用)の機能や、PythonとLinux環境における安定性が挙げられます。 Agency Swarmのアーキテクチャの主な利点は、pip install agency-swarmという標準的なpipコマンドで簡単に安装できることです。 Agency Swarm は、オープンソースのツールです。OpenAI の Agents SDK と Responses API を構築する上で役立ちます。 Agency SwarmというオープンソースのAIツールキットは、開発者が現実世界のAI開発で複数エージェントアプリケーションを実現するのに役立てることができます。 キーレス.feature • 自動生成されたCLIツール: REST APIを検出することで、主なサービスへのアクセスを容易し、生産性を向上させます。 • カスタマイズ可能なエージェントロール: 各エージェントロールに特定の機能と権限レベルを容易に決定することができ、ソフトウェアへのカスタマイズ性を向上させます。 • フルスタック実装: Agency SwarmはPythonのみをサポートするフルスタックです。 Linux環境で場合、パイソニックPython標準ライブラリによる制約なくフルスタック実装と考えることができます。 Agency Swarmの主な利点は次のとおりです。 1. Python とLinux 環境における安定性 2. 導入が容易なアプリケーションへの統合 3. 可変で使いやすいCLIツール 4. カスタム エージェントロール 短所: 1. Language Modelとの互換性の制限 (Personal chatbots: GPT-3、etc.) は対象外。 2. 開発環境の要件 は対象外。 3. Model Backendに対するサポートの制限 は対象外。 4. 基本的なユーザーインターフェースは対象外。 5. 学習機能 は対象外。 6.特徴の統合 は対象外。 7. ドキュメント作成プロセス は対象外。 8. 機械学習 AI機能:対象外。 9.高度な会話フロー管理 は対象外。 10. マルチレイヤー アプリケーション は対象外。 11. 同時実行 は対象外。 12. アプリケーションSTATEへのアクセス は対象外。 13. 自動展開 は対象外。 14. 高度なタスク実行 は対象外。 15. カスタム エージェント タイプ は対象外。 16.Large Language Modelサポート は対象外。 17. Pythonで動作 ↻ は対象外。 18. 完全なコントロール は対象外。 19. パフォーマンス測定 は対象外。 20. ローカルワークスペースを提供する は対象外。 21.integrating with OpenALink: PythonアプリケーションのためのWeb開発フレームワーク。 22.プロジェクトでAIエージェントと協力する 23. 解釈可能性 24.監視 は対象外。 25.フル ソース コード統合 は対象外。 26. スケーラビリティ は対象外。 27.低パフォーマンスは対象外。 欠点や短所として言えば、 Agency Swarm の場合、 - ユーザーが API キーの管理をしっかなくすること - API キーの盗難のリスク - システムの高度な理解とエンジニアリングのスキルを持たないユーザーにとっては利用難易度の高い API - 最新の LLM テクノロジが変更になった場合、開発環境に影響を与える可能性がある
評価基準の詳細
- カスタマイズ可能なエージェント ロール
- 全てのキャラクタ/指示の制御
- 開発用ツールは型safe
- エージェントの通信を導管
- 柔軟なステートの持続
- 複数エージェントを導管する機能
Databricksエージェントフレームワーク(DAF)は、マネジメントインフラをせずにサーバーレスコンピューティングを活用したAIの開発、実験、展開を対象とするセットのツールとして、Databricksが提供しています。その中には、マネジング、展開、統合されたAI開発と実験を可能にするため、データベースやSaaSアプリケーションなどに対しては単一の統合されたプロトコルModel Context Protocol(MCP)を通じて接続することが可能です。エージェント ブリックやUnity Catalogは、統制とセキュリティを確保するために不可欠で、その中にはモデル、ツール、接続に対して事前に定義されたポリシーを適用し、リート限界、フォールバック、などの対策を適用できます。たとえば、パラメータインジェクション防止、センシティブデータの検出、内容フィルタリングなどに対しても対策を講じていて、エージェントフレームワークの統合された管理とセキュリティ機能は、エージェントの管理、連携、監視、保護全般に活用できます。
評価基準の詳細
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- 中央集権的な管理
- ユーザごとの制御