지난 배틀 · 2026-01-03 UTC
AI Agent Development Frameworks 대결 — 2026년 1월 3일
AI Agent Development Frameworks 카테고리에서. 10개의 참가자에 걸쳐 28 표시가 배치되었습니다. Cerebrum: AIOS SDK이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
Cerebrum AIOS (AI ) LLM-based AI AIOS . AIOS LLM-based , , , . Cerebrum SDK AIOS , Web UI Terminal UI. SDK LLM, , , , . Cerebrum , , LLM-based AI .
평가 기준 분해
- AI
- LLM-based AI
- Web UI Terminal UI
- AI
- LLM, ,
- AI ,
Awesome MCP 세버는 AI 어시스턴트를 외부 시스템과 연결하는 Model Context Protocol (MCP) 서버로 구성된 커뮤니티 관리 목록입니다. 데이터베이스, 파일 시스템, 개발자 도구, 생산성 앱, 웹 서비스 등 카테고리별実装을 캘로거에 등록해 AI 모델의 능력을 확장하는 통합을 쉽게 찾을 수 있게 해줍니다. "AI 도구 개발자와 빌더를 위해設計된 리소스는 사람 인공지능(AI)이 실제โลก의 데이터와 동작에 접근할 수 있도록 함으로써 API, SDK 및 다른 기술을 수동으로 개발하지 않아도 된다는점에서 유용하게 이용될 수 있습니다. 각 항목에는 사용자들이 사례나 기술을 기준으로 필터링하기 위한 태그 및 링크된 소스 레포지토리와 짧은 설명이 포함되어 있습니다. Awesome MCP 서버는 오픈 소스 '어썸 리스트' 포맷을 따르므로, MCP 생태계의 더 넓은 범위에서 공헌이 이루어지고, 프로토콜 그 자체와 함께 목록이 진화하게 됩니다.
평가 기준 분해
- MCP
- API
- GitHub SDK
- API API
- API
- MCP API
OpenAI Codex SDK
OpenAI Codex SDK를 통해 programmatic하게 TypeScript, CLI 또는 GitHub Actions를 통해 Codex 에이전트를 제어하고 임베드 할 수 있습니다.
OpenAI Codex SDK은 프로그램적으로 코덱 에이전트를 임베드하고 제어할 수 있는 소프트웨어 개발 키트입니다. TypeScript, CLI, 및 GitHub Actions와 같은 다중 인터페이스를 지원합니다. SDK는 다양한 응용 프로그램 및 워크플로에 코덱 에이전트를 통합하기위한 linhages한 방법을 제공하고 있습니다. 코덱 SDK를 사용하여 개발자들은 사용자 정의 에이전트를 만들 수 있으며 에이전트의 동작을 정의하고 에이전트 워크플로를 관리할 수 있습니다. SDK는 에이전트 성능을 평가하고 최적화하기위한 도구도 제공합니다. 코덱 에이전트의 기능을 살린 응용 프로그램을 빌드하려는 개발자들을 위하여 설계되었습니다. 또한 여러 모델 및 제공자, 에이전트 샌드박싱 및 다양한도구와 서비스의 통합과 같은 다양한 기능을 제공하는 SDK입니다.
평가 기준 분해
- 텍스트 생성
- 코드 생성
- 이미지 생성
- 오디오 및 발언 생성
- 구조적인 출력
- 함수 호출
BabyAGI . March 2023 , . 'functionz' , . , , , . , . , , . , . ,
평가 기준 분해
_gemma 3_은 가볍고 cutting edge의 open 모델들의 집합으로 이는 단일-GPU 성능에최적화되어 장치에서 실행되도록 설계되어져 있다. 이는 다중 모드 입력 및 140여개의 언어를 지원한다. 모델은 여러 크기 (1B, 4B, 12B, 및 27B)으로 제공되어 개발자가 가전제품 및 성능 요청에 최적화된 모델을 선택 할 수 있다. _gemma 3_ 또한 고급 텍스트 및 시각적 사고능력, 128k-토큰 컨텍스트 window, 및 함수 호출 capability를 제공한다. 이는 복잡한 작업에 필요한 빠른 성능 및 연산 요구를 줄여주는 최적화 모델이다. 모델은 Google이 유용하고 유용한 AI 기술에 대한 접근성을 높이기위한 노력의 일환으로 설계되었으며 Gemini 2.0 모델에 사용된 동일한 기술과 연구를 기반으로 한다. 이는 장치 (핸드폰, 데스크톱, 워크스테이션 등)에서 직접 실행되는 AI 애플리케이션을 개발하는데에 개발자가 지원을 받는 것을 목표로 한다. Gemma 3는 규모에 대한 최고 수준의 성능을 제공하여 초기 인간 선호도 평가에서 Llama3-405B, DeepSeek-V3, o3-mini와 같은 다른 모델을 초월합니다. 이 모델은 기본 제공 언어가 35개 이상인 전 세계 응용 프로그램을 허용하고 기본 TRAINED 지원 언어가 140개 이상인 LLL(Large Language Model), SaaS(Software as a Service) 모델입니다. 이 모델은 함수 호출과 구조화된 출력을 사용하여 AI에 의해 구동되는 워크플로우의 생성을 허용합니다. Gemma 3의 개발 프로세스에는 엄격한 안전 프로토콜이 포함되어 있었다. 데이터 게이트KEEPING에 대한 광범위한 정책, 안전 정책에 대한 맞춤 튜닝 및 탄탄한 벤치마크 평가와 같은 요소들에 대한 동의이 있었다. Gemma 3 가족 내의 오픈 모델은 100만 이상의 다운로드와 함께 활발한 커뮤니티를 보유하고 있습니다. 이 커뮤니티는 Gemma variant의 60,000 종을 성공적으로 생성해 냈습니다. Gemma 3의 기능은 개발자를 위해 개발되었습니다. 사용자 경험을 구상하기 위한 장치를 1개의 GPU또는 TPU 호스트로 사용하는 개발자에게 적합합니다.
평가 기준 분해
- 멀티모달 AI 지원
- 책임을 기준으로 개발
- 적극적인 Fine-tuning
- 140개 이상의 언어 지원
- 최적화된 성능
ScreenAgent은 오픈 소스 Visual Language Model (VLM) 에이전트로 컴퓨터의 GUI를 마우스와 키보드 작업으로 제어하는 데 설계되었습니다. 스크린샷을 관찰하고 작업을 실행하여 실제 컴퓨터 화면과 상호 작용할 수 있습니다. 이 프로젝트는 여러 단계의 작업을 완료하려면 에이전트에 대한 가이드로 계획-실행-반성이 포함됩니다. 에이전트가 컴퓨터를 사용하는 것을 가르칠 수 있는 challeng를 해결하기 위해 만들어졌습니다. 이는 과제 계획, 이미지 이해, 시각적 위치화와 같은 기능이 필요합니다. ScreenAgent 데이터 세트는 다양한 일상 컴퓨터 업무를 다룹니다. 이 데이터 세트는 에이전트의 학습을 지원하기 위해 수동으로 어노테이션되었습니다. 프로젝트는 데스크톱을 제어하는 클라이언트, 모델 워커สำหร인ферен스, 모델 교육 코드의 트레이닝 코드로 구성됩니다. 기본 마우스와 키보드 작업을 지원하고 데스크톱 운영 체제 및 응용 프로그램의 다양한 버전에 적용할 수 있습니다. ScreenAgent의 접근법은 유니버설로 특정 API에 의존하지 않습니다. 따라서 유연하게 사용할 수 있습니다.
평가 기준 분해
- 마우스 및 키보드 작동 실행
- 완료 작업을 위해 계획-실행-사후 검토 과정
- 各种 데스크톱 운영 체제 및 응용 프로그램을 지원
- ScreenAgent 데이터셋의 다양한 과업 커버리지를 위해 수동 주석작업
- GUI 상호 작용을 위한 VLM 에이전트
AIWaves 에이전트는 오픈 소스 적응형 LLM 프레임워크로 자가언어 에이전트를 구축, 훈련 및 배포하는 데 사용됩니다. 에이전트 2.0 업데이트로 에이전트 학습 및 심볼릭 러닝을 통해 평가를 지원합니다. 이 프레임워크는 네트워크 트레이닝을له음 모방한 시스템적 프레임워크에서inspired 심볼릭 러닝으로 에이전트 전처리와 네트워크 컴퓨팅 그래프를 연결할 수 있게합니다. 이 프레임워크는 에이전트를 먼저 실행하고, 입력, 출력, 프러미프트, 도구 사용을 포함한 에이전트의 트래JECTORY를 저장합니다. 그런 다음 언어 기반 손실 함수를 사용하여 결과를 평가하고 손실을 역전파하고 언어 그래디언트를 계산하여 상징적 컴포넌트를 업데이트하는 에이전트의 에이전트의 상징적 구성 요소를 업데이트합니다. 이 프로세스는 에이전트가 시간이 지남에 따라學習 및 적응할 수 있도록합니다. Agents 2.0은 노드들을 서로 다른 개체로 다루거나 단일 노드 내에서 다중 에이전트가 활동하도록 허용하여 다중 에이전트 시스템의 최적화를 지원합니다. 프레임워크는 다양한 응용 프로그램과 연구 방향을 지원하기 위해 гиб하고 확장 가능하게 설계되었습니다. 이 프로젝트에는 Git 저장소나 로컬 개발용으로 설치하는 옵션이 포함된 설치 가이드와 관련된 연구 문서의 인용이 제공됩니다. 이 프레임워크의 장점은 지식형 에이전트 학습에 혁신적인 접근 방식 및 tự조율 언어 에이전트연구에 대한 가능성에 있다. 그러나 보다 정교한 프롬프트 파이프라인을 설계하는 필요로 인해 프레임워크의 복잡성과 사용자가 마주할 수 있는 challanges가 있다.
평가 기준 분해
- 자율적 언어 에이전트 지원
- 언어 에이전트 훈련
- 언어 에이전트 배포
- 자체 진화 에이전트 가능
"Claude MCP 에이전트는 Anthropic의 모델 상호 운용성 프로토콜(m) (MCP)으로 외부 데이터 소스, API 및 개발자도구와 연결하는 AI 에이전트입니다. 모델 상호 운용성 프로토콜(MCP)으로 외부 시스템과 콘텍스트 흐름을 STANDARD화 함으로써 이러한 에이전트는 파일을 읽을 수 있게 되고, 데이터베이스에 대한 쿼리를 실행해 볼 수 있게 됩니다. 이 에이전트는 서비스를 호출할 수 있고, 실시간 정보에 반응할 수 있습니다. 또한 각 소스에 대한 커스터마이즈된 통합의 필요 없이, 이러한 에이전트는 데이터 소스 간의 콘텍스트 흐름을 관리할 수 있습니다." 개발자 및 팀은 automate, research assistants 및 workflow agents를 구축하려는 경우 enterprise 또는 personal 데이터에 신뢰할 수 있는 접근이 필요합니다. MCP의 open specification은 새 tool과 connector가 출현함에 따라 lock-in 및 integration overhead를 줄일 수 있게 해서 identical한 agent가 new tool에 plug-in할 수 있기에, 같은 방안임을 의미합니다.
평가 기준 분해
- Model Context Protocol 통합
- 파일, API, 데이터베이스와 연동
- MCP 서버를 통해 확장 가능
- 의사결정 workflow를 지원하는 에이전트
- Claude 모델 패밀리와 호환
- 다자간 상호운용을 위한 Open 표준
비비 캐트 AGI는 복잡한 작업을 처리할 수 있는 자가진영 인공지능 에이전트로 설계된 비비 AGI의 간소화된 버전입니다. 이는 고차원 목표를 분할하고 일련의 절차를 통해 수행하여 중간 결과에 대한 적응성으로 계획을 조정하므로, 연구, 콘텐츠 생성, 및 다단계 문제 해결에 적합합니다. 이 프레임워크는 코드가 최소화되고 읽기 쉬울 수 있도록 프로그래머를 위해 설계되었습니다. 이를 통해 더 큰 구동 라이브러리와 비교하여 에이전트 지능에 대해 실험하고 싶은 프로그래머들이 쉽게 접근할 수 있습니다. 프레임워크는 AI 모델과 웹 검색 도구를 통해 컨텍스트를 수집하고 문제를 통해 주장하며 구조화된 출력을 생성하는 데 통합됩니다. BabyCatAGI는 개방형 실험 프로젝트로서, 에이전트 워크 플로우의 프로토타이핑, 태스크 기반 자율 시스템의 동작 방법 학습, 그리고 특정 자동화 요구에 맞게 파이프 라인의 커스터 마이징을 위한 최적의 도구입니다.
평가 기준 분해
- 태스크 목록 생성 및 우선순위 지정
- 자율적 하위 태스크 실행
- 웹 검색 통합을 통한 컨텍스트
- 순차적推論 워크플로
- 경량 파이썬 구현
- 사용자 정의 가능한 목표 및 프롬프트
BabyDeerAGI AI API SDK SaaS. , AI . , BabyDeerAGI AI .
평가 기준 분해
- AI
- AI LLM
- AI