Bătălie trecută · 2024-07-19 UTC
AI Agent Development Frameworks Confruntare — 19 iulie 2024
Din categoria AI Agent Development Frameworks. 22 puncte plasate pe 7 luptători. kagent a luat coroana.
Clasament final
Lotul
Luptătorii
Profilurile fiecărui instrument care a concurat în această bătălie, clasate după scorul lor final.
kagent
Următorul lemn build-to-order sau calele pentru corectarea errorurilor de clădiri sau pentru evaluarea configurațiilor Kubernetes
kagent facilitează automatizarea operațiunilor de Kubernetes de către agenții AI. Acesteia îi permite agenților să fie desfășurați, observați și reglementați utilizând instrumentele de Kubernetes familiare. kagent face agenții o sarcină de gradul întâi pe Kubernetes, permțându-le să fie versionate ca Definiții de Resurse de Clasă de Kubernetes (CRDs) și să fie recenzate în cerințe de pull. Această abordare permite utilizarea instrumentelor existente Kubernetes pentru a gestiona agenții. Bunul de feloseală este deschis și a fost construit de fondatorii Istio. Suportă o varietate de combinații de limbi și framework-uri, inclusiv Go și Python, iar permite utilizarea unui ajutor de limbă mare (LLM) de orice furnizor. kagent oferă caracteristici de securitate și observabilitate robuste, inclusiv urmărirea cu OpenTelemetry, metrici cu Prometheus și loguri structurate. De asemenea, susține suport multi-rulare, comunicație agent la agent și capacitatea de a încărca cunoștințe din repository-uri Git. În general, kagent furnizează un cadru puternic și adaptabil pentru automatizarea operațiunilor Kubernetes cu agenți AI.
Diviziunea criteriilor
- Substrat pentru agent pentru lansare rapidă și utilizarea eficientă a resurselor
- Gata pentru trust zero cu mTLS și RBAC fine-granulare
- Memorie cu vector persistent pentru memorie de lung termen
- Sfaturi pentru umani cu garduri de aprobare și întrebări inițiate de agent
- Delegare agent-la-agent (A2A) pentru compunerea fluxurilor de lucru multi-agent
BabyCatAGI
Framework de agent AI autonom ușor pentru automatizarea sarcinilor streamline
BabyCatAGI este o versiune simplificată și modificată a BabyAGI, concepută pentru a rezolva sarcini complexe prin intermediul de agenți AI autonomi. Aceasta descompune obiectivele de nivel înalt în sub-sarcini mai manejabile, le execută pe rând și se adaptează planului în funcție de rezultatele intermediare, încât este potrivită atât pentru cercetare, generația de conținut, cât și rezolvarea multi-pas a unor probleme. Frameworcul dă prioritate codului minim și citirii ușurei, făcându-l accesibil pentru dezvoltatori care doresc să experimenteze cu AI agentic fără suprapunerea overhead-ului a bibliotecilor de orchestration mai mari. Se integrează cu modele de limbă și instrumente de căutare a web-ului pentru a aduna context, a rezolva problemele prin gândire și produce șabloane de iesiri structurate. În calitate de proiect experimental deschis, BabyCatAGI este cel mai potrivit pentru prototiparea fluxurilor de lucru ale agenților, pentru a învăța cum functionează sistemul autonom cu sarcini și pentru a personaliza pipeline-urile pentru nevoile de automatizare specifice.
Diviziunea criteriilor
- Crearea și prioritizarea listei de sarcini
- Execuția autonomă a subtârgilor
- Integrarea căutării web pentru context
- Flux de lucru de raționament secvențial
- Implementare Python ușoară
- Obiective și prompt-uri personalizabile
MCP‑Use
Platforma deschisă pentru a conecta LLM-uri cu serviciile MCP și construi agenti AI personalizați având acces la instrumentele necesare.
mcp-use este o platformă open-source care facilitează conexiunea Modelurilor de Limbaj Mari (LLMs) cu serverele MCP și permite dezvoltarea de agenți AI personalizabili care pot interacționa cu aceste LLM-uri. Platforma oferă un cadru de dezvoltare full-stack MCP (mcp-use SDK) pentru a construi Aplicații pentru ChatGPT, Conectori Claude și Servere MCP. Cu mcp-use, dezvoltatorii pot exploata o bază de cod unică pentru a deploia aplicațiile lor pe mai multe suprafețe unde utilizatorii și agenții au deja locul lor de muncă, inclusiv ChatGPT, Claude și Gemini. Platforma oferă o gamă de instrumente și funcționalități, cum ar fi posibilitatea de a structura aplicațiile MCP într-o comandă, depunerea automată pe Manufact Cloud și analiza și observabilitate integrată. Desinzatorii pot folosi SDK-ul mcp-use pentru a construi și a instala serverele și aplicațiile MCP, fără să necesite alte utilități suplimentare. Platforma oferă, de asemenea, o Visual Inspector și capacități de testare în sandbox, ceea ce le permite dezvoltatorilor să testeze aplicațiile fără necesitatea unui LLM live. mcp-use se încearcă a simplifica dezvoltarea și implementarea aplicațiilor bazate pe MCP, făcându-l o opțiune atractivă pentru dezvoltatori care caută să construiască și să implementeze agenți și aplicații de AI customizate.
Diviziunea criteriilor
- Gestionare de servicii MCP
- Conexiune și integrare LLM-urilor
- Dezvoltare de agenți AI personalizați
- Implementare automată și scalabilitate
- Inspector vizual și testare în sandbox
- Analitici și observabilitate integrate
Claude MCP Agents
Agenti AI construite pe baza protocolului Contextul Model Proprietate CP (MCP) pentru integrare fără problemă a unor أدوات și date externă
Claude MCP Agents sunt agenţi AI care exploatează Protocolul de Context al Modelului (MCP) al Anthropic pentru a se conecta cu o gamă largă de surse de date externe, API-uri şi instrumente de dezvoltare. Prin intermediul standardizării modului în care curentul contextual se află înainte de sistemul Claude, aceşti agenţi pot citi fişiere, interoga baze de date, invoca servicii şi acţiona în funcţie de informaţiile din timp real, fără integrări ad-hoc pentru fiecare sursă. Abordarea este orientată către dezvoltatori și echipe care construiesc automări, asistenți de cercetare și agenți de flux de lucru care au nevoie de accesul stabil la date întreprinzătoare sau personale. Specificația deschisă MCP înseamnă că același agent poate fi conectat la noi instrumente cu legături care apar, reducând închiderea și supraîncărcarea de integrare.
Diviziunea criteriilor
- Integrarea cu protocolul MCP
- Se conectează la fișiere, API-uri și baze de date
- Extensibilitate prin servere MCP personalizate
- Sporirea fluxurilor de lucru agente cu pasi multipli
- Compatibil cu familia de modele Claude
- Standarde deschis pentru interoperabilitate
Gemma 3
Un model AI open-source optimizat pentru performanța unui singur GPU, care suportă intrări multimodale și peste 140 de limbi.
Gemma 3 este o colecție de modele deschise, lighțiști și în starea de ultimă oră, proiectate să ruleze pe dispozitive, în special optimizate pentru performanță pe o singură unitate GPU. Suportă intrări multimodale și mai mult de 140 de limbi. Modelul vine în dimensiuni diverse (1B, 4B, 12B și 27B), permitând dezvoltatorilor a alege cel mai bun model în funcție de hardware și de nevoile de performanță ale lor. Gemma 3 oferă capacități de razonare avansate texte și vizuale, o fereastră de context de 128.000 de token-uri și apeluri de funcții pentru sarcini complexe. Mai mult, include versiuni cuantizate pentru o performanță și costuri computationale mai reduse. Modelul este parte a angajamentului lui Google de a face tehnologia AI utilă disponibilă și construiește pe aceeași cercetare și tehnologie care motivează modelele Gemini 2.0. Gemma 3 este proiectat pentru a permite dezvoltatorilor să creeze aplicații AI care pot Rulează direct pe dispozitive astfel de telefoane, laptop-uri și stații de lucru. Gemma 3 livrează performanțe de top pentru mărimea sa, depășind alte modeluri precum Llama3-405B, DeepSeek-V3 și o3-mini în evaluările preliminare ale preferinței umane. Oferește aplicații globale cu o sprijină automată în box pentru peste 35 de limbi și o sprijinire pre-calibrată pentru peste 140 de limbi. Modelul permite crearea fluxurilor de lucru înființate de AI prin apeluri de funcții și rezultate structurate. Deschiderea dezvoltării lui Gemma 3 a inclus proceduri de siguranță stricte, cum ar fi guvernarea datei extinse, alinierea politicilor de siguranță prin fine-tunare și evaluări de referință robuste. Familia de modele Gemma deschise și-au primit un adopție semnificativă, cu peste 100 de milioane de descărcări și o comunitate dinamică care și-a creat peste 60.000 de variante Gemma. Capacitățile GEMMA 3 îl fac potrivit pentru dezvoltatori care își doresc să creeze experiențe utile utilizatorilor, apte să funcționeze pe un anumit host GPU sau TPU.
Diviziunea criteriilor
- suport AI multimodal
- dezvoltare axată pe responsabilitate
- reglare fină extinsă
- suport pentru 140 de limbi
- performanță îmbunătățită
Agency Swarm
Un framework open-source de orchestrare a agenților AI, conceput pentru a automatiza și eficientiza procesele de dezvoltare AI prin roiuri de agenți colaborativi.
Agency Swarm este un framework open-source care se bazează pe SDK-ul Agentilor OpenAI și pe API-ul de răspunsuri. Oferează o mediu structurat și gata pentru crearea de aplicații cu mai mulți agenți. Cele mai importante caracteristici includ roluri de agent personalizabile, capacitatea de a gestiona back-end-uri diferite de model (de exemplu, modelele GPT-family ale lui OpenAI, Anthropic, Gemini-ul lui Google, OpenRouter-ul Azure și instrumentele LiteLLM proprii, permise prin decorația @function_tool (recomandată) sau prin extinderea Obiectului de bază Tool. Un beneficiu cheie al arhitecturii Agency Swarm este stabilitatea sa în ambele medii Python și Linux. Instalarea este simplă, cu comanda standard pip: pip install agency-swarm. Descrierea ar trebui să explice Agency Swarm ca o instrumentar de sursă deschisă care se construiește în cadrul SDK-ului Agentilor OpenAI și API-ului de Reacții. Agency Swarm este un kit de instrumente AI open-source care îi ajut pe developeri să creeze aplicații multi-agent pentru dezvoltarea inteligentă a realității. Caracteristici cheie: - Instrumentele CLI generate automat: Descoperiți API-ul de tip REST al aplicației pentru acces ușor la serviciile de bază pentru a-și crește productivitatea. - Roluri de agent personalizabile: Puteți decide cu ușurință funcțiile și nivelurile de permisiune pentru fiecare rol de agent, pentru o personalizare mai mare în aplicația dvs. - Implementare Full Stack: Agency Swarm este o implementare full stack pentru Python doar. Dacă sunteți pe Linux, gândiți-vă la el ca o implementare full-stack fără niciun fel de constrângeri din cauza bibliotecii standard Python. Avantaje: 1. Stabilitate în medii Python/Linux 2. Integrare ușoară cu aplicațiile tale 3. Instrumente CLI componabile și ușor de utilizat 4. Roluri de Agent personalizabile. Contra: 1. Limitări de compatibilitate ale modelului de limbă (Roboți de conversație personali: GPT-3, etc.) N/A 2. Cerințe de mediu de dezvoltare N/A 3. Suport backend pentru model limitat N/A 4. Interfață utilizator basică N/A 5. Posibilități de învățare N/A 6. Integrarea funcțiilor N/A 7. Proces de documentare N/A 8. Capacități pentru inteligență artificială: N/A 9. Management de flux de dialog avansat N/A 10. Aplicații multistratificate N/A 11. Execuție simultană N/A 12. Acces la starea aplicației N/A 13. Implementarea automată N/A 14. Execuție a sarcinilor avansate N/A 15. Tipuri de agenți personalizate N/A 16. Sprijin pentru model de limbă larg N/A 17. Funcționează în Python ↻ N/A 18. Control complet N/A 19. Măsurarea performanței N/A 20. Propunerea de spații de lucru locale N/A 21. Integrarea cu OpenALink: o frameworks de dezvoltare web pentru aplicații Python 22. Colaborarea cu agenți AI într-un proiect 23. Interpretabilitate 24. Monitoring N/A 25. Integrarea codului surse complet N/A 26. Scalabilitate N/A 27. Performanță scăzută N/A Dezavantaje: - Dificultăți de integrare cu programele deja existente în cadrul agenției; - Costuri ridicate asociate cu dezvoltarea și implementarea unor soluții personalizate pentru LLM; - Necesitatea actualizării continuă a aplicațiilor pentru a asigura compatibilitatea cu API-ul nostru în continua evoluție.
Diviziunea criteriilor
- Roluri de agent personalizabile
- Control complet asupra prompturilor/instrucțiunilor
- Instrumente de tip safe pentru dezvoltare
- Comunicare orchestrată între agenți
- Persistență flexibilă a stării
- Orchestrare multi-agent
Mosaic AI Agent Framework
O suită de instrumente de la Databricks pentru construirea, implementarea și evaluarea agenților AI de înaltă calitate și a aplicațiilor RAG.
Databricks Agent Framework (AAF) este un set de instrumente furnizate de Databricks pentru construirea, implementarea și guvernarea agenților AI. Acești agenți pot conecta la orice instrument, bază de date sau aplicație SaaS printr-un singur protocol guvernat (Model Context Protocol, MCP). Framework-ul include dezvoltare AI integrată, experimentare și implementare în calcul serverless folosind Databricks Apps fără a gestiona infrastructura. Agent Bricks și Unity Catalog sunt esențiale pentru guvernare și securitate; ele aplică politici predefinite pe modele, instrumente și conexiuni, impunând limite de rată, fallback-uri și alte măsuri de protecție necesare pentru prevenirea injecției de prompt, detectarea datelor sensibile și filtrarea conținutului.
Diviziunea criteriilor
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Guvernare centralizată
- Control per utilizator