Geçmiş savaş · 2024-07-19 UTC
AI Agent Development Frameworks Hesaplaşma — 19 Temmuz 2024
AI Agent Development Frameworks kategorisinden. 7 savaşçıya 22 işaret yerleştirildi. kagent tacı aldı.
Nihai sıralama
Kadro
Savaşçılar
Bu savaşta yarışan her aracın profilleri, nihai puanlarına göre sıralandı.
kagent
Kubernetes operasyonlarını otomatikleştirmek için açık kaynak kodlu bir çerçeveyi destekleyen AI ajanları.
Kagent, Kubernetes işlemlerini otomatikleştirmek için AI ajanslarına olanak tanır. Aynı zamanda熟konusu Kubernetes araçları kullanılarak ajanlar dağıtılabilir, izlenebilir, yönetilebilir. kagent, Kubernetes üzerinde işleçleri ilk sınıf işleç olarak sunar, bu şekilde Kubernetes Özel Kaynak Tanıma Kriterleri (CRD) olarak sürümleme imkanını ve pull taleplerinde incelemeye olanak tanır. Bu yaklaşımla, mevcut Kubernetes araçlarının kullanılması için işleçleri yönetebilecek imkan doğar. Çerçeve açık kaynaklıdır ve Istio'nun kurucuları tarafından oluşturulmuştur. Gönderici ve Python dahil olmak üzere çeşitli diller ve çerçeve kombinasyonlarını destekler ve herhangi bir büyük dil modeli (LLM) sağlayıcısını kullanmayı sağlar. kagent, güvenli bir ortam ve izleme özelliklerine sahip olan OpenTelemetry takip etmeyi, Prometheus metriklerini ve yapılandırılmış günlük kayıtlarını içerir. Ayrıca, birden fazla çalışma zamanı desteği, agendalar-arası iletişimi ve Git depolarından bilgi yüklemeyi sağlayan bir özellik sunar. Toplamda, kagent güçlü ve esnek bir framework sağlar, Kubernetes operasyonlarını AI ajansları ile otomatikleştirmektedir.
Kriterlerin ayrıştırılması
- Hızlı başlatma ve verimli kaynak kullanımı için Ajan Zeminİ
- MTLS ve detaylı RBAC ile sıfır güven
- Uzun vadeli bellek için kalıcı vektör tabanlı bellek
- İnsanın-rotinde araç onay kapıları ve ajan-iletilen sorular
- Ajan arasındaki (A2A) görev işleme için 多 işleme çerçevesi
BabyCatAGI
Küçük boyutlu otomatik AI agent framework için iş süreçlerinin iyileştirilmesini sağlayan akıllıca görev otomasyonu
BabyCatAGI, karmaşık görevleri otomatik AI ajanları aracılığıyla gören, yüksek düzeydeki hedefleri yönetilebilir alt görevlere ayırıp bunlarla sıralı olarak yürütme ve bu süreçte elde edilen ara sonuçlara göre planı ayarlamayla özetlenebilecek biçimde modifiye edilmiş bir versiyon olarak tasarlanmıştır. Bu özelliği sayesinde, araştırmalarda, içerik oluşturuda ve çok adımlı sorunların çözümünde etkin bir araç olarak kullanılabilir. Framework, minimal kodlama ve okunabilirlik önceliklendirerek, daha büyük orkestrasyon kütüphanelerinin ağırlığı olmadan agnetci AI' ye deney yapmaya istekli geliştiriciler için erişilebilir hale geliyor. Dili işleme modelleri ve web arama araçlarıyla entegre olarak, bağlamı toplamak, sorunları aracılığıyla reasoning yapmak ve yapılandırılmış çıkışlar üretmek için context topluyor; ardından problem çözüyor. BabyCatAGI açık bir deney amaçlı proje olarak prototip görev akışları için en uygun, görev sürükleyen otomatik sistemlerin nasıl çalıştığını öğrenmek ve belirli otomasyon ihtiyaçları için akışları özelleştirmek için en iyisidir.
Kriterlerin ayrıştırılması
- Görev sıralaması ve önceliğe ayırma
- Otomatikalt görev yürütmesi
- Internet araması ile bağlam sağlama
- Sürekli mantık akışı
- Uzun süredir Python implemantasyonu
- Düzeltilebilir hedefler ve komutlar
MCP‑Use
Açık kaynak platformu, LLM'ler ile MCP sunucularına bağlanma ve özel AI ajansları oluşturma için araç erişimi sunar.
mcp-use, açık kaynaklı bir platformdur ve Büyük Dil Modamları (LLM) ile MCP sunucularının birleşimini kolaylaştırır ve bunların iletişime geçebilmesi için özelleştirilmiş AI ajansları geliştirmek için imkan sağlar. Platform, mcp-use SDK ile tam sürüm bir MCP çerçevesi (mcp-use SDK) sunar ve bu şekilde ChatGPT Uygulamaları, Claude Bağlayıcıları ve MCP Sunucuları geliştirmeleri için imkan sağlar. mcp-use ile geliştiriciler, kullanıcılara ve agentlere hizmet veren çeşitli yüzeylerde uygulamalarını dağıtabilmelerine olanak tanıyan tek bir kodlama tabanını kullanabilir. Platform,(ChatGPT, Claude, Gemini dahil) ChatGPT, Claude ve Gemini gibi uygulamaları scaffoldlemesi, otomatik distribüasyonu Manufact Cloud'a ve entegre analiz ve gözlemselliği sunan bir dizi araç ve özellik sunar. Geliştiriciler MCP sunucuları ve uygulamaları inşa ve dağıtmak için gerek duyulan ek araçlar gerektirmeden mcp-use SDK'sını kullanabilirler. Platform ayrıca Geliştirici İzleyici (Visual Inspector) ve Deneyim Alanı (Sandbox) test özellikleri sunarak, geliştiricilerin canlı bir LLM'ye ihtiyaç duymadan uygulamalarını test etmelerine olanak tanır. mcp-use, MCP temelli uygulamalar geliştirme ve dağıtımını basitleştirmeyi hedeflemektedir. Bu nedenle, özelleştirilmiş AI agent ve uygulamaları geliştirmek ve dağıtmak isteyen geliştiricilerin dikkatini çekmektedir.
Kriterlerin ayrıştırılması
- MCP sunucu yönetimi
- LLM bağlama ve entegrasyonu
- Özel AI ajansı geliştirme
- Otomatik dağıtım ve ölçeklenebilirlik
- Visual Inspector ve Sandbox testi
- Binalı analiz ve Gözlemlemelik
Claude MCP Agents
MCP teknolojisinin üzerindedir inşa edilmiş olrak Anthropic,Claude ağırlıklı AI ajanlar için akıcı bir araç ve data entegrasyonu.
Claude MCP Agent'leri, Anthropic'in Model Context Protokolü (MCP) kullanarak çeşitli dış veri kaynakları, API'ler ve geliştirici araçlarıyla bağlantı kurmak için AI agent olarak çalışır. Bu agent'ler, dış sistemlerle kontekstin akışını standartlaştırmak suretiyle, Claude ve dış sistemleri arasında contexto akışını standartlaştırmalıdır, böylece bu kaynaklar için her biri için esnek entegrasyonlar olmasa da, dosyaları okuyabilir, veritabanlarına sorular silebilir, hizmetleri çağırmaya ve gerçek zamanlı bilgiler temelinde eylemlere başvurabilirler. Geliştiriciler ve takımlar, otomasyon, araştırma yardımcıları ve akış agentleri oluştururken güvenilir erişim gerektiren şirket içi veya kişisel verilere ihtiyaç duyduklarında kullanılan yaklaşımı amaçlamaktadır. MCP'nin açık specifikasyonu, aynı agentin yeni araçlar ile yeni birer kablo gibi bağlanabilmesi anlamına geliyor; bu da kilitlenme ve entegrasyon yükünü azaltıyor.
Kriterlerin ayrıştırılması
- Model Context Protokol entegrasyonu
- Dosyalar, API'lar ve veritabanlarına bağlanmak
- MCP sunucularını kullanarak uzatılabilir
- Agnetik, multi-adım akışları destekler
- Claude model ailesiyle uyumlu
- Bağlılık için açık bir standart
Gemma 3
Açık kaynaklı bir AI modeli, tek-GPU performansı için optimize edilmiştir, çoklu giriş modellerini ve 140'den fazla dil desteğini sağlar.
Gemma 3, cihazlarda çalışmaya yönelik hafif ve son teknoloji açık modellerden oluşan bir koleksiyonudur ve özellikle tek-GPU performansı için optimize edilmiştir. Çok-modal girdi desteği ve 140'den fazla dil destekler. Model çeşitli boyutlarda (1B, 4B, 12B ve 27B) gelmekte ve geliştiricilerin donanımları ve performans gereksinimleri doğrultusunda en uygun seçeneği seçmelerine izin vermektedir. Gemma 3, geliştiricileri daha kompleks görevlerde kullanmak için gelişmiş metin ve görsel mantığı, 128k-tokeni kapsayacak bir bağlam penceresi ve işlev çağrısı sunar. Hızlı performans ve azaltılmış hesaplama gereksinimi için de quantize edilmiş sürümleri içermektedir. Model, Google'ın yararlı AI teknolojisinin erişilebilir hale gelmesine yönelik taahhütlerinin bir parçası ve aynı araştırma ve teknolojiye dayanan Google Gemini 2.0 modellerinden türetilmiştir. Gemma 3, cihazlar olarak akıllı telefonlar, laptoplar ve iş istasyonları dahil olmak üzere doğrudan cihazlarda çalışabilen AI uygulamaları oluşturulabilmesi için geliştirilmiştir. Gemma 3, boyutuna göre son teknoloji performans sunar, diğer modellerden Llama3-405B, DeepSeek-V3 ve o3-mini gibi, önümüzdeki bir humanoğlu tercih değerlendirmelerinde diğerlerine önderlik etmektedir. Ayrıca dünya çapındaki uygulama için 35'den fazla dilde otomatik destek ve 140'tan fazla dilde önceden eğitimi destekleyen bir sistem sunmaktadır. Model, yapılandırma çağırmayı ve yapılandırılmış çıkışları kullanarak AI güdümlü akışların oluşturulmasını sağlar. Gemma 3 geliştirme sürecinde, kapsamlı veri yönetimi, güvenlik politikalarına uyumlu hiperparameteroptimizasyonu ve dayanıklı performansı değerlendirmeler gibi katı güvenlik protokolleri içermektedir. Gemma ailesine dahil olan açık modeller, önemli bir kabul görmüş ve 100 milyondan fazla indirme sayısı ve 60,000'den fazla Gemma varyantı oluşturan canlı bir toplulukla sonuçlanmıştır. Gemma 3'nin yetenekleri, tek bir GPU veya TPU ev sahibini destekleyebilecek çekici kullanıcı deneyimleri oluşturmak için geliştiricilere uygun kılar.
Kriterlerin ayrıştırılması
- çoklu giriş AI desteği
- konusma odaklı geliştirme
- daha geniş parametre ajustmanları
- 140 dil desteği
- performansın artırılması
Agency Swarm
Kodlama süreçlerini otomatikleştirme ve hıza getirmek için işbirkili agent swarmlarını kullanmak için tasarlanmış açık kaynaklı bir AI agent düzenleme framework.
Agency Swarm, OpenAI Agent SDK ve Cevap API üzerine açık kaynaklı bir çerçeve olarak tasarlanarak, birçok agent uygulaması oluşturmak için yapılandırılmış ve üretim hazırlımış bir ortam sunar. Önemli özellikler arasında değişkenli agent rolleri, OpenAI'nin GPT ailesi modelleri, Anthropic, Google'ın Gemini, Azure'ın OpenRouter ve self-made LiteLLM araçlarının kullanımını içeren farklı model back-endleri bulunur (örn. @function_tool takma adı veya BaseTool Nesnesini Genisletme ile) . Agency Swarm mimarinin önemli avantajı, her iki Python ve Linux ortamlarında da kararlılığını sunmasıdır. Kurulum, standart pip komutu ile basit gerçekleşir: pip install agency-swarm. Agency Swarm, Açık Kaynak olarak sunulan OpenAI Ajans API'si ve Ceza Cevaplarını API'nin üstüne inşa üzerine açık kaynak bir araçtır. Agency Swarm, geliştiricilerin gerçek dünya AI geliştirme uygulamaları oluşturma işini kolaylaştıran açık kaynaklı bir AI toolkit'tir. Ana Özellikler: - Otomatik olarak oluşturulan CLI araçları: Uygulamanızın REST API'sini kolaylıkla keşfetmenizi sağlayarak core hizmetlere kolay erişim ile verimliliği artırın. - Özelleştirilebilir agent rolleri: Her agent rolü için belirli işlevler ve izin seviyelerini kolayca belirleyerek uygulamanızda fazla özgürlük sahibi olabilirsiniz. - Tam Düzenek İmplementasyonu: Agency Swarm yalnızca Python için tam bir düzenek sağlar. Linux tabanlı bir sistemdeyseniz standart Python kütüphanelerinin kısıtsız kullanılmasına benzer bir deneyimler yaşayabilirsiniz. Agency Swarm'dan faydalananlar şunlardır: 1. Python/Linux ortamlarında istikrarlı çalışır 2. Uygulamanıza kolayca entegre edilebilir 3. Kompozisyonel ve kolay kullanılan CLİ araçları 4. Özel Araç Rolleri Eksikler: 1. Dil Modeli Uyumluluk Sınırlaması (Kişisel sohbet robotları gibi: GPT-3 vb.) YOK 2. Geliştirme Ortamı Gereksinimleri YOK 3. Sınırlı Model Arka Plan Desteği YOK 4.temel Kullanıcı Arayüzü YOK 5. Öğrenme Kabiliyetleri YOK 6. Özelliği Entegrasyonu YOK 7. Belgelenme Process YOK 8. Makine Öğrenmesi AI Yetenekleri: YOK 9. Gelişmiş Diksiyon Akış Yönetimi YOK 10. Çok Katmanlı Uygulamalar YOK 11. Simultane Çalma YOK 12. Uygulama Durumu Erişimi YOK 13. Otomatik Dağıtım YOK 14. Gelişmiş Görev İfadesi YOK 15. Özel Agatör Tipleri YOK 16. Büyük Dil Modeli Desteği YOK 17. Python ile Çalışır ↻ YOK 18. Tam Kontrol YOK 19. Performans Ölçümü YOK 20. Yerel İşlem Alanı Sunulması YOK 21. OpenALink ile Entegre Edilebilir: Python uygulamalar için bir web geliştirme framework'ı 22. Bir proje üzerinde AI ajanlar ile işbirliği yapın 23. Anlambilime 24. İzleme YOK 25. Tam Kaynak Kod Entegrasyonu YOK 26. Ölçeklendirilebilirlik YOK 27. Düşük Performanslılık YOK Kımlarda: Agency Swarm, geliştirici için zaman ve kaynakların etkin bir şekilde kullanılmasını sağlar. Ancak, bir takım projeler için çok fazla iş parçacığını açmak sorunlar yaratabilir. Bu, birbiri ile etkileşime giren birden fazla LLM'nin kullanılması gerektiği bazı kullanım senaryolarında sorunlara neden olmaktadır.
Kriterlerin ayrıştırılması
- Ayarlanabilir Agent Roller
- Tam Kontrol Önergeler/Tamirler Over
- Geliştirme için Type-Belirli Araçlar
- Orkestratör Agent İletişimi
- Esnek Durum Sürekliliği
- Multi-Agent Orkestrasyonu
Mosaic AI Agent Framework
Databricks'ın yüksek kaliteli AI ajansları ve RAG uygulamaları yapmak için oluşturma, dağıtma ve değerlendirmek için bir set araçlar.
Databricks Agent Framework (AAF), Databricks tarafından AI agaları geliştirme, dağıtma ve idare etmesi için sunulan bir set araçtır. Bu agalar, bir Model Kontext Protokolü (MCP) ile yönetilen tek bir protokol sayesinde, herhangi bir arac, veritabanı veya SaaS uygulamasına bağlanabilir. Framework, Agent Taşları ve Unity Kataloğu gibi entegre AI geliştirme, deneyler ve sunucudan bağımsız bir hesaplamaya geçirme gibi özelliklere sahip olup, Databricks Uygulamaları kullanırken alt yapmayı yönetmek gerekmez. Güvenlik ve yönetim için Agent Taşları ve Unity Kataloğu vazgeçilmezdir; bunlar, modeller, araçlar ve bağlanmalar üzerinde önceden tanımlanmış politikalar uygulayarak sınırları ihlal etmeden, ön bellekteki girişlerin önlenmesi, hassas Verilerin algılanması ve İçerik filtrelemesi gibi gerekli güvenlik önlemlerini sağlar.
Kriterlerin ayrıştırılması
- Mosaik taşları
- Birlik kataloğu
- Databricks uygulamaları
- Model Kontekst Protokolü (MCP)
- Merkezlenen yönetişim
- Kullanıcı başına kontrol