Praeita kova · 2024-07-19 UTC
AI Agent Development Frameworks Susirėmimas — 2024 m. liepos 19 d.
Iš AI Agent Development Frameworks kategorijos. 22 įvertinimai pateikti tarp 7 kovotojų. kagent laimėjo vainiką.
Galutiniai rezultatai
Dalyviai
Kovotojai
Kiekvieno šioje kovoje dalyvavusio įrankio profiliai, surikiuoti pagal galutinį rezultatą.
kagent
Atviras įrankis, leisiančias intelekto agentus automatiškai valdyti Kubernetes operacijas.
Kagent leidžia AI agentams automatizuoti Kubernetes operacijas. Tai leidžia agentams būti paleisti, prižiūriami ir valdomi naudojant žinomas Kubernetes instrumentus. kagent padeda agentus tapsią įrankį Kubernetes sistemoje, leidžiant jų versijas valdyti kaip Kubernetes specialioji Resursų Definicijų (CRDs) ir pristatyti atsiskaitymui. Ši schema leidžia naudoti esamas Kubernetes įrankis valdyti agentus. Šio frameworkas yra atviro kodo ir sukurtas remiantis Istio įkūrėjų. Jis aptarnauja skirtingų kalbų ir frameworkų derinų įvairystę, tarp jų bei Go bei Python, taip pat leidžia naudoti jokią didžioulosių kalbų modelio (LLM) teikėją. Programa kagent suteikia sustiprintą saugumo ir apžvalgos funkcijų, įskaitant OpenTelemetry trakinį, Prometheus metrikas bei struktūrinius logus. Ji taip pat užpildo daugių režimių palaikymą, agentų bendravimą bei galimybę įkelti žinias iš Git saugyklos. Kol kas, kagent suteikia įranginę ir paklusnią sistemą, leidžianti automatizuoti Kubernetes operacijas su AI agentais.
Kriterijų išskirstymas
- Agento grindinys greitos pradėjimo ir efektyvaus resursų vartojimo geba.
- Nulis-kaip-trušos gera, suįsta mTLS ir tikslia grūša.
- Trampejų vektorių paprastumo naudojimas ilgalaikėms atmintyse.
- Žmogaus ant viršutinio greitis patvirtinimo vartose ir agento iniciuojamų klausimų.
- Agentų tarpusavyje (A2A) delegavimas sudariusi daugiaagente workflow.
BabyCatAGI yra paprastos, papildyto BabyAGI variantas, kuris gali tvarkyti kompleksias užduotis per autonomius AI agentus. Ji skaidrina aukštos rango tikslus į valdomas pokyčiai, vykdo juos sekanciai, ir prisitaiko savo planą pagal vidurinįs rezultatus, dėl ko ji patikima mokslo, turinio generavimui bei daugialįjų žingsnių problemų sprendimui. Šioje raminėje prioritetas teka minimalusis kodas ir sklandumas, taip padedamas programuotojams, kuriems norint pasinaudoti agentinės AI priemones be didesnių orkestravimo bibliotekų apkrovos. Ji integruoja su kalbos modeliais ir internetinių tyrimų vartuoju peržiūrios sistemomis, rinkdama kontekstą, išspręsdama problemas ir sudarant struktūtuusius išvestis. BabyCatAGI yra atvira eksperimentinė projekto forma, nors geriausiai tinkanti prototipavimui agentų srautų, mokymuisi užduotų, autonominių sistemų operavimo ir konkrečios automatizacijos poreikiams pritaikymui.
Kriterijų išskirstymas
- Užduočių sąrašų kūrimas ir prioritizavimas
- Autonominiai subuovės vykdymas
- Webo paieška integracija konteksto gavimui
- Eilės tvarkymas prieštaravimo darbui
- Lengvo Python implementation
- Kustomizavimas tikslų ir prašymų
MCP‑Use
Atvirojo platoformos priemonė, kuria LLMs galutinai sieja su MCP serveriais ir sukuria nuosavus AI agentus su tiesioginio įsijungimo prie jų galimybėmis.
mcp-use yra atvirojo kodo platforma, kuri tyleina Large Language Model (LLM) jungimą su MCP serveriais ir leidžia sukurti naudojamosio programos, kurios gali bendradarbiauti su šių LLM sistemomis. Platforma teikia pilną MCP aplanką (mcp-use SDK) ChatGPT programų, Claude prisijungimų ir MCP serverių sukūrimui. Su mcp-use, programuotojai gali naudoti vieningą kūdinį, kad paleistų savo priEMONES įvairioms vietose, kuriose vartotojai ir agentai jau darbo, tokiuose kaip ChatGPT, Claude bei Gemini. Platforma siūlo plačią spektrą priEMONŲ ir savybių, tokias kaip MCP taikomojo kūrimo pagrindų sudarymą vieno komandinio įsakymo metu, ataskaitų automatizuotą įkėlimą į Manufact Cloud bei įtaisytą analizų ir matomumo sistemą. Sukuręjas programinio kodo kūrėjai gali naudoti MCP-naudotojų SDK prieigas, kad sukurtų ir pristatytų MCP serverius ir programas be papildomų priemonių. Platforma taip pat pateikia Visual Inspector ir Sandbox testavimo galimybes, leidžiančias programinio kodo kūrėjams testuoti jos programas be gyvos LLM prieigos. mcp-use siekia paprastinti MCP-parengto programaės kūrimą ir implementavimą, tuo pačiu padėdamas programuotojams, siekiantių sukurti ir implementuoti personalizuotas AI agentai ir programas.
Kriterijų išskirstymas
- MCP serverių valdymas
- LLM prisijungimas ir integravimas
- Nuosavas AI agentų vystymas
- Automatinis išplauginimas ir skalė
- Visual Inspector ir Sandbox testavimas
- Integruota analizė ir observability
Claude MCP Agents
Integravimo priemonių sistemų ir duomenų šaltinių sujungimo pagrindas naudojantis Anthropic MCP.
Claude MCP Agentai yra AI agentai, kurie leidžia naudotis Anthropic 's Modelių Kontaktų Protokolo (MCP), siejanti sąsają su plongiamų duomenų šaltinių, API, ir programuotojų priemones. Standardizuodami, kaip sąsaja srautas sulygos tarp Claude ir išorinių sistemų, šie agentai gali skaityti failus, klausyti duomenų bazės, kviečiai paslaugas bei reaguoja į įvykį laiką be užsakymų, specialiai priklausomai nuo šaltinio kiekvienai šaltinei. Šios technologijos sistemoje siekiama užkelti programavimo komandų ir komandų sudėties, kurtijų, kurie būtų naudojami automatizavimui, tyrinėtojų pagalbos, ir darbų procesų agentų kūrime, kurie reikalingi, tiksliai ir saugiai prieinamam bei pritaikytam prie įmonių ar asmeninių duomenų. MCP atvirų aprašymo, dėl kurio pavidalo agentas gali prisijungti prie naujų priemonių kaip vadinamųjų „connectorių“, sumažinant priklausomybę ir sąveikos kruopšnumą.
Kriterijų išskirstymas
- Model Context Protocol integravimo priemonė
- Sujungiasi su failais, API ir duomenų bazėmis
- Išlaikyti galimybė naudojant papildomą MCP serverį
- Rūšiui pritaikęs agentinis, daugiasprendžiai darbowe
- Paruoštas su Claude modelių šeima
- Interoperacijai skirtas atviras standartas
Gemma 3
Atviras skaičiavimo modelis, specialiai optimizuotas vieno-GPU atliekamumo, remiantis keičiamomis įvestimis ir virš 140 kalbų.
Gemma 3 yra kolekcija lengvų, aukštos technologijos atvirų modelių, kurie gali būti paleisti įrenginiuose, ypatingai suderinti vieno GPU atliktiems uždaviniams. Ji palaiko daugialypio įėjimų ir virš 140 kalbų. Modelis yra gautas įvairių dydžių (1B, 4B, 12B ir 27B), taip leidžiant kūrėjams pasirinkti geriausią atitikimą savo įrenginių ir bei atlikti uždavinio reikalavimams. Gemma 3 siūlo papildomų tekstų ir vaizdų priežodžių galią, 128k-tokeno konteksto langą bei funkcijos apieškinimą kompleksiems uždaviniams. Taip pat ji yra įskaityta versijų, padeda greitesniems atliktiems performanciam ir sumažintiems skaičiuosiuos reikalavimams. Šis modelis yra dalis Google įsipareigojimo padėti prieinamiems ir naudingiems AI taiklomis, ir siekia atnaujinti tos pačios mokslo bei technologijos, kuria parengti Geminio 2.0 modeliai. Gemma 3 yra suprojektuota leist vietoje kūrėjams sukurti AI taiklą, kuris gali būti paleistas tiesiai įrenginiuose, tokiuose kaip telefonai, kompiuterių, bei darbuviuose stalą. Gemma 3 tiesiogiai užbauna aukščiausiąją performanciją savo dydžiui, prilygojusi kitoms modeliams, kaip Llama3-405B, DeepSeek-V3 ir o3-mini, preliminariaisiais žmogiškiuiais paklusnumo įvertinimais. Ji leidžia globalines paskirties programos tiesiogiai nuo įrankių, su parametrais iš sąrašo paremtas darbas virš 35 kalbų ir pripraesta parametrinis palaikymas virš 140 kalbų. Programa leidžia sukurti funkcijų sąlygas ir struktūrines išvesties parametrines programos, naudojantis ją, aparatinių programų kūrimui. Sukuriant Gemma 3, buvo pasitelktos rigingos saugumo protocols, tokiuose kaip platus duomenų valdymas, saugumo politika prijungimo fine-tuningas, bei stiprus benchmarko įvertinimai. Gemma pagrindinės atviro kodo modelio šeima išlaiko rimtą pasklidimą, su virš 100 mln. atspausdinimų ir gyvu komandomis, kurios sukūrė daugiau nei 60 000 unikalių Gemma variantų. Gemma 3 priemonės padeda tai, kad ji patenka tinkamus programėžių kūrėjams, kurie nori sukurti trąškingas naudotojo patirtį, kuris gali atrodyti vieno GPU arba TPU hosto.
Kriterijų išskirstymas
- Šalies modelių palaika
- Švarumo užsikčių išklausymas
- Šalies modelių ištobulėjimas
- Virš 140 kalbų palaikymas
- Atliekamumo padidėjimas
Agency Swarm
Atviroji, galiojanti agentų harmonizuotoje sistema, kurianti automatizuojamą ir įrengimą išplėstinės AI plėtotės procesą per harmonizuotas agentų gausą.
Agency Swarm yra atviro pobūdžio frameworkas, kuris paremtas OpenAI Agents SDK bei Responses API. Jis siūlo struktūriška ir produkcijos laipsniu aplinka sukurti daugiatikrovės taikinėlių programų sistemų sąrašus. Svarbių prielaidų išvestys: konfigūruojami tikrovės vaidmenys, galimybės valdyti skirtingas modelių priemies (pvz., OpenAI GPT šeimos modeliai, Anthropic, Google Gemini, Azure OpenRouter bei savokės LiteLLM įrankiai, kurie leidžia @function_tool dekoratorius (rekomenduojamas), arba Pridedant Baziniai Įrankio Objektą. Agency Swarm architektūros svarbi išdvalva yra stabiliybė Python ir Linux aplinkose. Įrengimas paprastas su standartine reikšme pip install agency-swarm įrankio komanda. Apie Agency Swarm – atvirojo kodo įtaisą, kuris bažnytį į aukštesnes funkcijas kaip pagrindą naudoja OpenAI Agents SDK bei Responses API. Agency Swarm yra atvirojo kodo AI programų rinkinys, kuris pagalbos programavimo specialistams sukurti daugiagemės aplikacijas už realaus pasauly realaus inteligentaus sistemos įrengimui. Pagrindinės Priemonės: - Auto-jenamu CLI tool' Prekybos sukeliai: 1. Stabilitas Python ir Linux aplinkybų sąlygose 2. Paprasta Integravimui su savo aplikacija 3. Suderinami ir paprastai valdomi Komandų Linijos įrankiai 4. Asmeninė Agentų Roly Trūkumai: 1. Reikšmingumo sisteminės modelio sąrašo ribos (Personal chatbots: GPT-3, ir kt.) - Nėra 2. Programavimo aplinkos reikalavimai - Nėra 3. Su ribotu modeliu backend sistemos palaikyti - Nėra 4. Pagrindinis vartotojo įrankių sąrašas - Nėra 5. Mokymosi galimybės - Nėra 6. Savybų integravimai - Nėra 7. Dokumentacijos proceso - Nėra 8. Mašininės mokyklai galios AI ypatybės: - Nėra 9. Suviršutėjusi dialogo sijonų valdymas - Nėra 10. Daugialypių programų įgyvendinimai - Nėra 11. Simultaninių vykstančių veiksmų - Nėra 12. Apsaugos įpranga prie aplinkos įvairovės prieiniamojo valdymo - Nėra 13. Automatinis išvedimo procesas - Nėra 14. Visąsias užduočių vykdymas - Nėra 15. Suviršutėjusios agentų tipų konfigiravimas - Nėra 16. Dideliu Reikšmingumo sisteminės modelio palaikymas - Nėra 17. Dirba su Pythona naršyklaų sąrašu: - Nėra 18. Visas kontrolės valdymas - Nėra 19. Performanso matavimo sistema - Nėra 20. Svarbas darbuose panaudojamas atskirių darbuvių sąrašas - Nėra 21. Integraudamas su OpenALink: interneto sąrašo vystomų technologijų sąrašą 22. Tinkamumas dalyvauti bendromis projektuose kartu su AI agentais 23. Tikimybinių rezultatų aiškinimo galimybės 24. Reguliavimo sistemų palaikymas - Nėra 25. Visų sursiūtių kodečių sąrašo integravimas - Nėra 26. Visos sistemos atsisukos sistema - Nėra 27. Naudingumo matavimo sistema - Nėra Proksai: tiesioginio prisijengimo su našų technologijų ne visada galima realizuoti dėl nuoseklumo, riboženklų technologijų ir specifinių naudojimo sąlygų.
Kriterijų išskirstymas
- Kustomizuojami Agentų Rolės
- Aukštis Kontrolė Per Išrašėjimą/Pristatymą
- Tipaški Technolijos Šarvas
- Organizuotas Agentų Komentavimo Priesaika
- Svietimas Valdyti Būsena
- Plačiai Agentų Orchestravimo Priesaika
Mosaic AI Agent Framework
Suitei šiukšlių Databricksiu, skirtų aukštos kalvos AI agentų ir RAG taikymų statybai, įdiegimui ir įvertinimui.
Databricksiu Agentų Struktūra (AAF) yra rinkinį taupų prieinamųiems Databricksiu, skirtų aukštos kalvos agentų konstrukcijai, įdiegimui ir valdymui. Šie agentai gali prisijungti prie bet kokių rinkiniai, duomenų bazės ar SaaS taikymų, priešinguose gaučiais, vykdančių vienos, valdomos sąrankos protokolų (Model Context Protocol, MCP). Struktūra taip pat apima integravusį aukštos kalvos vystymą, eksperimentavimą ir įdiegimą be infrastruktūros valdymo naudojant Databricksiu Apps. Agent Bricks bei Unity Catalog yra pagrindiniai valdymas ir saugumas; jie taikia išprastesnes sąrankos politikas modeliams, prireikiamų įrangos ir ryšių metu, tvirtindami ribočių, grįžimo į sąranką, gynimo ir kitiems aukštos kalvos gynybos priemonės prieinamiesiems neaiškiems duomenims, filtravimui ir kitai.
Kriterijų išskirstymas
- Agent Bricks
- Unity Catalog
- Databricksiu Apps
- Model Context Protocol (MCP)
- Valdomas valdymas
- Valdomas naudotojo valdymas