지난 배틀 · 2025-01-11 UTC
AI Agent Development Frameworks 대결 — 2025년 1월 11일
AI Agent Development Frameworks 카테고리에서. 10개의 참가자에 걸쳐 38 표시가 배치되었습니다. Mastra이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
마스트라는 AI 운영할 수 있는 애플리케이션들과 에이전트들을 구축하기 위한 오픈 소스 Type Script 프레임워크입니다. 여러 개발자 도구들을 제공하여 개발자가 생각을 구현하는 일련의 과정을 돕고 있습니다. 이에는 에이전트, 워크플로우, 메모리, 워크스페이스 그리고 관찰 가능성을 포함합니다. 마스트라는 다양한 프론트 엔드와 백 엔드 프레임워크들과 통합 할 수 있고 SaaS 로 배포할 수도 있습니다. 다양한 기능들을 구축하도록 DEVELOPERS에게 도움을 줄 수 있기 때문에, 내부 자동화 에이전트, 고객을 대하는 에이전트와 같이 범위가 많습니다. 특정한 기능이 포함되어 있습니다. 관찰 가능성, 반복적인 검사 그리고 캐시 가능한 재개할 수 있는 스트림과 같은 이들입니다. 이 시스템은 급속하게 성장하는 Start up 그리고 다국적 큰 조직들의 개발에 적합한 지원을 하기 위해서 설계된 시스템입니다. 마스트라는 에이전트로 모듈화된 아키텍처를 가지고 있습니다. 에이전트에는 지시, 모델, 도구 및 런타임 동작으로 정의할 수 있습니다. 에이전트는 사용자와 상호 작용하여 작업을 완료하고 제품 흐름에 전달할 수 있습니다. 또한 프레임워크에서 이벤트 시스템을 제공하며, Redis Streams 및 Google Cloud Pub/Sub를 통해 이벤트를 발행하고 구독할 수 있는 시스템도 제공합니다. 마스트라는 풍부한 자원으로 구성된 생태계를 제공합니다. 이는 도서, 블로그, 가이드 등 다양한 자원으로 구성되어 있습니다. 또한 대용량의 사용자 커뮤니티를 가지고 있으며 다양한 산업 분야에서 널리 채택되고 있습니다.
평가 기준 분해
- 에이전트
- 워크 폴로우
- 메모리
- 워크스페이스
- 관측성
- 인터그레이티드 이벤트 시스템
AI 레전드는 무소유 플랫폼입니다. 자동 AI 에이전트가 작업을 수행하는 동안 협력하는 것을 가능하게 만듭니다. GPT-3.5-터보와 GPT-4와 같은 대규모 언어 모델을 사용하여 에이전트가 상호 작용하고 복잡한 목표를 달성할 수 있도록합니다. 플랫폼은 이러한 에이전트를 설정하고 관리하는 데 필요한 프레임워크를 제공하는包括 구성 파일, API, 워크플로를 말합니다. AI 레전드는 확장 가능하고 사용자가 자신의 모델, 동작, 기능을 만들고 통합 할 수 있도록 하여 확장 가능하고 사용자 정의가 가능합니다. 이 플랫폼은 자율 AI 시스템을 개발, 배포, 연구에 적합한 다양한 사용 사례가 포함됩니다. AI Legion의 환경을 설정하려면 해당하는 의존성들을 설치해야 합니다. Node.js와 OpenAI API 키들을 포함한 의존성들입니다. 에이전트들을 콘솔을 통해 스플리 업하고 제어할 수 있습니다. 플랫폼 또한 에이전트 상태를 주관할 기능들을 제공합니다. 이벤트 로그들을 삭제하고 에이전트들을 커스터 마이즈 된 구성으로 재시작하는 기능들을 포함합니다. AI Legion은 자율 AI 시스템을 개발하고 배포하는 강력한 도구입니다. 개방 소스 구조를 통해 광범위한 사용자들에게 접근할 수 있지만, 효과적으로 사용하려면 유의미한 기술 지식과 구성을 위한 노력이 필요합니다. AI Legion의 주요 이점 중 하나는 기계학습과 지식 그래프 기술을 결합하여 요소들이 시간의 경과에 따라 학습하고 적응할 수 있게 하여 주는 것입니다. 이것은 요소들이 환경과 상호 작용함에 따라 수행 능력과 의사 결정 능력을 향상할 수 있게 합니다. 이런 식으로 AI Legion은 몇 가지 도전과 한계를 보이는데, 이러한 제한된 환경 내에서 지속적인 최적화 및 관리 노력이 필요하며 에이전트 오류와 무한 루프의 위험이 발생하고, 큰 토큰 수 및 API 사용 비용의 고비용 문제가 제기됩니다. 또한 대규모 언어 모델의 사용은 편향성과 정확성에 대한 우려를 낳았습니다. 스펙킹으로는, AI Legion은 웹 검색, 사용자 정의 검색 엔진 및 API 지원을 포함하며, 사용자 정의 설정과 함께 에이전트를 재시작할 수 있는 에이전트 상태 관리 기능도 제공한다. además, 플랫폼은 사용자들이 모델, 액션 및 기능을 생성하고 적합화할 수 있도록 높은 수준의 확장성을 제공한다. AI Legion의 잠재적 적용 사례 중에는 자율 AI 시스템의 연구 개발, AI 보조 흐름 및 프로세스 배치, 사용자 맞춤형 AI 보조 툴 및 응용 프로그램의 구현이 포함될 수 있습니다. 전반적으로 AI 레전드는 무인 AI 시스템을 구축하고 배포하기 위한 강력하고 확장성 있는 플랫폼이다. 그러나 효과적으로 사용하려면 명확한 기술적 전문성을 갖고야 하며 구성 과정 또한 막대한 노력을 필요로 한다.
평가 기준 분해
- 웹 검색
- 사용자 지정 검색 엔진
- 통합을 위한 API 및 웹후크
- 에이전트 상태 관리
- 사용자 지정 모델 및 동작 생성
- 지식 그래프 및 기계 학습 기능
AutoML-Agent은 개방형 소스 프레임워크로, 협력적 언어 모델 에이전트를 사용하여 전사적 기계 학습 생태계를 담당합니다. 단일 모델이나 스크립트를 의존하지 않고, 데이터 이해 및 전처리, 모델 선택, 학습 및 평가와 같은 태스크를 협력이자 목표를 공유하는 분업화된 에이전트 간에 위임합니다. 자동 실험을 위한 전처리 코드를 작성해야하는 부담을 줄이고자하는 연구원과 개발자들을 위해 설계된 이 프레임워크는 데이터셋과 목표를 자연어로 기술하여 사용자가 에이전트가 제안, 생성, 반복적으로 시도해볼 후보 솔루션을 도출하고 나아가 그 결과와 이유를 표면화할 수 있도록 한다. 그는 오픈 소스로, AutoML-Agent는 개인화 된 에이전트, 도구 또는 모델 백엔드와 확장 될 수 있다. 이로 인해 다중 에이전트 워크플로의 연구 테스트베드로도 Practical AutoML 시스템으로 사용 할 수 있다.
평가 기준 분해
- 다중 에이전트 LLM 오케스트레이션
- 자동 데이터 프리프로세싱 및 특징 핸들링
- 모델 선택 및 하이퍼파라미터 검색
- 훈련 및 평가 파이프라인 생성
- 자연어 작업 사양
- 사용자 정의 에이전트를 위한 확장可能 아키텍처
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 ,
_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
MiniMax-M1은 개방된 가중치, 대규모 혼합 집중 추론 모델입니다. lightning 집중 메커니즘과 Hybrid Mixture-of-Experts(HMoE) architcture가 결합된 MoE ARCHITECTURE를 통해 테스트 시에 컴퓨팅 성능 향상이 가능합니다. 1,000,000개의 토큰을 포함하는 콘텍스트를 지원하고 있으며,RL(reinforcement learning)으로 훈련된 다양한 문제 해결을 지원합니다. 개방된 가중치의 강력한 모델 중에서도 복잡한 소프트웨어 엔지니리즘, 툴 사용, 그리고 긴 콘텍스트 태스크에서는 MiniMax-M1이 다른 모델을 우수하게 수행합니다. 표준 벤치마크에 대한 실험 결과 MiniMax-M1은 수학, 프로그래밍, 소프트웨어 엔지니어링, 수동 도구 사용, 및 긴 문맥 이해와 같은 카테고리 태스크에서 다른 모델을 뛰어넘는 성능을 보인다. 이 모델은 매우 복잡한 작업을 처리하고 장기간에 걸친 심각한 사고가 필요할 때 특히 적합합니다. 이러한 작업에는 긴 입력 값이 포함될 수 있으며, MiniMax-M1는 이러한 요구에 부응하여 효율적으로 처리할 수 있습니다. MiniMax-M1은 다음 유전자 성장 언어 모델 에이전트에 대한 강력한 기초를 제공하여 현실 세계의 어려움에 대처하기 위해 사고하고 해결할 수 있습니다. 리드 커미싱 및 오픈 웨이트 모델의 다양한 카테고리 태스크에서 성능 비교를 통해 모델의 성능을 확인하실 수 있습니다. 기술 보고서는 모델의 구조, 교육 규약 및 평가 결과에 대한 더 많은 정보를 제공합니다.
평가 기준 분해
- 혼합 Mixture-of-Experts (MoE) 아키텍처
- 번개 주의 mechanism
- 보상 학습 (RL) 규모 프레임워크
- Context 길이 1 백만 토큰
- 테스트 시간 컴퓨팅 효율적인 확장
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
BabyAGI . March 2023 , . 'functionz' , . , , , . , . , , . , . ,
평가 기준 분해
mcp-use은 공개 소스 플랫폼입니다. 이 플랫폼은 Large Language Models(LLMs)과 MCP 서버를 연결하는 것을 편안하게 하며, 사용자가 이러한 LLMs와 상호 작용할 수 있는 맞춤형 AI 에이전트를 개발할 수 있도록 합니다. 이 플랫폼은 ChatGPT 앱, Claude 연결자 및 MCP 서버를 만들기 위한 풀 스택 MCP 프레임워크(mcp-use SDK)를 제공합니다. mcp-use를 이용하면 개발자들은 이미 사용자의 위치와 에이전트가 존재하는 다양한 표면에서 적용 프로그램을 배포할 수 있는 하나의 코드베이스를 사용할 수 있습니다. 이러한 표면에는 ChatGPT, Claude, Gemini가 포함됩니다. 이 플랫폼은 MCP 애플리케이션을 하나의 명렁어로 scaffold하는 기능, Manufact Cloud로 자동 배포, 그리고 내장 분석 및 관찰성 기능과 같은 다양한 도구와 특징을 제공합니다. 개발자들은 MCP-Serve를 생성하기 위해 MCP-UseSDK를 사용할 수 있습니다. 이 플랫폼은 또한 Visual Inspector 및 Sandbox 테스트 기능을 제공하여 개발자가 온라인 LLM없이 애플리케이션을 테스트할 수 있도록 도와줍니다. mcp-use는 MCP 기반 애플리케이션의 개발 및 배포를 간소화하며, 사용자 정의 AI 에이전트 및 애플리케이션을 구축 및 배포하려는 개발자들을 위한 유망한 옵션입니다.
평가 기준 분해
- MCP 서버 관리
- LLM 연결 및 통합
- 사용자 지정 AI 에이전트 개발
- 자동 배포 및 확장성
- 비주얼 인스펙터와 샌드박스 테스트
- 내장 분석 및 observability
Rasa는 개발자들이 데이터, 모델 및 배포에 대한 완전한 통제력을 갖출 수 있는 친화적 대화나 음성 어시스트를 구축하는 데 도움을 주는 대화식 AI 플랫폼입니다. 오픈 소스 코어는 자연어 처리와 대화 관리를 처리하며, Rasa Pro는企业 기능 인 분석, 보안 제어 및 확장 가능한 인프라를 추가합니다. 라사 스튜디오(Rasa Studio)는 프로그래밍을하지 않고도 훈련 데이터, 플로우 및 테스트를 협업하기 위한 저코드 인터페이스를 제공하며 디자인师와 대화 팀을 지원한다. 이 도구를 이용하면 메세징 채널, IVR 시스템 및 커스터ム 애플리케이션을 통해 조합된 팀이 보조기를 빠르게 배포할 수 있다. Rasa는 금융, 통신, 보건, 정부 등企业에서 온프레미스 배포, 규정 준수 및 맞춤화가 필요한 곳에서 광범위하게 사용됩니다.
평가 기준 분해
- 자연어 이해 엔진
- 사용자 정의 액션을 사용한 대화 관리
- Rasa Studio low-code 인터페이스
- 보이스 및 다채널 통합
- 대화 분석 및 테스트 툴
- 企业 보안 및 배포 관리