Batalha anterior · 2025-01-11 UTC
AI Agent Development Frameworks Duelo — 11 de janeiro de 2025
Da categoria AI Agent Development Frameworks. 38 marcas colocadas em 10 combatentes. Mastra conquistou a coroa.
Classificação final
A formação
Os combatentes
Perfis de cada ferramenta que competiu nesta batalha, ordenados pela pontuação final.
Mastra
Framework de código aberto TypeScript para construir agentes de IA, fluxos de trabalho, RAG, memória e MCP, com estúdio em nuvem opcional e observabilidade.
Mastra é um framework TypeScript de código aberto para a criação de aplicações e agentes impulsionados por IA. Ele oferece um conjunto de ferramentas para desenvolvedores passarem da ideia à implementação, incluindo agentes, fluxos de trabalho, memória, espaços de trabalho e observabilidade. Mastra integra‑se com diversos frameworks frontend e backend e pode ser implantado como um servidor autônomo. Ele permite que desenvolvedores construam uma variedade de funcionalidades, como agentes de automação interna, agentes voltados ao cliente e muito mais. Mastra inclui recursos como observabilidade embutida, verificações repetíveis e fluxos regraváveis com cache. Foi projetado para apoiar startups de rápido crescimento e grandes organizações globais. A arquitetura da Mastra é centrada em agentes, que podem ser definidos com instruções, modelos, ferramentas e comportamento em tempo de execução. Os agentes podem interagir com usuários, concluir tarefas e transferir para fluxos de produto. O framework também inclui um sistema de eventos embutido para eventos, bem como um sistema de publicação e assinatura de eventos com Redis Streams e Google Cloud Pub/Sub. Mastra tem um ecossistema rico de recursos, incluindo livros, blogs e guias. Possui uma grande comunidade de usuários e é amplamente adotada em diversos setores.
Divisão de critérios
- Agentes
- Fluxos de trabalho
- Memória
- Espaços de trabalho
- Observabilidade
- Sistema de eventos embutido
AI Legion
Plataforma de código aberto para criar agentes de IA autônomos que colaboram para realizar tarefas.
O AI Legion é uma plataforma de código aberto para criar agentes de IA autônomos que colaboram para realizar tarefas. Ele usa grandes modelos de linguagem, como GPT-3.5-turbo e GPT-4, para permitir que os agentes trabalhem juntos e atinjam objetivos complexos. A plataforma fornece uma estrutura para configurar e gerenciar esses agentes, incluindo arquivos de configuração, APIs e fluxos de trabalho. O AI Legion é projetado para ser extensível e personalizável, permitindo que os usuários criem e integrem seus próprios modelos, ações e recursos. A plataforma é adequada para uma variedade de casos de uso, incluindo pesquisa, desenvolvimento e implantação de sistemas de IA autônomos. Configurar um ambiente de AI Legion envolve instalar as dependências necessárias, incluindo Node.js e chaves de API do OpenAI. Em seguida, os agentes podem ser iniciados e interagidos por meio do console. A plataforma também inclui recursos para gerenciar o estado dos agentes, incluindo a capacidade de excluir logs de eventos e reiniciar agentes com configurações personalizadas. A AI Legion é uma ferramenta poderosa para construir e implantar sistemas autônomos de IA, e sua natureza de código aberto a torna acessível a uma ampla gama de usuários. No entanto, também requer uma quantidade significativa de expertise técnica e esforço de configuração para configurar e usar efetivamente. Um dos principais benefícios do AI Legion é sua capacidade de permitir que os agentes aprendam e se adaptem ao longo do tempo, usando uma combinação de técnicas de aprendizado de máquina e grafos de conhecimento. Isso permite que os agentes melhorem seu desempenho e capacidades de tomada de decisão à medida que interagem com o ambiente. No entanto, o AI Legion também apresenta vários desafios e limitações, incluindo a necessidade de esforço de configuração e gerenciamento extensivo, o risco de erros de agente e loops infinitos e o potencial de altas contagens de tokens e custos de uso de API. Além disso, o uso de grandes modelos de linguagem pode levantar preocupações sobre viés e precisão. Em termos de recursos específicos, a AI Legion inclui suporte para busca na web, motores de busca personalizados e APIs, além da capacidade de gerenciar o estado do agente e reiniciar agentes com configurações personalizadas. A plataforma também é altamente extensível, permitindo que os usuários criem e integrem seus próprios modelos, ações e recursos. Alguns casos de uso potenciais para o AI Legion incluem pesquisa e desenvolvimento de sistemas autônomos de IA, implantação de fluxos de trabalho e processos alimentados por IA e criação de ferramentas e aplicativos personalizados alimentados por IA. No geral, a AI Legion é uma plataforma poderosa e extensível para construir e implantar sistemas autônomos de IA, mas requer conhecimento técnico significativo e esforço de configuração para ser usada de forma eficaz.
Divisão de critérios
- Pesquisa web
- Motores de busca personalizados
- APIs e webhooks para integração
- Gerenciamento de estado dos agentes
- Criação de modelos e ações personalizadas
- Capacidades de grafo de conhecimento e aprendizado de máquina
AutoML-Agent
Estrutura de LLM multi-agentes de código aberto que automatiza pipelines de aprendizado de máquina de ponta a ponta.
O AutoML-Agent é uma estrutura de código aberto que utiliza agentes de modelo de linguagem grande coordenados para lidar com todo o ciclo de vida do aprendizado de máquina. Em vez de depender de um único modelo ou script, ele delega tarefas como compreensão de dados, pré-processamento, seleção de modelo, treinamento e avaliação a agentes especializados que colaboram em direção a um objetivo compartilhado. O framework é direcionado a pesquisadores e desenvolvedores que desejam automatizar experimentos sem escrever código extenso de pipeline. Ao descrever um conjunto de dados e um objetivo em linguagem natural, os usuários podem ter agentes propondo, construindo e iterando em soluções candidatas, exibindo resultados e raciocínio ao longo do caminho. Por ser de código aberto, o AutoML-Agent pode ser estendido com agentes personalizados, ferramentas ou backends de modelo, tornando-o útil tanto como um sistema prático de AutoML quanto como um laboratório de testes para fluxos de trabalho multiagentes.
Divisão de critérios
- Orquestração de LLM multi-agentes
- Pré-processamento de dados automatizado e manipulação de recursos
- Seleção de modelo e busca de hiperparâmetros
- Geração de pipeline de treinamento e avaliação
- Especificação de tarefa em linguagem natural
- Arquitetura extensível para agentes personalizados
Cerebrum: AIOS SDK
Um SDK para desenvolver e implantar agentes de IA baseados em LLM dentro da estrutura AIOS.
Cerebrum é um SDK para desenvolver e implantar agentes de IA baseados em LLM dentro da estrutura AIOS (Sistema Operacional de Agentes de IA). O AIOS aborda desafios como escalonamento, troca de contexto, gerenciamento de memória e gerenciamento de ferramentas para agentes baseados em LLM. O SDK Cerebrum permite que os desenvolvedores criem e executem aplicações de agentes interagindo com o kernel AIOS. Ele suporta tanto a interface Web quanto a interface Terminal. O SDK inclui recursos para listar LLMs, agentes e ferramentas disponíveis, bem como baixar, carregar e executar agentes e ferramentas. O Cerebrum é projetado para usuários de agentes e desenvolvedores, permitindo que eles criem e implantem aplicações de agentes de IA.
Divisão de critérios
- Desenvolvimento e implantação de agentes
- Gerenciamento de agentes de IA baseados em LLM
- Suporte para Web UI e Terminal UI
- Gerenciamento de agentes e ferramentas
- Listagem de LLMs, agentes e ferramentas disponíveis
- Download e upload de agentes e ferramentas
Gemma 3
Um modelo de IA de código aberto otimizado para desempenho em GPU único, suportando entradas multimodais e mais de 140 idiomas.
Gemma 3 é uma coleção de modelos abertos leves e de última geração projetados para rodar em dispositivos, particularmente otimizados para desempenho em GPU única. Ele suporta entradas multimodais e mais de 140 idiomas. O modelo está disponível em vários tamanhos (1B, 4B, 12B e 27B), permitindo que desenvolvedores escolham o mais adequado ao seu hardware e necessidades de desempenho. Gemma 3 oferece capacidades avançadas de raciocínio textual e visual, uma janela de contexto de 128 k tokens e chamada de funções para tarefas complexas. Também inclui versões quantizadas para desempenho mais rápido e requisitos computacionais reduzidos. O modelo faz parte do compromisso do Google de tornar a tecnologia de IA útil acessível e se baseia na mesma pesquisa e tecnologia que alimentam os modelos Gemini 2.0. Gemma 3 foi projetado para capacitar desenvolvedores a criar aplicações de IA que possam ser executadas diretamente em dispositivos como smartphones, laptops e estações de trabalho. Gemma 3 oferece desempenho de ponta para seu tamanho, superando outros modelos como Llama3-405B, DeepSeek-V3 e o3-mini em avaliações preliminares de preferência humana. Permite aplicações globais com suporte pronto para uso para mais de 35 idiomas e suporte pré-treinado para mais de 140 idiomas. O modelo possibilita a criação de fluxos de trabalho impulsionados por IA usando chamadas de função e saída estruturada. O desenvolvimento do Gemma 3 incluiu protocolos de segurança rigorosos, como governança de dados extensa, alinhamento com políticas de segurança via fine-tuning e avaliações robustas de benchmark. A família de modelos abertos Gemma tem sido amplamente adotada, com mais de 100 milhões de downloads e uma comunidade vibrante que criou mais de 60.000 variantes do Gemma. As capacidades do Gemma 3 o tornam adequado para desenvolvedores que buscam criar experiências de usuário envolventes que cabem em um único host com GPU ou TPU.
Divisão de critérios
- suporte a IA multimodal
- desenvolvimento focado na responsabilidade
- ajuste fino extensivo
- suporte a 140 idiomas
- desempenho aprimorado
MiniMax‑M1
Modelo de raciocínio em larga escala de código aberto com contexto de 1 milhão de tokens e arquitetura híbrida Mixture-of-Experts.
MiniMax-M1 é um modelo de raciocínio híbrido de atenção de grande escala e open-weight. Ele funciona com uma arquitetura híbrida Mixture-of-Experts (MoE) combinada a um mecanismo de lightning attention, permitindo escalar de forma eficiente o compute em tempo de inferência. O modelo suporta nativamente um comprimento de contexto de 1 milhão de tokens e foi treinado usando reinforcement learning (RL) em larga escala em problemas diversificados. Ele supera outros modelos fortes de open-weight em tarefas complexas de engenharia de software, uso de ferramentas e contextos longos. Experimentos em benchmarks padrão mostram que o MiniMax‑M1 supera outros modelos em tarefas de categoria, como matemática, programação, engenharia de software, uso de ferramentas agente e compreensão de contexto longo. O modelo é particularmente adequado para tarefas complexas que exigem o processamento de entradas longas e um pensamento aprofundado. MiniMax-M1 serve como uma base robusta para agentes de modelos de linguagem de próxima geração, para raciocinar e enfrentar desafios do mundo real. A comparação de desempenho em benchmark dos principais modelos comerciais e de código aberto em diferentes tarefas de categoria destaca o desempenho do modelo. O relatório técnico fornece mais informações sobre a arquitetura do modelo, o protocolo de treinamento e os resultados de avaliação.
Divisão de critérios
- Arquitetura híbrida Mixture-of-Experts (MoE)
- Mecanismo de atenção relâmpago
- Estrutura de escala de aprendizado de reforço (RL)
- Comprimento de contexto de 1 milhão de tokens
- Escala eficiente de computação no tempo de teste
ScreenAgent
Agente VLM de código aberto para controlar GUIs de computador via planejamento e execução de mouse/teclado.
ScreenAgent é um agente de Modelo de Linguagem Visual (VLM) de código aberto projetado para controlar GUIs de computador via operações de mouse e teclado. Ele permite a interação com telas de computador reais observando capturas de tela e executando ações. O projeto inclui um processo de planejamento-execução-reflexão que orienta o agente a concluir tarefas de várias etapas. Foi criado para abordar o desafio de ensinar agentes a usar computadores, exigindo capacidades como planejamento de tarefas, compreensão de imagens e posicionamento visual. O conjunto de dados do ScreenAgent, que cobre várias tarefas diárias de computador, foi anotado manualmente para dar suporte ao aprendizado do agente. O projeto consiste em um cliente para controlar a área de trabalho, um conjunto de dados, trabalhadores de modelo para inferência e código de treinamento. Ele suporta operações básicas de mouse e teclado e pode ser aplicado a diferentes sistemas operacionais de desktop e aplicativos. A abordagem do ScreenAgent é universal e não depende de APIs específicas, tornando-a versátil.
Divisão de critérios
- Execução de operações de mouse e teclado
- Processo de planejamento-execução-reflexão para conclusão de tarefas
- Suporte para vários sistemas operacionais de desktop e aplicativos
- Anotação manual do conjunto de dados do ScreenAgent para cobertura diversificada de tarefas
- Agente VLM para interação com GUI
BabyBeeAGI
Uma versão avançada do BabyAGI com gerenciamento de tarefas aprimorado e funcionalidade.
BabyAGI é uma estrutura experimental para construir agentes autônomos que se auto-construem. Foi criada como uma evolução do BabyAGI original de março de 2023, que introduziu o planejamento de tarefas para agentes autônomos. A estrutura é construída em torno de uma nova estrutura de funções chamada 'functionz' que armazena, gerencia e executa funções de um banco de dados. Possui uma estrutura baseada em grafos para rastrear importações, funções dependentes e segredos de autenticação, junto com carregamento automático e capacidades de registro abrangentes. A estrutura também inclui um painel para gerenciar funções, executar atualizações e visualizar registros. É projetada para ser simples e estimular a discussão entre desenvolvedores, não para uso em produção. A ideia central é construir a coisa mais simples que possa se construir, tornando-a uma abordagem interessante para o desenvolvimento de agentes autônomos.
Divisão de critérios
- Registro de função e gerenciamento de metadados
- Rastreamento de dependência e dependências-chave
- Carregamento automático e registro
- Painel para gerenciamento de funções e visualização de registros
MCP‑Use
Plataforma de código aberto para conectar LLMs a servidores MCP e construir agentes de IA personalizados com acesso a ferramentas.
O mcp-use é uma plataforma de código aberto que facilita a conexão de Modelos de Linguagem Grande (LLMs) com servidores MCP e possibilita o desenvolvimento de agentes de IA personalizados que podem interagir com esses LLMs. A plataforma fornece uma estrutura MCP completa (SDK do mcp-use) para construir aplicativos ChatGPT, conectores Claude e servidores MCP. Com o mcp-use, os desenvolvedores podem aproveitar um único código-fonte para implantar seus aplicativos em várias superfícies onde os usuários e agentes já trabalham, incluindo ChatGPT, Claude e Gemini. A plataforma oferece uma variedade de ferramentas e recursos, como a capacidade de criar aplicativos MCP em um comando, implantação automática na Manufact Cloud e análise e observabilidade integradas. Os desenvolvedores podem usar o SDK do mcp-use para construir e implantar servidores e aplicativos MCP sem a necessidade de ferramentas adicionais. A plataforma também fornece um inspetor visual e capacidades de teste em sandbox, permitindo que os desenvolvedores testem seus aplicativos sem a necessidade de um LLM ativo. O mcp-use visa simplificar o desenvolvimento e a implantação de aplicativos baseados em MCP, tornando-o uma opção atraente para desenvolvedores que buscam construir e implantar agentes de IA e aplicativos personalizados.
Divisão de critérios
- Gerenciamento de servidor MCP
- Conexão e integração de LLM
- Desenvolvimento de agentes de IA personalizados
- Implantação automatizada e escalabilidade
- Inspetor visual e teste em sandbox
- Análise e observabilidade integradas
Rasa
Framework de código aberto para construir assistentes de chat e voz de nível de produção
Rasa é uma plataforma de IA conversacional que ajuda os desenvolvedores a construir assistentes de chat e voz contextuais com controle total sobre dados, modelos e implantação. Seu núcleo de código aberto lida com compreensão de linguagem natural e gerenciamento de diálogo, enquanto o Rasa Pro adiciona recursos corporativos como análise, controles de segurança e infraestrutura escalável. O Rasa Studio fornece uma interface de baixo código para designers e equipes de conversa colaborarem no treinamento de dados, fluxos e testes sem escrever código. Juntos, as ferramentas suportam equipes híbridas enviando assistentes em canais de mensagens, sistemas IVR e aplicativos personalizados. É comumente usado por empresas em bancos, telecomunicações, saúde e governo, onde é necessária implantação no local, conformidade e personalização.
Divisão de critérios
- Motor de compreensão de linguagem natural
- Gerenciamento de diálogo com ações personalizadas
- Interface de baixo código do Rasa Studio
- Integrações de voz e multi-canal
- Ferramentas de análise e teste de conversa
- Controles de segurança e implantação corporativos