Minulý súboj · 2025-01-11 UTC
AI Agent Development Frameworks Súboj — 11. januára 2025
Z kategórie AI Agent Development Frameworks. 38 body udelených medzi 10 bojovníkov. Mastra získal korunu.
Konečné poradie
Zostava
Bojovníci
Profily každého nástroja, ktorý súťažil v tomto súboji, zoradené podľa ich konečného skóre.
Mastra
Open-source TypeScript framework pre tvorbu AI agentov, pracovných tokov, RAG, pamäti a MCP, s voliteľným cloudovým studiou a observabilitou.
Mastra je open-source framework typu TypeScript na vytváranie aplikácií a agentov podporovaných umelou inteligenciou. Poskytuje súbor nástrojov pre vývojárov, aby mohli prejsť od nápadu k implementácii, vrátane agentov, pracovných postupov, pamäte, pracovných priestorov a pozorovateľnosti. Mastra sa integruje s rôznymi frontendovými a backendovými frameworkmi a môže byť nasadená ako samostatný server. Umožňuje vývojárom vytvárať rôzne schopnosti, ako sú interné automatizačné agenti, zákaznícky orientovaní agenti a ďalšie. Mastra obsahuje funkcie ako vstavaná pozorovateľnosť, opakované kontroly a cacheovateľné obnoviteľné streamy. Je navrhnutá na podporu rýchlo rastúcich startupov a veľkých globálnych organizácií. Architektúra Mastra je založená na agensoch, ktoré môžu byť definované pomocou inštrukcií, modelov, nástrojov a správania pri spustení. Agensy môžu interagovať s používateľmi, dokončovať úlohy a odovzdávať produktové toky. Rámec tiež obsahuje zabudovaný systém udalostí pre udalosti, ako aj systém na publikovanie a predplatenie udalostí pomocou Redis Streams a Google Cloud Pub/Sub. Mastra má bohatý ekosystém zdrojov, vrátane kníh, blogov a sprievodcov. Má veľkú komunitu používateľov a je široko používaná v rôznych odvetviach.
Rozdelenie kritérií
- Agenti
- Pracovné toky
- Pamäť
- Pracovné priestory
- Observabilita
- Vnútorný event systém
AI Legion
Open‑source platforma na tvorbu autonómnych AI agentov, ktorí spolupracujú pri plnení úloh.
AI Legion je open‑source platforma na tvorbu autonómnych AI agentov, ktorí spolupracujú pri plnení úloh. Využíva veľké jazykové modely, ako sú GPT-3.5‑turbo a GPT‑4, ktoré umožňujú agentom pracovať spoločne a dosahovať zložité ciele. Platforma poskytuje rámec na nastavenie a správu týchto agentov, vrátane konfiguračných súborov, API a pracovných postupov. AI Legion je navrhnutý tak, aby bol rozšíriteľný a prispôsobiteľný, čo používateľom umožňuje vytvárať a integrovať vlastné modely, akcie a funkcie. Platforma je vhodná pre rôzne prípady použitia, vrátane výskumu, vývoja a nasadzovania autonómnych AI systémov. Nastavenie prostredia AI Legion zahŕňa inštaláciu požadovaných závislostí, vrátane Node.js a OpenAI API kľúčov. Agenti môžu byť následne spustené a komunikovať cez konzolu. Platforma tiež obsahuje funkcie na správu stavu agenta, vrátane možnosti mazať záznamy udalostí a reštartovať agentov s vlastnými konfiguráciami. AI Legion je výkonný nástroj na budovanie a nasadzovanie autonómnych AI systémov a jeho open‑source povaha ho robí prístupným pre širokú škálu používateľov. Avšak vyžaduje značnú technickú odbornosť a úsilie pri konfigurácii, aby bol efektívne použiteľný. Jednou z kľúčových výhod AI Legion je schopnosť umožniť agentom učiť sa a prispôsobovať sa v čase, pomocou kombinácie strojového učenia a techník znalostného grafu. To umožňuje agentom zlepšovať výkon a rozhodovacie schopnosti pri interakcii s prostredím. Na druhej strane AI Legion prináša niekoľko výziev a obmedzení, vrátane potreby rozsiahlej konfigurácie a správy, rizika chýb agentov a nekonečných slučiek, a možnosti vysokého počtu tokenov a nákladov na používanie API. Okrem toho použitie veľkých jazykových modelov môže vyvolávať obavy ohľadom predpojatosti a presnosti. Čo sa týka konkrétnych funkcií, AI Legion podporuje webové vyhľadávanie, vlastné vyhľadávače a API, ako aj správu stavu agenta a reštartovanie agentov s vlastnými konfiguráciami. Platforma je tiež veľmi rozšíriteľná, čo umožňuje používateľom vytvárať a integrovať vlastné modely, akcie a funkcie. Medzi potenciálne prípady použitia AI Legion patrí výskum a vývoj autonómnych AI systémov, nasadzovanie AI‑pohonovaných pracovných postupov a procesov, a tvorba vlastných AI‑pohonovaných nástrojov a aplikácií. Celkovo je AI Legion výkonná a rozšíriteľná platforma pre budovanie a nasadzovanie autonómnych AI systémov, avšak vyžaduje značnú technickú odbornosť a úsilie pri konfigurácii, aby bola efektívne využiteľná.
Rozdelenie kritérií
- Webové vyhľadávanie
- Vlastné vyhľadávače
- API a webhooky pre integráciu
- Správa stavu agenta
- Vytváranie vlastných modelov a akcií
- Schopnosti znalostného grafu a strojového učenia
AutoML-Agent
Open-source multi-agent LLM framework, ktorý automatizuje end-to-end strojové učenie.
AutoML-Agent je open-source rámec, ktorý využíva koordinované veľké jazykové modelové agenty na zvládnutie celého životného cyklu strojového učenia. Namiesto spoliehania sa na jeden model alebo skript deleguje úlohy, ako je pochopenie údajov, predspracovanie, výber modelu, tréning a hodnotenie, na špecializované agenty, ktoré spolupracujú na spoločnom cieli. Rámec je zameraný na výskumníkov a vývojárov, ktorí chcú automatizovať experimentovanie bez písania rozsiahleho kódu pipeline. Popísaním súboru údajov a cieľa v prirodzenom jazyku môžu používatelia nechať agentov navrhovať, vytvárať a opakovať kandidátske riešenia, pričom sa zobrazujú výsledky a dôvody. Vďaka otvorenému zdroju môže byť AutoML-Agent rozšírený o vlastné agenty, nástroje alebo modelové backendy, čo ho robí užitočným ako praktický AutoML systém, tak aj ako výskumné prostredie pre pracovné postupy viacerých agentov.
Rozdelenie kritérií
- Orchestrácia multi-agent LLM
- Automatizované predspracovanie dát a spracovanie funkcií
- Výber modelu a vyhľadávanie hyperparametrov
- Generovanie tréningového a hodnotiaceho potrubia
- Špecifikácia úlohy prirodzeným jazykom
- Rozšiiteľná architektúra pre vlastné agenty
Cerebrum je SDK použitým na vyvinutie a prevádzkovanie agenty LLM-ovojne AI súčasne so štýlom slobodne využívačské a vývojárske užívateľské AI aplikácie.
Rozdelenie kritérií
- Vývoj a nasadenie agentov
- Správa AI agentov založených na LLM
- Podpora webového rozhrania a terminálového rozhrania
- Správa agentov a nástrojov
- Zoznam dostupných LLM, agentov a nástrojov
- Stiahnutie a nahratie agentov a nástrojov
Gemma 3
Open-source model umelej inteligencie optimalizovaný pre výkon na jednej GPU, podporujúci multimodálne vstupy a viac ako 140 jazykov.
Gemma 3 je kolekcia ľahkých, najmodernejších otvorených modelov navrhnutých na spustenie na zariadeniach, najmä optimalizovaných pre výkon na jednej GPU. Podporuje multimodálne vstupy a viac ako 140 jazykov. Model prichádza v rôznych veľkostiach (1B, 4B, 12B a 27B), čo umožňuje vývojárom vybrať si najlepší model pre svoje hardvérové a výkonnostné potreby. Gemma 3 ponúka pokročilé možnosti textového a vizuálneho uvažovania, 128k-tokenové okno kontextu a volanie funkcií pre komplexné úlohy. Zahŕňa tiež kvantované verzie pre rýchlejší výkon a znížené výpočtové požiadavky. Model je súčasťou záväzku spoločnosti Google, aby bola užitočná technológia AI dostupná, a stavia na rovnakom výskume a technológii, ktorá poháňa ich modely Gemini 2.0. Gemma 3 je navrhnutá tak, aby umožnila vývojárom vytvárať aplikácie AI, ktoré môžu bežať priamo na zariadeniach, ako sú telefóny, notebooky a pracovné stanice. Gemma 3 poskytuje špičkový výkon pre svoju veľkosť a v predbežných hodnoteniach ľudských preferencií prekonáva iné modely ako Llama3-405B, DeepSeek-V3 a o3-mini. Umožňuje globálne aplikácie s podporou pre viac ako 35 jazykov a predtréningovou podporou pre viac ako 140 jazykov. Model umožňuje vytváranie pracovných postupov založených na umelej inteligencii pomocou volania funkcií a štruktúrovaného výstupu. Vývoj Gemma 3 zahŕňal dôkladné bezpečnostné protokoly, ako je rozsiahle riadenie údajov, zosúladenie s bezpečnostnými politikami prostredníctvom jemného dolaďovania a robustné hodnotenia benchmarkov. Rodina modelov Gemma zaznamenala výrazné rozšírenie s viac ako 100 miliónmi stiahnutí a živou komunitou, ktorá vytvorila viac ako 60 000 variantov Gemmy. Schopnosti Gemma 3 ju robia vhodnou pre vývojárov, ktorí chcú vytvárať pútavé používateľské skúsenosti, ktoré sa dajú umiestniť na jeden GPU alebo TPU hostiteľ.
Rozdelenie kritérií
- podpora multimodálnej umelej inteligencie
- vývoj zameraný na zodpovednosť
- extenzívne dolaďovanie
- podpora 140 jazykov
- zlepšený výkon
MiniMax‑M1
Open‑source veľký model rozumovania s kontextovou dĺžkou 1 milión tokenov a hybridnou Mixture‑of‑Experts architektúrou
MiniMax-M1 je model s otvorenými váhami, veľkého rozsahu pre rozumovanie s hybridnou pozornosťou. Je poháňaný hybridnou architektúrou Mixture‑of‑Experts (MoE) spojenou s lightning mechanizmom pozornosti, ktorý umožňuje efektívne škálovanie výpočtov počas testovania. Model natívne podporuje kontextovú dĺžku 1 milión tokenov a je trénovaný pomocou veľkého reinforcement learning (RL) na rôznorodých úlohách. Prekonáva iné silné open‑weight modely v komplexných úlohách softvérového inžinierstva, používania nástrojov a dlhých kontextových úloh. Experimenty na štandardných benchmarkoch ukazujú, že MiniMax-M1 prekonáva iné modely v kategóriových úlohách ako matematika, programovanie, softvérové inžinierstvo, agentický používanie nástrojov a porozumenie dlhých kontextov. Model je obzvlášť vhodný pre zložité úlohy, ktoré vyžadujú spracovanie dlhých vstupov a rozsiahle úvahy. MiniMax-M1 slúži ako silná základňa pre agentov s jazykovým modelom 2. generácie na rozumovanie a riešenie reálnych výziev. Porovnanie výkonu na benchmarkoch medzi vedenými komerčnými a open‑weight modelmi naprieč rôznorodými kategóriovými úlohami zdôrazňuje výkon modelu. Technická správa poskytuje viac informácií o architektúre modelu, tréningovom protokole a výsledkoch hodnotenia.
Rozdelenie kritérií
- Hybridná Mixture‑of‑Experts (MoE) architektúra
- Lightning mechanizmus pozornosti
- Framework pre reinforcement learning (RL) v rozsahu
- Dĺžka kontextu 1 milión tokenov
- Efektívne škálovanie výpočtov počas testovania
ScreenAgent
Open‑source VLM agent na ovládanie počítačových GUI pomocou plánovania a vykonávania myši/klávesnice.
ScreenAgent je open-source agent vizuálneho jazykového modelu (VLM), navrhnutý na ovládanie počítačových GUI pomocou operácií myši a klávesnice. Umožňuje interakciu so skutočnými počítačovými obrazovkami sledovaním snímkov obrazovky a vykonávaním akcií. Projekt obsahuje proces plánovanie‑vykonanie‑reflexia, ktorý vedie agenta k dokončeniu viacstupňových úloh. Bol vytvorený na riešenie výzvy naučiť agentov používať počítače, čo vyžaduje schopnosti ako plánovanie úloh, porozumenie obrazu a vizuálne pozicionovanie. Dataset ScreenAgent, ktorý pokrýva rôzne každodenné počítačové úlohy, bol manuálne anotovaný na podporu učenia agenta. Projekt pozostáva z klienta na ovládanie desktopu, datasetu, modelových pracovníkov pre inference a tréningového kódu. Podporuje základné operácie myši a klávesnice a môže byť aplikovaný na rôzne desktopové operačné systémy a aplikácie. Prístup ScreenAgent je univerzálny a nespočíva na konkrétnych API, čo ho robí veľmi všestranným.
Rozdelenie kritérií
- Vykonávanie operácií myši a klávesnice
- Proces plánovanie‑vykonanie‑reflexia pre dokončovanie úloh
- Podpora rôznych desktopových operačných systémov a aplikácií
- Manuálna anotácia datasetu ScreenAgent pre rozmanité pokrytie úloh
- VLM agent pre interakciu s GUI
BabyBeeAGI
Ažpiliná verzia BabyAGI s zvýšeným množičkami zpracovávania práce a doplňky funknia.
BabyBeeAGI je experimentálna platforma pre automaticky zribenie slobotieďnice, či áno zmiešanie slobiazejky dlhených účely akreditovaného čiarovca.
Rozdelenie kritérií
- Funknial registrovanie a množička súborkov funknia
- Funknial zvýšenie siadenie a funknia trezorisku konstrukcii určovanie a doplnom zmiešanie slobiazejky
- Doplniek s účely automatizácia a zkladatelné systémá zo zvýšenia a zvania funknia
- Orientačné systém a doplňok s vyrovnaním a zvýšenie péče
- Doxmeniak s veta klucze a zvýšenie zkladatelného zvýšenia a verzie
MCP‑Use
Otvorená platforma na pripojenie LLMs k serverom MCP a tvorbu vlastných AI agentov s prístupom k nástrojom
mcp-use je open-source platforma, ktorá uľahčuje spojenie veľkých jazykových modelov (LLM) so servermi MCP a umožňuje vývoj vlastných AI agentov, ktorí môžu interagovať s týmito LLM. Platforma poskytuje full-stack MCP framework (mcp-use SDK) na vytváranie ChatGPT aplikácií, Claude Connectorov a MCP Serverov. S MCP‑Use môžu vývojári využívať jedinú kódovú základňu na nasadenie svojich aplikácií na rôznych platformách, kde používatelia a agenti už pracujú, vrátane ChatGPT, Claude a Gemini. Platforma ponúka množstvo nástrojov a funkcií, ako je schopnosť vytvárať MCP aplikácie pomocou jediného príkazu, automatické nasadenie do Manufact Cloud a vstavaná analytika a pozorovanie. Vývojári môžu použiť mcp-use SDK na vytvorenie a nasadenie MCP serverov a aplikácií bez potreby ďalších nástrojov. Platforma tiež poskytuje Visual Inspector a možnosti testovania v Sandboxe, čo umožňuje vývojárom testovať svoje aplikácie bez potreby živého LLM. Cieľom MCP‑Use je zjednodušiť vývoj a nasadenie aplikácií založených na MCP, čo ho robí atraktívnou voľbou pre vývojárov, ktorí chcú vytvárať a nasadzovať vlastné AI agenty a aplikácie.
Rozdelenie kritérií
- Správa serverov MCP
- Pripojenie a integrácia LLM
- Vývoj vlastných AI agentov
- Automatizované nasadenie a škálovanie
- Vizualny inspektor a Sandbox testovanie
- Vstavaná analytika a observabilita
Rasa
Open-source framework pre vytváranie produkčnej úrovne chat a hlasových asistentov
Rasa je platforma pre konverzačnú AI, ktorá pomáha vývojárom budovať kontextové chat a hlasové asistenty s úplnou kontrolou nad dátami, modelmi a nasadením. Jej open-source jadro zabezpečuje porozumenie prirodzenému jazyku a riadenie dialógov, zatiaľ čo Rasa Pro pridáva podnikovú funkčnosť ako analytiku, bezpečnostné kontroly a škálovateľnú infraštruktúru. Rasa Studio poskytuje low-code rozhranie pre dizajnérov a tímy pracujúce s konverzáciou, aby spolupracovali na tréningových dátach, tokových diagramoch a testovaní bez písania kódu. Spoločne nástroje podporujú hybridné tímy, ktoré nasadzujú asistenty naprieč komunikačnými kanálmi, IVR systémami a vlastnými aplikáciami. Bežne ho používajú podniky v bankovníctve, telekomunikáciách, zdravotníctve a verejnom sektore, kde je potrebné on-premise nasadenie, súlad s predpismi a prispôsobenie.
Rozdelenie kritérií
- Engine na porozumenie prirodzenému jazyku
- Riadenie dialógov s vlastnými akciami
- Low-code rozhranie Rasa Studio
- Integrácie hlasu a viackanálových komunikácií
- Analytické a testovacie nástroje pre konverzácie
- Podnikové bezpečnostné a nasadzovacie kontroly