Pretekla bitka · 2024-07-19 UTC
AI Agent Development Frameworks Obračun — 19. julij 2024
Iz kategorije AI Agent Development Frameworks. 22 oznake postavljenih med 7 borci. kagent je osvojil krono.
Končna razvrstitev
Postava
Borci
Profili vsakega orodja, ki je tekmovalo v tej bitki, razvrščeni po končnem rezultatu.
kagent
Odprtokodni okvir, ki omogoča AI agentom, da avtomatizirajo operacije v Kubernetesu.
Kagent omogoča AI agentom avtomatizacijo operacij v Kubernetes. Omogoča namestitev, opazovanje in upravljanje agentov z uporabo znanih Kubernetes orodij. kagent naredi agente primarno obremenitev na Kubernetesu, kar jim omogoča različčenje kot Kubernetes Custom Resource Definitions (CRDs) in pregledovanje v pull requestih. Ta pristop omogoča uporabo obstoječih orodij Kubernetes za upravljanje agentov. Okvir je odprtokoden in ga je zgradili ustanovitelji Istio. Podpira različne kombinacije jezikov in okvira, vključno z Go in Python, ter omogoča uporabo katerega koli ponudnika velikih jezikovnih modelov (LLM). kagent zagotavlja robustne varnostne in opazovalne funkcije, vključno z OpenTelemetry sledili, Prometheus metrikami in strukturiranimi logs. Prav tako podpira več-runtime podporo, agent-agent komunikacijo in možnost nalaganja znanja iz Git repozitorijev. Kagent zagotavlja močan in prilagodljiv okvir za avtomatizacijo operacij v Kubernetes s pomočjo AI agents.
Razdelitev kriterijev
- Agent Substrate za hiter zagon in učinkovito rabo virov
- Zero-trust pripravljeno z mTLS in fine-grained RBAC
- Trajno vektorno podprto pomnjenje za dolgoročno hranjenje informacij
- Prehodi odobravanja orodij z človekom v ciklu in vprašanja, initirana s strani agenta
- Delegacija med agenti (A2A) za sestavljanje večagentnih tokov dela
BabyCatAGI je poenostavljena, prilagojena različica BabyAGI, zasnovana za obravnavo kompleksnih nalog preko avtonomnih AI agentov. Razdeli visoko stopnjo ciljev v obvladljive podnaloge, jih izvaja zaporedno in prilagodi svoj načrt na podlagi posrednih rezultatov, kar ga naredi primernega za raziskave, ustvarjanje vsebin in večstopni reševanje problemov. Okvir daje prednost minimalnemu količnemu koda in berljivosti, kar ga naredi dostopen razvijalcem, ki želijo eksperimentirati z agentnim AI brez dodatne obremenitve večjih orkestracijskih knjižnic. Integrira se z jezikovnimi modeli in orodji za spletno iskanje, da zbira kontekst, razmišlja o težavah in ustvarja strukturirane izhode. Kot odprti eksperimentalni projekt je BabyCatAGI najbolj primeren za prototipiranje delovnih tokov agentov, učenje o delovanju nalogno usmerjenih avtonomnih sistemov in prilagajanje cevovodov za specifične potrebe avtomatizacije.
Razdelitev kriterijev
- Ustvarjanje seznama nalog in prioritetizacija
- Avtonomno izvajanje podnalog
- Integracija spletnega iskanja za kontekst
- Zaporedni tok razmišljanja
- Lahka Python implementacija
- Prilagodljivi cilji in prompti
MCP‑Use
Odprtokodna platforma, ki povezuje LLM-je z MCP strežniki in ustvarja prilagojene AI agente s dostopom do orodij.
mcp-use je odprtokodna platforma, ki olajša povezovanje velikih jezikovnih modelov (LLM) s MCP strežniki ter omogoča razvoj prilagojenih AI agentov, ki lahko komunicirajo s temi LLM-ji. Platforma zagotavlja celovit MCP okvir (mcp-use SDK) za gradnjo ChatGPT aplikacij, Claude konektorjev in MCP strežnikov. Z mcp-use lahko razvijalci izkoristijo enotno kodo za razmestitev svojih aplikacij na različnih platformah, kjer uporabniki in agenti že delajo, vključno s ChatGPT, Claude in Gemini. Platforma ponuja vrsto orodij in funkcij, kot so možnost ustvarjanja MCP aplikacij z enim ukazom, samodejna namestitev v Manufact Cloud ter vgrajena analitika in opazljivost. Razvijalci lahko uporabljajo mcp-use SDK za izdelavo in uvajanje strežnikov MCP ter aplikacij, ne da bi potrebovali dodatna orodja. Platforma prav tako nudi Visual Inspector in Sandbox testne zmogljivosti, ki razvijalcem omogočajo testiranje njihovih aplikacij brez potrebe po živem LLM. mcp-use si prizadeva poenostaviti razvoj in uvajanje aplikacij, ki temeljijo na MCP, zaradi česar je privlačna možnost za razvijalce, ki želijo ustvarjati in uvajati prilagojene AI agente ter aplikacije.
Razdelitev kriterijev
- Upravljanje MCP strežnikov
- Povezava in integracija LLM-jev
- Razvoj prilagojenih AI agentov
- Avtomatizirano uvajanje in razširljivost
- Vizualni inšpektor in testiranje v peskovniku
- Vgrajena analitika in opazljivost
Claude MCP Agents
AI agenti zgradeni na Anthropic's MCP za brezhibno integracijo orodij in podatkov.
Claude MCP Agents so AI agenti, ki izkoriščajo Model Context Protocol (MCP) Anthropica, da se povežejo z raznovrstnimi zunanjimi viri podatkov, API‑ji in razvijalčevimi orodji. S standardizacijo toka konteksta med Claude in zunanjimi sistemi lahko ti agenti berijo datoteke, poizvedujejo baze podatkov, izkličujejo storitve in delujejo na podlagi informacij v realnem času brez posebnih integracij za vsak vir. Ta pristop je namenjen razvijalcem in ekipam, ki gradijo avtomatizacijo, raziskovalne asistente in agente delovnih tokov, ki potrebujejo zanesljiv dostop do podjetniških ali osebnih podatkov. MCP‑ova odprta specifikacija pomeni, da se isti agent lahko priklopi na nova orodja, ko se pojavijo novi povezovalniki, kar zmanjša zaklepanje (lock‑in) in bremeno integracije.
Razdelitev kriterijev
- Integracija Model Context Protocol
- Povezava z datotekami, API-ji in bazami podatkov
- Razširljivo prek lastnih MCP strežnikov
- Podpira agentične, večkorakove delovne tokove
- Združljiv z družino modelov Claude
- Odprta standard za medsebojno delovanje
Gemma 3
Odprtokodni AI model, optimiziran za delovanje na eni GPU, ki podpira multimodalne vhodne podatke in več kot 140 jezikov.
Gemma 3 je zbirka lahkih, vrhunskih odprtih modelov, zasnovanih za izvajanje na napravah, posebej optimiziranih za delovanje na eni GPU. Podpira multimodalne vhodne podatke in več kot 140 jezikov. Model je na voljo v različnih velikostih (1B, 4B, 12B in 27B), kar razvijalcem omogoča, da izberejo najbolj primeren glede na njihovo strojno opremo in potrebe po zmogljivosti. Gemma 3 ponuja napredne zmožnosti besedilnega in vizualnega sklepanja, kontekstno okno s 128 k tokeni ter klicanje funkcij za kompleksna opravila. Vključuje tudi kvantizirane različice za hitrejše delovanje in manjše računalniške zahteve. Model je del Googlove zavezanosti, da uporabno AI tehnologijo naredi dostopno, in temelji na istem raziskovalnem in tehnološkem osnovju, ki poganja njihove modele Gemini 2.0. Gemma 3 je zasnovana tako, da razvijalcem omogoča ustvarjanje AI aplikacij, ki lahko tečejo neposredno na napravah, kot so telefoni, prenosniki in delovne postaje. Gemma 3 zagotavlja vrhunsko zmogljivost glede na svojo velikost, pri čemer prekaša druge modele, kot so Llama3-405B, DeepSeek-V3 in o3-mini, v preliminarnih ocenah človeških preferenc. Omogoča globalne aplikacije z izklopno podporo za več kot 35 jezikov ter predtrenirano podporo za več kot 140 jezikov. Model omogoča ustvarjanje AI-podprtih delovnih tokov s pomočjo function calling in structured output. Razvoj Gemma 3 je vključeval stroge varnostne protokole, kot so obsežno upravljanje podatkov, usklajevanje z varnostnimi politikami preko fino nastavljanja ter robustne benchmark ocene. Družina odprtih modelov Gemma je doživela znatno sprejetost, z več kot 100 milijoni prenosov in živahno skupnostjo, ki je ustvarila več kot 60.000 različic Gemma. Zmožnosti Gemma 3 jo naredijo primerno za razvijalce, ki želijo ustvarjati privlačne uporabniške izkušnje, ki se lahko prilegajo na en sam GPU ali TPU host.
Razdelitev kriterijev
- podpora za multimodalni AI
- razvoj z osredotočenostjo na odgovornost
- obsežno fino nastavljanje
- podpora za 140 jezikov
- izboljšana zmogljivost
Agency Swarm
Spletni okvir za orkestracijo AI agentov, ki je odprtokoden in je zasnovan za avtomatizacijo ter poenostavitev procesov razvoja AI z uporabo sodelujočih skupin agentov.
Agency Swarm je odprtokodni okvir, ki se opira na OpenAI Agents SDK in Responses API. Ponujajo strukturirano in pripravljeno na uporabo okolje za ustvarjanje multi-agent aplikacij. Ključne značilnosti vključujejo prilagodljive vloge agentov, možnost obravnave različnih modelskih zaledij (npr. modeli GPT-sklopa OpenAI, Anthropic, Google Gemini, Azure OpenRouter ter lastno izdelana orodja LiteLLM, omogočena z dekoratorjem @function_tool (priporočeno) ali z razširitvijo BaseTool objekta). Ključna prednost arhitekture Agency Swarm je njena stabilnost v Pythonu in Linux okolju. Namestitev je preprosta z običajnim ukazom pip install agency-swarm. Opis bi moral pojasniti Agency Swarm kot odprtokoden orodja, ki temelji na OpenAI Agents SDK in Responses API. Agency Swarm je odprtokazna AI orodjarna, ki razvijalcem omogoča ustvarjanje multi-agent aplikacij za razvoj AI v resničnem svetu. Ključne lastnosti: - Samodejno ustvarjeni CLI orodji: Odkrijte REST API svoje aplikacije za enostaven dostop do osnovnih storitev in povečajte produktivnost. - Prilagodljivi vloge agentov: Enostavno določite specifične funkcije in stopnje dovoljenj za vsako vlogo agenta, kar poveča prilagodljivost vaše aplikacije. - Celovita implementacija full stack: Agency Swarm je full stack, namenjen izključno za Python. Če uporabljate Linux, ga lahko razmišljate kot implementacijo full stack brez omejitev zaradi standardne knjižnice Pythona. Pros: 1. Stabilnost v Python/Linux okolju 2. Enostavno integriranje z vašo aplikacijo 3. Kompozabilna in enostavna CLI orodja 4. Prilagojene vloge agentov Slabe točke: 1. Omejitve združljivosti modelov jezika (osebni chatbotji: GPT-3, itd.) N/A 2. Zahtevave okolja za razvoj N/A 3. Omejena podpora za ozadje modelov N/A 4. Osnovni uporabniški vmesnik N/A 5. Zmožnosti učenja N/A 6. Integracija funkcij N/A 7. Proces dokumentiranja N/A 8. Možnosti strojnega učenja AI: N/A 9. Napredno upravljanje tokov pogovora N/A 10. Večplastne aplikacije N/A 11. Enovremen zagon N/A 12. Dostop do stanja aplikacije N/A 13. Samodejno implementiranje N/A 14. Napredna izvedba nalog N/A 15. Prilagojeni tipi agentov N/A 16. Podpora velikim modelom jezika N/A 17. Deluje v Python ↻ N/A 18. Popolna kontrola N/A 19. Merjenje zmogljivosti N/A 20. Ponudba lokalnih delovnih prostorov N/A 21. Integracija z OpenALink: spletni razvojni okvir za Python aplikacije 22. Sodelovanje z AI agenti na projektu 23. Interpretabilnost 24. Nadzor N/A 25. Popolna integracija izvorne kode N/A 26. Razširljivost N/A 27. Nizka zmogljivost N/A Slabosti:
Razdelitev kriterijev
- Prilagodljive vloge agentov
- Polna kontrola nad pozivi in navodili
- Tipovno varna orodja za razvoj
- Orkestrirana komunikacija agentov
- Fleksibilno trajanje stanja
- Množinska orkestracija agentov
Mosaic AI Agent Framework
Nabor orodij podjetja Databricks za gradnjo, uvajanje in ocenjevanje visokokakovostnih AI agentov in RAG aplikacij.
Databricks Agent Framework (AAF) je nabor orodij, ki jih nudi Databricks za gradnjo, uvajanje in upravljanje AI agentov. Ti agenti se lahko povežejo s katerim koli orodjem, bazo podatkov ali SaaS aplikacijo prek enega, urejenega protokola (Model Context Protocol, MCP). Okvir vključuje integrirano AI razvoj, eksperimentiranje in uvajanje v serverless računalništvo z uporabo Databricks Apps, brez upravljanja infrastrukture. Agent Bricks in Unity Catalog sta ključna za upravljanje in varnost; uporabljata vnaprej določena pravila za modele, orodja in povezave ter izvajata omejitve hitrosti, rezervne načrte in druge zaščitne ukrepe, potrebne za preprečevanje vnašanja ukazov, zaznavanje občutljivih podatkov in filtriranje vsebin.
Razdelitev kriterijev
- Agent Bricks
- Unity Catalog
- Databricks Apps
- Model Context Protocol (MCP)
- Centralizirano upravljanje
- Nadzor na uporabnika