Iepriekšējā cīņa · 2025-01-11 UTC
AI Agent Development Frameworks Sadursme — 2025. gada 11. janvāris
No AI Agent Development Frameworks kategorijas. 38 atzīmes izvietotas starp 10 cīnītājiem. Mastra izcīnīja kroni.
Gala rezultāti
Sastāvs
Cīnītāji
Katra rīka profili, kas piedalījās šajā cīņā, sarindoti pēc to gala rezultāta.
Mastra
Atvērtais pirmkoda TypeScript ietvars AI agentu, darba plūsmas, RAG, atmiņas un MCP izveidei, ar iespējamā mākoņa studiju un observablitātes iespējamībām.
Mastra ir atvērto koda TypeScript iebūvju rādītājs, kas palīdz būvēt aplikācijas un agenty ar ietekmi AI. Tas sniedz iekārta, kura palīdz izveidotejos, kā agenti, sadaļas, atmiņu, struktūras un pielāgošanu. Mastra integrē ar dažādu pamatpakni izstrādes un atbalsta pakāpju un var tikt izvietots kā atsevišķa servera. Tas palīdz izveidot dažādas iespējas, kā arī iekšējos automācijas agente, klientu apskatamības agente un tālāk. Mastra satur feātūru kā arī būtu integrēto pielāgošanu, atkārtoti pārbaudes un atkārtoti uzsavināmo strādājošo stāvokli. Tas ir konstruēts, lai atbalstītu ātrreizēju uzplaukumu jaunieguļiem un lielajiem globālajiem organizācijām. Mastras arhitektūras galvenā vieta ir centrēta ap darbības agentiem, kuri varētu tikt definēti ar instrukcijām, modeliem, rīkiem un izpildes procesiem. Agenti var sasaisties ar lietotājiem, izpildīt uzdevumus un pārnestas uz produktivitātes processiem. Frameworka arī ietver būvniecisku notikumu sistēmu, kā arī sistēmu publikācijai un priekšlemta pieĆeršanai notikumiem ar Redis Streams un Google Cloud Pub/Sub. Māstra ir bagāta resурсu ecosistema, kas satur grāmatas, blogus un vadlīnijas. Tā attīstība ir liela komūna lietotāžu un plaši tiek piedāvāta dažādās nozares.
Kritēriju sadalījums
- Agents
- Darbības procesi
- Atmiņa
- Darbvietas
- Pārbaudītspēja
- Sagatavots notifikāciju sistēma
AI Legion
Atvērtā pirmkoda platforma autonomu AI agentu izveidei, kas sadarbojas, lai izpildītu uzdevumus.
AI Legion ir atvērtā izlase platforma, kas ļauj veidot patstāvīgas AI agentes, kurās agentes sadarbojas un sasniedz kompleksus mērķus. Lietojot lielas valodas modelis, tādus kā GPT-3.5-turbo un GPT-4, platforma ļauj agentēm darboties kopā un sasniedzt kompleksus mērķus. Platforma dod ramatu izvietošanai un vadībai šiem agentiem, tostarp iestatīšanas failus, API, un darbību plānu. AI Legion ir paredzēta, lai nebūtu ne tikai paplašāma, bet arī pielūdzama, kas ļauj lietotājiem izveidot un integrēt savus modelis, darbības un iespējas. Platforma ir pieejama dažādu lietojuma gadījumu veidokļā, tostarp pētniecībai, attīstībai un deploymentam patstāvīgām AI sistēmām. Instalēšanai AI Legion vidi veicam prasību ielūgumi, tostarp Node.js un OpenAI API atslēgas. Aģenti var tada tiešsaistē tiek tikt izveidoti un apstrādāti. Arī tas ir iekļauts platforma, lai pārvaldītu aģenta stāvi, tai skaitā ir iespēja dzēst notikumu logus un atsākt aģentus ar iestatīto konfigurāciju. AI Legion ir spēcīgs instruments autonoma AI sistēmu izveidošanai un izvietojumam, un viņa atvērtā satura dabība to padara piekļūdamu tikai dažādu lietotāju sastāvā. Tomēr to izveidošana un izmantošana efektīvi nepiecieš tieši lielu tehniku prasību un konfigurācijas sniegumu. Viena no ērtiem ASI Legiona priekšrocībām ir tā spēja nodrošināt agentus tiešo mācību un izmaiņu procesu laikā, izmantojot kombinēto datoru mācīšanas un zināšanu grafu tehnikas. Šāds spēkā iestājies procesā ļauj agentiem uzlabot savu funkcionalitāti un spriedumu pieņēmējās spējas tajā laikā, kad tie interagē ar apkārtneitu. Tomēr AI Legion arī raksta vairākus izaicinājumus un ierobežojumus, to skaitā vajadzību pēc liela konfigurācijas un vadības iemaņu, agentu kļūdu un nemazas ciklu risku, kā arī iespēju dziļu tokenu skaitu un API lietošanas izmaksu augšanu. Pie tam liellopu valodu modelu izmantošana var uzrautin kļūdu riska un precizitātes jautājumus. Par konkrētām funkcijām, AI Legion ietver atbalstu uz web aprūpes, personīgām aprūpes motoru saskarnēm un API, kā arī iespēju pārvaldīt agenta stāvokli un atstartēt agentus ar konfigurācijām, kuras ir iedarbinājamas arī tieši. Platība ir daudz veidu pielietojama, ļaujot lietotājiem izveidot un integrēt savu saviem modeliem, darbību un funkciju. Atšķirīgām iespējamām lietošanas gadījumiem, kurus šis instrumentālsails ir paredzēts, pieder pētniecības un veiklas izstrāde autonomām AI sistēmām, AI varas procesu un darbprūšu izvietošana, kā arī veidošanās personīgi saskaņots AI varas instrumentiem un līdzekļiem. Vismazāk, AI Legion ir spēcis uzturētais platformas tips, lai izveidotu un izmaksātu autonomas AI sistēmas, taču tā izmantot efektīvi ir nepieciešama izcilā tehniskā prasme un konfigurācijas ieguldījums.
Kritēriju sadalījums
- Tīmekļa meklēšana
- Pielāgoti meklētāji
- API un webhooks integrācijai
- Agentu stāvokļa pārvaldība
- Pielāgotu modeļu un darbību izveide
- Zināšanu grafiku un mašīnmācīšanās iespējas
AutoML-Agent
Atvērta koda multi-agent LLM ietvars, kas automatizē visaptverošos mašīnmācīšanās pipelines.
AutoML-Agent ir atvērtas saites framework, kurš izmanto koordinētu lielu valodas modeļu aģentus, lai aprīkotu pilnu mākslīgās inteligences ciklu. Atdrošinoties no viena modeļa vai skripta atkarība, tas deleģē uzdevumus, kā dati kārtībā, pārstrādi, modeļa izvēli, sagatavošanu un vērtēšanu specializētajiem aģentiem, kuri sadarbojas uz kopīgu mērķu sasniegšanu. Šis frameworks ir adresēts zinātniekiem un programmatūras izstrādātājiem, kuri vēlas automatizēt risinājumu eksperimentēšanu bez papildu plūsmu koda rakstīšanas. Aprakstot datu sēti un mērķu dziedaina valoda, lietotāji var iegūt vēstības, kurus agenti piedāvā, izveido un iterē kandidātušu risinājumu, atklājot rezultātus un pamatojumus šūpļos. Tādēļ, lai to būtu atvērtā koda, AutoML-Agent var tikt paplašināts ar īstenojumiem, darbiem vai modeļu aizmugurējamajiem komponentiem, tādēļ tas ir svarīgs gan praktisku automātisko modeli izstrādes, gan izpētes vākiem ar dažadzībi ar vārdu darbplīšanai.
Kritēriju sadalījums
- Multi-agent LLM orkestrācija
- Automatizēta datu priekšapstrāde un funkciju apstrāde
- Modeļa izvēle un hiperparametru meklēšana
- Treniņu un vērtēšanas pipeline ģenerēšana
- Dabas valodas uzdevumu specifikācija
- Izplešama arhitektūra pielāgotajiem agentiem
Cerebrum: AIOS SDK
SDK par LLM-bāzēto AI ģeneratoru attīstību un izvietošanu AIOS struktūrā.
Cerebrum ir SDK par LLM-bāzēto AI ģeneratoru attīstību un izvietošanu AIOS (inteligentās agentu vadības sistēmu) struktūrā. AIOS saliedz uzdevumus, kā piemēram plānošana, konteksta pārslēgšana, atmiņas pārvaldība un instrumentsu pārvaldība par LLM-bāzētajiem ģeneratoriem. Cerebrum SDK ļauj attīstīt un izvietot ģeneratoru rīkus, uztraucoties uz AIOS kerneru. Tam ir atbalsts gan Web UI, gan Termināla UI. SDK ietver iespējas, lai norādītu pieejamās LLM, ģenerators un instrumentus kā arī norādītu, izgudrotu un izvietotu ģenerators un instrumentus. Cerebrum ir konstruēts par ģeneratoru lietotājiem un attīstītājiem, sniedzot tiem iespēju radīt un izvietot AI ģeneratoru rīkus.
Kritēriju sadalījums
- Agentu izziņošana un izvietošana
- Izmantošanas LLM-bazētā AI agenta pārvala
- Apvienības atbalsts web UI un termināla UI
- Agenta un Instrumentu menedžments
- Lietotnišu pieejamības LLMs, agenti un tools uzskaitīšana
- Agentu un Instruments nedīdzs un uzlādēšana
Gemma 3
Atvērtas pirmkoda AI modelis, optimizēts vienas GPU veiktspējai, atbalsta multimodālus ievadus un vairāk nekā 140 valodas.
Gemma 3 ir kolekcija ļoti smagajām, pēcnācēju radošo modelīm, kurām ir izveidots iespējas veikt risināšanos uz iekārtām - ļoti paredzētas viena GPU izdalījuma izpildes. Tā atbalsta dažrādus iestatījumus un 140 vairāk uzrunaudītās valodas. Modelis ir dažādu izmēru (1B, 4B, 12B, un 27B), lai rūpētos, ka tikai tiek izvēlēts labs rezultāts jebkura iekārtas un izpildes funkcijas. Gemma 3 piedāvā iepirkumi tekstūras un vizuālās argumentācijas iespējus, 128 k-tokenu kontekstā, un funkciju izsaucēšanas par kompleksām uzdevumiem. Tā arī ietver kvantizēti versijas, lai ātrāk sāktu izpildes un samazinātu kompilācijas pamatejos. Modelis ir daļa no Googles līguma ar efektīvu AI tehnoloģijas pieeju, kurā tiek izmantoti pašās to izgudrošanas pamatejos, kas atrodas Gemini 2.0 modelos. Gemma 3 ir izvēlētās, lai palīdzētu programmatūras rakstītājiem izveidot AI lietotnes, kurus var izmantot tikai uz iekārtām, kā mobilie telefoni, datoru un strādnieku iekārtās. Gemma 3 sniedz augstākās riekstspējas izmēra attiecībā, izvirzzot no citiem modeliem, kā Llama3-405B, DeepSeek-V3 un o3-mini, preliminārajās cilvēka preferences novērtējumos. Tā ļauj globālām izmantošanas iespējam ar automatisku atbalstu vairāk nekā 35 valodās un pretrainētu funkcionalitāti vairāk nekā 140 valodām. Modulis ļauj izveidot AI-dibinātu procesus ar funkciju apsaukumu un struktūotu ievades datiem. Gemma 3 izstrādes procesā tiešraidē tika ievērotas drošas prasības, kas paredzētas plašu dati valdības, drošības politikas sadarbības ar izturīgām piemērošanas procesiem, kā arī robustas novērtēšanas izpratnes izvērstajām noteiksmēm, lai nodrošinātu pareizu un drošu sistēmas funkcionēšanu. Gemma 3 modelu saime ir nopietni ieguvis popularitāti, kas norāda uz vairāk nekā 100 miljonu lejupielādējumiem un aktīvu komunity, kurā ir radusies vairāk nekā 60 000 dažādu Gemma variantu. Gemma 3 spējas tai veido labu priekšrocību par programmatūras izstrādātājiem, kas grib izveidot iesaistītas lietotāju pieredzes, kas var apgūt ne tikai vienā GPU vai TPU gājienā.
Kritēriju sadalījums
- multimoda AI atbalsts
- atbildības orientēta izstrāde
- plašs fine-tuning
- atbalsts 140 valodām
- uzlabota veiktspēja
MiniMax‑M1
Atvērtā avota liela mēra domāšanas modelis ar 1 miljons tokenu kontekstu un hibrīdā Mixture‑of‑Experts arhitektūru.
MiniMax‑M1 ir atvērtās svara, liela mēra hibrīdattentīvās domāšanas modelis. Tas darbojas ar hibrīdā Mixture‑of‑Experts (MoE) arhitektūru, apvienotu ar ātro uzmanības mehānismu, kas ļauj efektīvi mērogot testa laika aprēķinus. Modelis automātiski atbalsta konteksta garumu 1 miljons tokeni un ir apmācīts ar liela mēra stiprinājošo mācīšanos (RL) uz dažādiem uzdevumiem. Tas pārspēj citus spēcīgākos atvērtās svara modeļus sarežģītās programmatūras inženierijas, rīku lietošanas un garāko kontekstu uzdevumos. Eksperimenti uz standarta pārbaudījumiem liecina, ka MiniMax‑M1 pārspēj citus modeļus kategoriju uzdevumos, piemēram, matemātikā, kodēšanā, programmatūras inženierijā, rīku lietošanas agentu kontekstā un garāko kontekstu saprašanā. Modelis ir īpaši piemērots sarežģītiem uzdevumiem, kas prasa garu ievadu apstrādi un plašu domāšanu. MiniMax‑M1 kalpo par spēcīgu bāzi nākamās paaudzes valodas modeļu agentiem, lai domātu un risinātu reāla pasaules izaicinājumus. Vadošo komerciālo un atvērtās svara modeļu veiktspējas salīdzinājums dažādos kategoriju uzdevumos uzsver modela rezultātus. Tehniskā ziņojuma lapā sniedz papildu informāciju par modeļa arhitektūru, apmācības protokolu un novērtēšanas rezultātiem.
Kritēriju sadalījums
- Hibrīda Mixture-of-Experts (MoE) arhitektūra
- Ātra uzmanības mehānisms
- Stiprinājošā mācīšanās (RL) mēroga ietvars
- Konteksta garums 1 miljons tokeni
- Efektīvs testa laika aprēķinu mērogošana
ScreenAgent
Atvērtā koda VLM aģents datoru GUI kontrolei ar peles/klaviatūras plānošanu un izpildi.
ScreenAgent ir atvērta koda vizuālās valodas modelis (VLM) aģents, kas paredzēts datoru GUI kontrolei ar peles un klaviatūras operācijām. Tas ļauj mijiedarboties ar reālām datoru ekrāniem, novērojot ekrānuzņēmumus un veicot darbības. Projekts ietver plānošanas-izpildes-atspoguļošanas procesu, kas vada aģentu daudzpakāpju uzdevumu veikšanai. Tas tika izveidots, lai atrisinātu problēmu, mācot aģentiem lietot datorus, kas prasa tādas spējas kā uzdevumu plānošana, attēlu izpratne un vizuālā pozicionēšana. ScreenAgent datu kopa, kas aptver dažādus ikdienas datoru uzdevumus, tika manuāli anotēta, lai atbalstītu aģenta mācīšanos. Projekts sastāv no klienta darbvirsmas kontrolei, datu kopas, modeļu strādniekiem secinājumu izdarīšanai un apmācības koda. Tas atbalsta pamata peles un klaviatūras operācijas un var tikt piemērots dažādām darbvirsmas operētājsistēmām un lietojumprogrammām. ScreenAgent pieeja ir universāla un neatkarīga no konkrētiem API, kas padara to universālu.
Kritēriju sadalījums
- Peles un klaviatūras operāciju izpilde
- Plānošanas-izpildes-atspoguļošanas process uzdevumu izpildei
- Atbalsts dažādām darbvirsmas operētājsistēmām un lietojumprogrammām
- Manuāla ScreenAgent datu kopas anotācija dažādiem uzdevumiem
- VLM aģents GUI mijiedarbībai
BabyBeeAGI
Jauna versija no BabyAGI ar pilnīgi paplašītu uzdevumu pārvaldību un funkcionalitāti.
BabyBeeAGI ir eksperimentāls ražošanas kadrys autonomais agentu būvniekiem. Tas sastāv no jaunās funkcijām saucēm 'functionz' un ir apbalstīts ar savu grafu struktūru, lai sekotu importiem, funkciju atkarības un autentifikāciju, pārdevi un pilnīgu lodžingu. Tā sastāv daļu ir skaits, kurš atvieglo funkciju pārvaldību, atbildību un ziņu pārskatīšanu. Arī tas ir paredzēts tiešai pētnieciskajai pētījumam, neder kā produkcionisma risinājumam. Vārds 'sveiks' tiek izmantots, kā arī to pamatīda ir pielāgota autonomām agentu būves.
Kritēriju sadalījums
- Funkciju reģistrācija un datu parauga pārvaldība
- Atkarību uzturēšana un galvenie atkarību uzņēmumi
- Automātiska pārcelšana un lodžingu
- Dashboard, lai pārvaldītu funkcijas un skatītu ziņas
- Papildu funkciju pārvaldības struktūra
MCP‑Use
Atvērta koda platforma, lai savienotu LLM ar MCP serveriem un izveidotu pielāgotus AI aģentus ar rīku piekļuvi.
MCP‑Use ir atvērta koda platforma, kas veicina LLM (Large Language Models) savienošanu ar MCP serveriem un ļauj izstrādāt pielāgotus AI aģentus, kas var mijiedarboties ar šiem LLM. Platforma nodrošina pilnu MCP struktūru (mcp-use SDK), lai izveidotu ChatGPT lietojumprogrammas, Claude savienotājus un MCP serverus. Ar MCP‑Use izstrādātāji var izmantot vienu koda bāzi, lai izvietotu savas lietojumprogrammas uz dažādām platformām, kurās lietotāji un aģenti jau strādā, tostarp ChatGPT, Claude un Gemini. Platforma piedāvā plašu rīku un iespēju klāstu, piemēram, iespēju vienā komandā izveidot MCP lietojumprogrammas, automātisku izvietošanu Manufact Cloud, kā arī iebūvētas analīzes un novērošanas funkcijas. Izstrādātāji var izmantot mcp-use SDK, lai izveidotu un izvietotu MCP serverus un lietojumprogrammas, nepiedāvājot papildus rīkus. Platforma arī nodrošina vizuālu inspektoru un Sandbox testēšanas iespējas, ļaujot izstrādātājiem testēt savas lietojumprogrammas bez nepieciešamības izmantot reālu LLM. MCP‑Use vēršas uz izstrādes un izvietošanas procesu vienkāršošanu, padarot to pievilcīgu izvēli izstrādātājiem, kas vēlas izveidot un izvietot pielāgotus AI aģentus un lietojumprogrammas.
Kritēriju sadalījums
- MCP serveru pārvaldība
- LLM savienošana un integrācija
- Pielāgotu AI aģentu izstrāde
- Automatizēta izvietošana un mērogošana
- Vizuālais inspektors un Sandbox testēšana
- Iebūvēta analīze un novērošana
Rasa ir konversāciju AI platforma, kas palīdz programmatūras izstrādātājiem būvēt kontekstveidīgus sarakstus ar spraigu un skaļu asistentiem ar pilnu kontrolli pār datiem, modeļiem un izvades procesiem. Tās atvērtā-source centrs apstrāda naturālu valodu saskarnu un dialogs pārraudzību, bet Rasa Pro pievieno uzņēmumu funkcionalitāti, kas ietver analītiku, nodokļu kontroles un jaudīgu infrastruktūru. Rasa Studio sniedz dzeltenkoda interfeisu paraugstrukturētājiem un saziņas komandām sadarboties, izmantojot trešo partiju datus, plūsmas un testēšanu bez koda rakstīšanas. Tieši šeit, rīki atbalsta hibrīdu komandas, kas pārdod asistentus saskaršanas kamaniem, IVR sistēmām un personīgajām izvēles rīkiem. Tā sastāda visai bieži tieknoloģisko uzņēmumiem banku, komunikācijas, veselības aprūpes un valdības sektoros, kur tām ir nepieciešams uzkrātīga izvietošana, atbilstības prasa un pielāgojasīgums.
Kritēriju sadalījums
- Dabiskās valodas izpratnes dzinējs
- Dialoga pārvaldība ar pielāgotām darbībām
- Rasa Studio zemo-koda interfeiss
- Balss un daudzkanālu integrācijas
- Konversāciju analītika un testēšanas rīki
- Uzņēmuma drošības un izvietošanas kontrolēšana