Miniona bitwa · 2025-01-11 UTC
AI Agent Development Frameworks Pojedynek — 11 stycznia 2025
Z kategorii AI Agent Development Frameworks. 38 ocen oddanych na 10 zawodników. Mastra zdobył koronę.
Klasyfikacja końcowa
Zestawienie
Zawodnicy
Profile każdego narzędzia, które rywalizowało w tej bitwie, uszeregowane według ich wyniku końcowego.
Mastra
Open-sourceowy framework TypeScript dla budowy agentów AI, przepływów pracy, RAG, pamięci i MCP, z opcjonalnym studiem chmury i obserwowalnością.
Mastra jest otwartym zestawem narzędzi w TypeScript przeznaczonym do budowy aplikacji i agentów sterowanych przez AI. Oferuje zestaw narzędzi dla deweloperów, umożliwiający przejście od idei do realizacji, w tym agentów, przepływy pracy, pamięci, obszary robocze i monitorowanie. Mastra obsługuje różne frameworki frontendowe i backendowe i może być wdrożona jako dedykowany serwer. Pozwala deweloperom tworzyć szeroki zakres możliwości, takich jak wewnętrzne agenty automatyzacji, agenty skierowane do klientów oraz wiele więcej. Mastra zawiera funkcje takie jak wbudowane monitorowanie, powtarzalne kontrole i strumienie dostępne w katalogu i przywoływalne z pamięci. Jest projektem zaprojektowanym z myślą o wspieraniu szybko rosnących firm oraz ogromnych organizacji globalnych. Architektura Mastry opiera się na agencjach, które można zdefiniować za pomocą instrukcji, modeli, narzędzi oraz zachowań czasu wykonywania. Agenci mogą komunikować się z użytkownikami, realizować zadania oraz przekazywać przepływy produkcyjne. Framework zawiera również wbudowany system zarządzania wewnętrznymi wydarzeniami, a także system publikowania i subskrypcji wydarzeń przy użyciu Redis Streams oraz Google Cloud Pub/Sub. Mastra dysponuje bogatym ekosystemem zasobów, w tym książek, blogów i przewodników. Dysponuje on silną społecznością użytkowników i jest szeroko stosowany w różnych sektorach przemysłu.
Podział kryteriów
- Agenci
- Przepływy pracy
- Pamięć
- Obszary robocze
- Obserwowalność
- Wbudowany system zdarzeń
AI Legion
Platforma open-source do tworzenia autonomicznych agentów AI, którzy współpracują w celu realizacji zadań.
AI Legion jest otwartą platformą dla tworzenia niezależnych agentów AI, które współpracują, aby osiągnąć określone cele. Wykorzystuje duże modeli językowe, takie jak GPT-3.5-turbo i GPT-4, aby umożliwić agentom współpracę i osiąganie złożonych celów. Platforma dostarcza ramy do ustawiania i zarządzania tymi agentami, w tym pliki konfiguracyjne, API, oraz przepływy pracy. AI Legion jest zaprojektowany, aby być rozszerzalny i dostosowywany, pozwalając użytkownikom tworzenie i integrację swoich modeli, akcji i funkcji. Platforma jest odpowiednia dla różnych przypadków użycia, w tym badań, rozwoju i wdrożenia samodzielnych systemów AI. Konfigurowanie środowiska AI Legion obejmuje instalację wymaganych zależności, w tym Node.js i kluczy do API OpenAII. Agenci mogą zostać uruchomieni i włączeni do interakcji za pomocą konsoli. Platforma zawiera również funkcje zarządzania stanem agentów, w tym możliwość usunięcia dzienników zdarzeń i ponowne uruchomienie agentów z kustomizowanymi konfiguracjami. AI Legion jest potężnym narzędziem do tworzenia i wdrażania niezależnych systemów AI, a jego otwarta natura czyni ją dostępną dla szerokiego zakresu użytkowników. Jednak wymaga również znacznej wiedzy technicznej i nakładu pracy na konfigurację, aby działać skutecznie. Jednym z kluczowych zalet AI Legion jest zdolność do umożliwiania agentom uczenia się i adaptacji wraz z upływem czasu, wykorzystywając kombinację metod uczenia maszynowego oraz technik wizji wiedzy. Daje tym samym agentom możliwość poprawy ich wydajności i umiejętności podejmowania decyzji wraz z ich interakcjami z otoczeniem. Mimo toż AI Legion także prezentuje kilka wyzwań i ograniczeń, w tym konieczność rozległego konfigurowania i zarządzania, ryzyko błędów agenta i nieskończonych pętli, oraz potencjalny wysoki zasięg tokenów oraz koszty korzystania z API. Dodatkowo, użycie dużych modeli językowych może powodować obawy dotyczące skuteczności i zrównoważenia w danych, oraz akcji. W odniesieniu do konkretnej funkcjonalności, AI Legion obejmuje wsparcie dla wyszukiwania sieciowego, personalizowanych przeglądarek wyszukiwania oraz API, oraz możliwość zarządzania stanem agenta i ponownego uruchamiania agentów z niestandardowymi konfiguracjami. Platforma jest również bardzo elastyczna, pozwalając użytkownikom na tworzenie i integrację swoich własnych modeli, akcji oraz funkcji. Niektóre potencjalne zastosowania AI Legion obejmują rozwój badawczo-przygotowawczy autonomijnych systemów AI, wdrożenie przepływów pracy i procesów opartych na AI oraz tworzenie niestandardowych narzędzi i aplikacji opartych na AI. Ogólnie, AI Legion jest potężnym i rozszerzalnym platformą do budowania i wdrażania niezależnych systemów inteligencji artystycznej, jednak wymaga on ogromnej wiedzy technicznej oraz starań w konfiguracji, aby być używany skutecznie.
Podział kryteriów
- Wyszukiwanie w sieci
- Niestandardowe silniki wyszukiwania
- API oraz webhooks do integracji
- Zarządzanie stanem agenta
- Tworzenie własnych modeli i akcji
- Możliwości grafu wiedzy i uczenia maszynowego
AutoML-Agent
Otwarto‑źródłowy framework wieloagentowy LLM, automatyzujący pełne pipelines uczenia maszynowego.
AutoML-Agent to otwartoźródłowy framework, który wykorzystuje koordynowane agenty modeli języka sztucznego o dużych rozmiarach, aby obsługiwać pełny cykl uczenia maszynowego. Zamiast polegania na pojedynczym modelu lub skrypcie, deleguje on zadania związane z zrozumieniem danych, preprocesowaniem, wyborem modelu, treningiem i oceną wśród agentów specjalizowanych, które współpracują ku wspólnemu celowi. Ramka programu kierowana jest do badaczy i programistów, którzy chcą automatyzować eksperymentację bez pisania obszernego kodu łańcucha działań. Opisując dane i cel w naturalnym języku, użytkownicy mogą mieć agentów proponowania, budowania i powtarzania kandydujących rozwiązań, wyświetlania wyników i powodów na bieżąco. Ponieważ jest otwartym oprogramowaniem, AutoML-Agent może być rozbudowany przy użyciu własnych agentów, narzędzi lub backendów modeli, czyniąc go przydatnym zarówno jako praktyczny system AutoML, jak i jako próbownicza platforma do badań nad współpracą między agentami.
Podział kryteriów
- Koordynacja wieloagentowa LLM
- Automatyzowane wstępne przetwarzanie danych i obsługa cech
- Wybór modelu i wyszukiwanie hiperparametrów
- Generowanie pipelines treningu i ewaluacji
- Specyfikacja zadań w języku naturalnym
- Rozszerzalna architektura dla własnych agentów
Cerebrum: AIOS SDK
SDK do tworzenia i wdrażania agentów AI opartych na LLM w ramach AIOS
Cerebrum to SDK do tworzenia i wdrażania agentów AI opartych na LLM w ramach AIOS (AI Agent Operating System). AIOS rozwiązuje wyzwania takie jak harmonogramowanie, przełączanie kontekstu, zarządzanie pamięcią i zarządzanie narzędziami dla agentów opartych na LLM. SDK Cerebrum pozwala programistom budować i uruchamiać aplikacje agentów poprzez interakcję z jądrem AIOS. Obsługuje zarówno Web UI, jak i Terminal UI. SDK zawiera funkcje listowania dostępnych LLM, agentów i narzędzi oraz pobierania, przesyłania i uruchamiania agentów i narzędzi. Cerebrum jest zaprojektowany dla użytkowników i deweloperów agentów, umożliwiając im tworzenie i wdrażanie aplikacji agentów AI.
Podział kryteriów
- Rozwój i wdrażanie agentów
- Zarządzanie agentami opartymi na LLM
- Obsługa Web UI i Terminal UI
- Zarządzanie agentami i narzędziami
- Lista dostępnych LLM, agentów i narzędzi
- Pobieranie i przesyłanie agentów oraz narzędzi
Gemma 3
Otwartoźródłowy model AI zoptymalizowany pod wydajność na pojedynczym GPU, obsługujący multimodalne wejścia i ponad 140 języków.
Gemma 3 to zbiór lekkich, najnowocześniejszych modeli otwartoźródłowych przeznaczonych do działania na urządzeniach, szczególnie zoptymalizowanych pod wydajność na pojedynczym GPU. Obsługuje multimodalne wejścia oraz ponad 140 języków. Model dostępny jest w różnych rozmiarach (1 B, 4 B, 12 B i 27 B), co pozwala deweloperom wybrać najbardziej odpowiedni pod kątem sprzętu i wymagań wydajnościowych. Gemma 3 oferuje zaawansowane możliwości rozumowania tekstowego i wizualnego, okno kontekstowe o wielkości 128 k tokenów oraz funkcję wywoływania funkcji (function calling) do realizacji złożonych zadań. Dostępne są także wersje kwantowane, zapewniające szybszą wydajność i mniejsze zapotrzebowanie na zasoby obliczeniowe. Model jest częścią zobowiązania Google do udostępniania przydatnej technologii AI i opiera się na tej samej badawczej podstawie oraz technologii, które napędzają modele Gemini 2.0. Gemma 3 została zaprojektowana, aby umożliwić deweloperom tworzenie aplikacji AI, które mogą działać bezpośrednio na urządzeniach takich jak smartfony, laptopy i stacje robocze. Gemma 3 dostarcza najnowocześniejszą wydajność w swojej klasie, przewyższając inne modele takie jak Llama3-405B, DeepSeek-V3 i o3-mini w wstępnych ocenach preferencji ludzkich. Umożliwia globalne zastosowania dzięki natywnej obsłudze ponad 35 języków oraz wstępnie wytrenowanej obsłudze ponad 140 języków. Model umożliwia tworzenie przepływów pracy napędzanych AI przy użyciu wywoływania funkcji i strukturalnego wyjścia. Rozwój Gemma 3 obejmował rygorystyczne protokoły bezpieczeństwa, takie jak rozbudowane zarządzanie danymi, dostosowanie do polityk bezpieczeństwa poprzez fine‑tuning oraz solidne oceny benchmarkowe. Rodzina otwartych modeli Gemma odnotowała znaczące przyjęcie, ponad 100 milionów pobrań i aktywną społeczność, która stworzyła ponad 60 000 wariantów Gemmy. Możliwości Gemma 3 sprawiają, że jest ona odpowiednia dla deweloperów chcących tworzyć angażujące doświadczenia użytkownika, które zmieszczą się na pojedynczym GPU lub hoście TPU.
Podział kryteriów
- wsparcie AI multimodalnego
- rozwój skoncentrowany na odpowiedzialności
- rozbudowany fine‑tuning
- obsługa 140 języków
- zwiększona wydajność
MiniMax‑M1
Model rozumowania na dużą skalę o otwartym kodzie źródłowym z 1 milionem tokenów kontekstu i hybrydową architekturą Mixture-of-Experts.
MiniMax-M1 to otwarto-średnio model rozmyślania z hybrydowym uwagą, który jest oparty na hybrydowym arcydziele (Mixture-of-Experts - MoE), połączonym z łącznikiem uwagi migotliwym, co umożliwia efektywny skok obciążeń w przypadku obliczeń na czasie testowym. Model ten naturalnie obsługuje długość kontekstu wynoszącą milion tokenów i został zaoparty za pomocą dużą skalowalność uczenia się wzajemnego na różnorodne problemy. MiniMax-M1 wykazuje lepsze parametry niż inne silne o otwartych wagach modeli na złożonych zadanach programistycznych, korzystania ze toolów i zadań z długim kontekstem. Badania na standardowych punktach odniesienia wykazują, że MiniMax-M1 wyprzedza inne modeli w kategoriach zadań, takich jak matematyka, kodowanie, inżynieria oprogramowania, użycie narzędzi agendy oraz zrozumienie kontekstu długiego. Model znajduje się w szczególności wśród najlepszych do skomplikowanych zadań, których wymaga się do przetwarzania długich danych wejściowych, a także głębokiego myślenia. MiniMax-M1 działa jako mocna podstawa dla następnorodzinnych agentów modeli języka, by móc logicznie myśleć i radzić sobie z wyzwaniami codziennego świata. Porównanie wydajności benchmarkowej modeli komercyjnych oraz otwartych, o różnych kategoriach zadań, wskazuje na osiągnięcia modelu. Szczegółowa raport techniczny dostarcza informacji dotyczących architektury modelu, protokołu szkolenia i wyników ewaluacji.
Podział kryteriów
- Hybrydowa architektura Mixture-of-Experts (MoE)
- Mechanizm uwagi błyskawicznej
- Kadra do skalowania uczenia się ze wzmocnieniem (RL)
- Długość kontekstu wynosząca 1 milion tokenów
- Efektywne skalowanie obliczeń w czasie testowania
ScreenAgent
Otwartoźródłowy agent VLM do sterowania interfejsami graficznymi komputerów poprzez planowanie i wykonywanie operacji myszy oraz klawiatury
ScreenAgent to otwartoźródłowy agent Visual Language Model (VLM), zaprojektowany do kontrolowania interfejsów graficznych komputerów przy pomocy operacji myszy i klawiatury. Umożliwia interakcję z rzeczywistymi ekranami komputerowymi poprzez obserwowanie zrzutów ekranu i wykonywanie działań. Projekt obejmuje proces planowania-wykonywania-refleksji, który prowadzi agenta do realizacji zadań wieloetapowych. Został stworzony, aby sprostać wyzwaniu nauczania agentów korzystania z komputerów, wymagając takich umiejętności jak planowanie zadań, rozumienie obrazów i pozycjonowanie wizualne. Zbiór danych ScreenAgent, obejmujący różne codzienne zadania komputerowe, został ręcznie oznaczony, aby wspierać uczenie się agenta. Projekt składa się z klienta do sterowania pulpitami, zestawu danych, pracowników modelowych do inferencji oraz kodu treningowego. Obsługuje podstawowe operacje myszy i klawiatury i może być zastosowany w różnych systemach operacyjnych i aplikacjach desktopowych. Podejście ScreenAgent jest uniwersalne i nie polega na konkretnych API, co czyni go wszechstronnym.
Podział kryteriów
- Wykonywanie operacji myszy i klawiatury
- Proces planowania-wykonywania-refleksji do realizacji zadań
- Wsparcie dla różnych systemów operacyjnych i aplikacji desktopowych
- Ręczne oznaczenie zestawu danych ScreenAgent w celu pokrycia różnorodnych zadań
- Agent VLM do interakcji z GUI
BabyBeeAGI
Zaawansowana wersja BabyBeeAGI z ulepszonym zarządzaniem zadaniami i funkcjonalnością.
BabyAGI to eksperymentalny framework do budowania samodzielnie rozwijających się agentów autonomicznych. Został stworzony jako ewolucja pierwotnego BabyAGI z marca 2023, który wprowadził planowanie zadań dla agentów autonomicznych. Framework opiera się na nowym systemie funkcji zwanym 'functionz', który przechowuje, zarządza i uruchamia funkcje z bazy danych. Posiada strukturę opartą na grafie do śledzenia importów, zależnych funkcji i sekretów uwierzytelniania, wraz z automatycznym ładowaniem i kompleksowymi możliwościami logowania. Framework zawiera również pulpit nawigacyjny do zarządzania funkcjami, uruchamiania aktualizacji i przeglądania logów. Został zaprojektowany, aby być prostym i pobudzać dyskusję wśród programistów, nie przeznaczony do użytku produkcyjnego. Główna idea polega na budowie najprostszej rzeczy, która może się sama budować, co stanowi interesujący podpunkt do tworzenia agentów autonomicznych.
Podział kryteriów
- Rejestracja funkcji i zarządzanie metadanymi
- Śledzenie zależności i kluczowych zależności
- Automatyczne ładowanie i logowanie
- Dashboard do zarządzania funkcjami i przeglądania logów
MCP‑Use
Otwarte źródło platformy do łączenia modeli językowych (LLM) z serwerami MCP i budowania niestandardowych agentów AI z dostępem do narzędzi.
MCP‑Use to otwarta platforma pozwalająca łączyć modele języka wielkiej mocy (LLM) z serwerami MCP oraz umożliwiająca tworzenie indywidualnych agentów AI, które mogą współpracować z takimi modelami LLM. Platforma zapewnia pełną stackiem architekturę MCP (SDK MCP-use), umożliwiającą budowę aplikacji ChatGPT, połączeń z Claue oraz serwerów MCP. Z użyciem MCP developerszowie mogą wykorzystać jedną bazę kodu do wdrożenia swoich aplikacji na różnych powierzchniach, na których użytkownicy i agenci aktualnie pracują, w tym ChatGPT, Claude, i Gemini. Platforma oferuje szeroką gamę narzędzi oraz funkcji, takich jak możliwość zdefiniowania MCP aplikacji w jednym poleceniu, automatyczną deploymencję do Manufact Cloud, a także wbudowane analizy i widoczność. Programiści mogą wykorzystywać SDK mcp-use, aby budować i wdrażać serwery MCP oraz aplikacje bez potrzeby dodatkowych narzędzi. Platforma oferuje także Visual Inspector oraz możliwości testowania w ramach Sandbox, pozwalając programistom na testowanie aplikacji bez niezbędności wdrożenia LLM w trybie produkcyjnym. mcp-use ma na celu uproszczenie rozwoju i wdrażania aplikacji opartych na MCP, czyni to atrakcyjnym wyborem dla developerów szukających budowy i wdrożenia niestandardowych agentów i aplikacji AI.
Podział kryteriów
- Zarządzanie serwerem MCP
- Połączenie i integracja z LLM
- Rozwój niestandardowych agentów AI
- Automatyczne wdrożenie i skalowalność
- Visual Inspector i testowanie w Sandbox
- Wbudowane analityki i obserwowalność
Rasa
Otwarto‑źródłowy framework do tworzenia chat i głosowych asystentów klasy produkcyjnej
Rasa to platforma AI konwersacyjnej, która pomaga deweloperom budować kontekstowe asystentów czatu i głosu z pełnym zarządzaniem danymi, modelami i wdrożeniem. Centralny, oprogramowanie typu open-source obsługuje rozumienie mowy języka naturalnego i zarządzanie dialogiem, podczas gdy Rasa Pro dodaje funkcje przedsiębiorstwa, tak jak analizy, kontrolki bezpieczeństwa i infrastrukturę skalowalną. Rasa Studio oferuje wdrożeniowo-kodowe interfejs dla projektantów i zespołów konwersacyjnych, aby mogły współpracować nad treningowymi danymi, przepływami i testami bez pisania kodu. Wspierają to narzędzia zrzeszonej pracy zespołów, które wyświadczają asystentów po drogami komunikacji, systemach IVR i aplikacjach niestandardowych. Zwykle jest używany przez przedsiębiorstwa w sektorach bankowości, telekomunikacji, ochrony zdrowia oraz rządowych, gdzie wymagane są lokalne wdrożenie, prawne przepisy i dopasowanie do potrzeb.
Podział kryteriów
- Silnik rozumienia języka naturalnego
- Zarządzanie dialogiem z własnymi akcjami
- Interfejs low-code Rasa Studio
- Integracje głosowe i wielokanałowe
- Narzędzia analityki konwersacyjnej i testowania
- Kontrola bezpieczeństwa i wdrożenia na poziomie przedsiębiorstwa