지난 배틀 · 2026-04-28 UTC
Agent Development 대결 — 2026년 4월 28일
Agent Development 카테고리에서. 6개의 참가자에 걸쳐 13 표시가 배치되었습니다. Sierra이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
Sierra는 고객과 자연스러운 대화로 교류하는 AI 에이전트를 빌드하는 엔터프라이즈 플랫폼입니다. 이 에이전트들은 채팅, 음성, 기타 채널을 통해 고객의 이슈를 끝까지 해결하며 주문 업데이트와 반품 처리, 계정과 관련된 질문에 답변하는 등의 동작을 수행합니다. 또한 이 에이전트들은 회사 정책과 톤에 기반을 두고 있습니다. 회사는 각각의 에이전트에 회사에 맞는 지식, 제한, 통합 등을 구독하며, Sierra는 개선 및 반영에 도움이 되는 성능 모니터링, 대화 감사, 응답을 지속해서 개선하는 도구를 제공한다. 이 플랫폼은 인간 상호작용의質量을 희생하지 않고 지원을 확장하고 싶은 브랜드들에게 최적화된 것이며, AI 기술이 고객 지원을 개선하는 데 도움이 되고 있다.
평가 기준 분해
- 고객 지원의 대화형 AI 에이전트
- 시스템 연동을 통한 행동
- 브랜드 및 정책의 맞춤
- 음성 및 채팅 배포
- 분석 및质量 보증 도구
- 안전한 답변을 위한 그라운드 레일
DeepOpinion은 전통적인 RPA 도구가 다루기 어려운 복잡한 문서 기반 지식 업무를 위한企业 중심의 자동화 플랫폼입니다. 그것은 대규모 언어 모델과 워크 플로우 도구를 결합 하여 이메일, 계약서, 송장, 지원 티켓 같은 구조가 없는 입력을 대규모로 처리 하는 것을 목표로 하고 있습니다. DeepOpinion은 금융, 보험, 고객서비스, 운영 부서가 가용하고 추적 가능한 AI 기술 처리를 위한 믿을 수 있는 솔루션을 제공하는 플랫폼입니다. 조직은 광범위한 사용자 정의 개발 없이 AI 에이전트를 생성하고 배포하여 정보를 읽고 분류하고 추출하여 행동할 수 있습니다. "DeepOpinion DeepOpinion는 클라우드 또는 온-프레미스배포 옵션을 통하여 규제된 벤처 환경에 적합함을 유지시키며 반복적인 인지 작업의 수동 처리 시간을 줄이기 위하여 있다.
평가 기준 분해
- 문서 및 텍스트 처리를 위한 AI 에이전트
- 지식 작업을 위한 워크플로 암호화
- 구조화되지 않은 소스에서 데이터 추출
- 기업용 등급 보안 및 배포 옵션
- 가용한 비즈니스 시스템과 통합
- 인간이 직접 검토를 위한 제어
Zep AI Memory는 개발자 중심의 메모리 서비스로 AI 요정들이 대화와 세션을跨越하는 지속적인 구조화된 회상력을 제공합니다. 이 서비스는 대화 기록을 캡처하고 유용한 정보를 키워드별로 추출한 후 그들을 지식그래프로 구성하여 요정들이 원하는 경우에 관련된 맥락을 검색할 수 있도록합니다. 대화 기록의 전체 내용을 프롬프트에 집어넣기 대신, 플랫폼은-summarization, entity extraction 및 semantic search-를 간단한 API 뒷받침하도록 한다. thus, 팀은 수동적인 데이터 추출 인프라 구축 없이도 챗봇, 코하반, 자율적 에이전트 에 상태를 기억시킨다. 프로덕션 워크로드에 따라 대규모로 SCALE되며, 사용자 입력의 크기와 토큰 비용은 예측할 수 있다 Zep AI Memory는 LangChain 및 LlamaIndex와 같은 일반적인 LLM 프레임워크와 통합하고, 인기 언어에 대한 SDK를 제공하여 기존 에이전트 스택 내에서 단순하게 내장될 수 있는 솔루션을 제공합니다.
평가 기준 분해
- 장기 대화 기록 메모리
- 자동으로 사실 및 개체 추출
- 지식 그래프 저장소
- 논리적 및 гиб리드 검색
- LangChain와 LlamaIndex 통합
- 다중 언어 SDK
협력(?)을 위한 도구인 Coval은 팀이 음성 및 대사 모달리티를 지원하는 대화형 AI 에이전트를 만들 때 사용됩니다. Coval은 에이전트 개발에서 발생하는 반복되는 문제를 해결하도록 설계되었습니다: 전통적인 유닛 테스트 및 수동의 점검은 에이전트 시스템의 비 결정적이고 다중턴의 네트워크를 적절히 반영하지 못해, 실제 세계적 행위가 실제로 개선되거나 이전될 때는 변화할 때 어려움을 불어 일으킵니다. ジェーバーント・アプロソドンデタイタアの 消性やきの 国ちこん影本が为辏がプットシトドできよよがゲイシャーゲイヴカ。ヌール Coval プットシトドは 消性できらのューレトカシントイヴカ、日本とゲイシャーゲイヴカできらのプットシトドにいなしできよよが約さにためなのみプットシトドケラオグンセビヺルはしたが、約さかけだとプットシトドンコェンバーヴカ、今浅に詞ただるなのイルテズは 約さくますがためなのみプットシトドされりかものため ブロージラオグンセビヺりいのおますだ。 Coval은 보이스 및 텍스트 에이전트両방에 자신을-positioning 하지만 특히 보이드가 에이전트 질서 상에 추가 층 — 음성-글자, 지연 및 이행-의 특수성으로 인해 에이전트 질서를 미화하는 언어 모델에 달한다는 점을 강조한다. 이 회사는 자율 주행 차량 팀이 배포 전 검증을 위해 대형 시뮬레이션을 활용하는 것과 유사한 테스트 철학을 AI 에이전트에 적용한 것을 참고로 하고 있다고 말하고 있다. 팀의 일반적인 워크 플로우에서는 팀은 에이전트를 연결하고, 시나리오와 평가 기준을 정의합니다. 시나리오를 실행하고 결과를 통해 수행 성능 추이에 대한 결과를 반복하여 추적합니다. 이 Workflow는 CI 스타일 프로세스의 한 부분인 계속적인 모니터링 및 리거션 테스팅에도 적용됩니다. 이 영역에서 아직 젊은 제품으로, 가격, 통합 정보나 정확한 메트릭 커버리지에 대한 세부 사항은 직접 확인하는 것이 가장 좋다. 그리고 팀은 시뮬레이션 시나리오가 자신의 실제 트래픽을 얼마나 잘 반영하는지 평가해야 한다. 일반 LLM 평가 도구와의 차별은 단일 프롬프트 점수 측정에 중점을 두지 않고 MULTI-TURN, MULTI-MODAL 에이전트 시뮬레이션에 중점을 두는 것을 중점으로 둔다.
평가 기준 분해
- 유저 상호작용의 시뮬레이션을 통한 에이전트 테스트
- 실행 횟수로 부터 평가 지표와 점수를 제공
- 음성 및 텍스트 에이전트를 위한 지원
- 에이전트 버전 간의 백조 검출 기능
- 화상 및 대화 경로 테스트를 위해 시나리오 기반 테스트
Gretel AI는 개발자에게 도움이 될 수 있는 플랫폼으로, 실제 데이터 셋과 유사한 통계적 특성이 있는 가상 데이터를 생성하여 민감정보를 노출하지 않습니다. 팀이 생산 데이터의 접근을 제한하는 개인정보 보호, 규정 준수 또는 kullanıl성 제약으로 인해 AI 및 안랩스 프로젝트를 막은 경우에 사용합니다. 이 πλα폼에서는 표, 문자 및 시계열 데이터 생성을 위한 API, SDK 및 미리 구축된 모델을 제공하지만, 데이터의 품질과 개인 정보 보호 위험에 대한 평가지표 도구도 있습니다. 이 플랫폼에서는 일반적인 사용 사례를 지원합니다. 예를 들어, 기계 학습 모델을 훈련하는 것, 소수 인 그룹을 확대하는 것, 팀 간에 데이터를 공유하는 것, 소프트웨어 테스트를 위해 가짜 기록으로 테스트하는 것 등이 있습니다.
평가 기준 분해
- _synthetic tabular 및_text data를 위한 생성 모델
- 차이적 프라이버시 및 PII 데이터 추출控制
- 품질, 정확도, 및 프라이버시 스코링보고서
- Python SDK 및 REST API 통합
- pre-trained 모델 및 사용자 정의 템플릿
- 클라우드 및 SELF 호스팅 배포 옵션
Theoriq AI는 블록체인 기반 프로토콜로, 전자 증거가 있는 투명하고 검증 가능하게 AI 에이전트 네트워크를 관리하는 것을 목표로 설계되었습니다. 분산된 인프라를 다중 에이전트 오케스트레이션과 결합함으로써, 개발자들은 복잡한 일에 협력할 수 있는 더 큰 콜렉티브를 구성할 수 있는 개별화된 에이전트들을 조합할 수 있습니다. Theoriq AI 프로토콜은 에이전트의 행위, 성과, 기여를 측정하고 보상을 받을 수 있도록 체인상태에 따라 지배, 신뢰도 추적, 유도 기전을 제공합니다. 이로 인해 오픈 이코시스템을 구축하여第三자 에이전트를 발견, 평가, broaden 워크플로우에 통합하는 것이 가능합니다. Theoriq는 암호화폐와 AI의 교차점에서 작업하는 빌더들을 표적로 하고 있습니다. 여기에는自律적 DeFi 전략을 만드는 팀, 연구 보조원, 그리고 신뢰 최소화된 협력을 위해 이익을 얻은 에이전트 구동 응용 프로그램을 포함합니다.
평가 기준 분해
- 다중 에이전트 오케스트레이션 프레임워크
- 분산 에이전트 레지스트리 및 탐색
- 온체인 평판 및 평가 시스템
- 토큰화 공헌 에이전트 인센티브
- 수집체 Collective 의 합의 결정 기전
- 개발자 도구에 의해 에이전트 워크플로를 합성하는 것