Минула битва · 2025-01-11 UTC
AI Agent Development Frameworks Протистояння — 11 січня 2025 р.
З категорії AI Agent Development Frameworks. 38 позначок поставлено серед 10 бійців. Mastra здобув корону.
Підсумкові результати
Учасники
Бійці
Профілі кожного інструмента, який змагався в цій битві, ранжовані за підсумковим балом.
Mastra
Відкрите джерело коду для TypeScript-фреймуру, призначеного для створення агентів штучного інтелекту, потоків роботи, RAG, пам'яті та MCP, з можливістю облачного студія та спостережності.
Mastra — відкритий кодовий фреймворк на TypeScript для побудови застосунків та агентів, що використовують технологію AI. Він надає набір засобів для розробників для переходу від ідеї до реалізації, включаючи агентів, потоки роботи, пам'яті, робочих місць та моніторингу виконавчої системи. Mastra інтегрується з різноманітними френт-енд і бекенд-фреймворками та може бути розгорнутий як окремий сервер. Це дозволяє розробникам створювати різницю можливостей, наприклад внутрішньої автоматики агентів, клієнтського доступу агентів та багато іншого. Mastra містить функціонал, подібний до моніторингу виконавчої системи, повторюваних перевірок та кешованих потоків з відновленням робочої дії. Він створений з метою підтримки швидкозростаючих_startup-компаній та великих світових організації. Аrchitektura Mastra заснована навколо агентів, які можна визначатися шляхом інструкцій, моделей, засобів та поведінки виконуваного коду. Агенти можуть взаємодіяти зі користувачами, виконувати завдання та передавати завдання продуктивним потокам. Рама об'єма також містить вбудовану систему подій для подій, а також систему публікації та підписки на події за допомогою Redis Streams та Google Cloud Pub/Sub. Містерс має багатий гірськопромисловий комплекс ресурсів, що включає книги, блоги та довідники. Він має велику спільноту користувачів і широко розширюється у різних галузях.
Розподіл критеріїв
- Агенти
- Потоки роботи
- Пам'ять
- Робочі місця
- Спостереження
- Вбудоване система подій
AI Legion
Платформа відкритого доступу для створення незалежних агентів AI, які співпрацюють для виконання завдань.
AI Legion - відкритий платформ для створення автономних агентів AI, які співпрацюють для виконання завдань. Вона використовує великі мовні моделі, наприклад GPT-3.5-turbo та GPT-4, щоб запустити агентів у роботу та досягти складних цілей. Платформа надає框ворк для створення та керування цією роботою агентів, включаючи конфігураційні файли, APIS та процесні потоки. AI Legion створена з можливістю продовжувати розвиток та особистої налаштування, дозволяючи користувачам створювати та інтегрувати свої власні моделі, дії та функції. Платформа підходжує для використання для різноманітних випадків застосування, зокрема дослідження, розробку та розгортання автономних систем AI. Постановка середовища AI Legion містить встановлення необхідних залежностей, зокрема Node.js та ключів OpenAI API. Агенти потім можуть бути запущені та взаємодіяти з допомогою консолі. Платформа також містить функціонал управління станом агентів, зокрема можливість видаляти записи журналів подій та відрестартувати агентів з індивідуальною налаштуванням. AI Legion - потужна система для створення та розгортання самодійних систем AI, його відкритий код робить її доступною для широкого спектру користувачів. Однак вона також вимагає значної кількості технічної експертизи та зусиль щодо налаштування та ефективного використання. Одне з головних переваг AI Legion полягає у її можливості забезпечувати агентів навчання та адаптацію протягом часу, використовуючи поєднання технік машинного навчання та мереж знань. Цей процес дозволяє агентам покращувати свої вправність та здатність приймати рішення з часом при взаємодії зі змінювальним середовищем. Використовуючи жіночий рід За особливими функціями, AI Legion передбачає підтримку веб-пошуку, користувацькі пошуковці та API, а також можливість керування станим агентів та перезапуск агентів зі спеціальними конфігураціями. Також платформа дуже ефективна, що дозволяє користувачам створювати й інтегрувати власні моделі, дії та особливості. Нещодні можливості застосування AI Legion включають: розробку та розвиток автономних систем мистецтва інтелекту, розгортання потокових процесів, керованих AI, створення індивідуальних інструментів та застосунків, керованих мистецтвом інтелекту. У цілому, AI Legion є потужним та розширеним платформою з будівництва та розгортання автономних систем штучного інтелекту, але для ефективного використання потрібно значна технічна експертиза та зусилля щодо налаштування.
Розподіл критеріїв
- Веб-пошук
- Кастомні пошукові системи
- API та веб-зовні для інтеграції
- Управління станом агента
- Створення власних моделі і дій
- Знання-графи та можливості навчання за методами машинного навчання
AutoML-Agent
Прозорова, багатомовна фреймворк LLM, яка автоматизує цілковите навчання машинних навчальних алгоритмів.
AutoML-Agent є відкритим frameworkом, який використовує координовані великі мовні моделі-agenta для забезпечення цілого життєвого циклу штучного інтелекту. Виключаючи залежність від однієї моделі або скрипта, воно розподіляє завдання щодо розуміння даних, попереднього обробки даних, відбору моделі, навчання й оцінки між спеціалізованими агентами, які співпрацюють для спільної мети. Фреймворк спрямований на дослідників та розробників, які хочуть автоматизувати експериментування без написання розширеної програмної логіки. Описуючи набір даних та цілі природною мовою, користувачі можуть мати агентів пропонувати, створювати та інтернуватися на кандидатських рішень, витиснення результатів та логіки взddl час. З огляду на його відкриту сутність, AutoML-Agent може бути розширено власним агентом, засобами чи моделями вихідних даних, що робить його досить корисним як практична система AutoML, так й тестової платформою для розподіляє роботи багатофункціональних агентів.
Розподіл критеріїв
- Організація багатомовних мовних моделей (LLM)
- Автоматичне попереднє оброблення даних та оброблення особливостей
- Вибір моделі та пошук гіперіпараметрів
- Генерування трубопроводу навчання та оцінки
- Зазначення завдань мовою природної мови
- Змінна архітектура для індивідуальних агентів
Cerebrum: AIOS SDK
Бібліотека для розробки і розгортання агентів БТ за допомогою ЛМ в межах framework AIOS.
Брайнум - бібліотека для розробки і розгортання агентів БТ за допомогою лінгвістичної моделі (LLM) в межах системи керування агентами (АIOS, AI Agent Operating System) framework. AIOS видає численні виклики, наприклад, планування, зміна контексту, управління пам'яттю, управління інструментами для агентів на основі ЛМ. Бібліотека Cerebrum дозволяє розробникам створювати та виконувати програми-агентів взаємодією з ядром AIOS. Вона підтримується både інтерфейсом Web UI та інтерфейсом Terminal UI. Бібліотека містить функції для виведення наявних ЛМ, агентів та інструментів, а також завантаження, завантаження та виконання агентів та інструментів. Брайнум призначена для користувачів агентів і розробників, надаючи їм можливість створювати та розгортати програми-агенти БТ.
Розподіл критеріїв
- Розробка і розгортання агентів
- Управління агентами-BT на основі ЛМ
- Підтримка інтерфейсу Web UI і інтерфейсу Terminal UI
- Управління агентами та інструментами
- Вивід наявних ЛМ, агентів та інструментів
- Завантаження та завантаження агентів та інструментів
Gemma 3
Відкритий розподілений модель штучного інтелекту, оптимізований для виконання на одній GPU, підтримуючи багатодіапазонні вхідні дані та понад 140 мов.
Гемма 3 — збірка легких, передових відкритих моделей, розроблених для роботи на пристроях, зокрема оптимізованих для виконуваності однієї відеокарти. Вона підтримує багатомодальні вхідні дані та більше 140 мов. Модель має різного розміру (1Б, 4Б, 12Б та 27Б), що дозволяє розробникам вибрати найкращу можливість відповідно до обладнання і потреб виконуваності. Гемма 3 пропонує розширені можливості текстової та візуальної міркування, вікно контексту 128k-токені та функцію виклику для складних завдань. Також вона має квантізовані версії для швидшого виконання та зменшеної вимоги до обчислень. Модель є частиною зобов'язання Google щодо забезпечення доступності корисної штучної інтелектуної техніки та будується на одних і тих же дослідженнях і технологіях, які використовуються в їхніх моделях Gemini 2.0. Гемма 3 призначена для надання розробникам можливості створювати програми штучного інтелекту, які можуть працювати безпосередньо на пристроях, наприклад телефонах, ноутбуки, та робочих станціях. Gemma 3 забезпечує передові технічні засоби для свого розміру та демонструє краще результати порівняно з іншими моделями, як-от Llama3-405B, DeepSeek-V3, і o3-mini, згідно даних попередніх оцінок людини за їхню бажаність. Вона забезпечує світові застосування з вихідними засобами для більш ніж 35 мов без додаткової налаштування та підтримкою підготовлених моделей для понад 140 мов. Модель дозволяє створювати потужні текучі роботи за допомогою функційного виклику та розвиненої структурованої операції. Розвидкa виробки Gemma 3 включала стримний контроль безпеки, такий як ґлобальна адміністрація даних, відповідність політиках безпеки шляхом мікротунелювання, і міцна оцінка базових вимірів Сім'я відкритих моделей Gemma побачила значний прихильність, з понад 100 мільйонів завантажень та щільної спільноти, яка створила понад 60 тисяч варіантів Gemma. Магічні можливості Gemma 3 роблять її придатною для розробників, які шукають створювати захоплюючі користувацькі інтерфейси та інтегрувати їх у обмежені ресурси однієї графічної карти чи процесора TPU.
Розподіл критеріїв
- підтримка штучного інтелекту багатодіапазонного типу
- відповідальне створення моделей
- розширена кінцеве виправлення параметрів
- підтримка понад 140 мов
- імпровізований рівень вчасності виконання
MiniMax‑M1
Модель великомасштабного міркування з відкритим кодом з контекстом у 1 мільйон токенів та гібридною архітектурою Mixture-of-Experts.
MiniMax-M1 — це відкрито-ваговий, масштабний гібридний модель розслідування, яка працює шляхом поєднання гібрида Мixture-of-Experts (MoE) архітектури разом із швидкою механізмом уваги, що забезпечує ефективне збільшення часу виконання на етапі перевірки. Модель по суті підтримує довжину контекста 1 мільйон токенів та навчена великомасштабовим навчанням за допомогою посилених навчальних даних (RL) на різноманітних завданнях. MiniMax-M1 перевершує інші сильні відкриті-вагові моделі на складних розробках програмного забезпечення, використання інструментів та довгих завдань контексту. Дослідження на стандартних покажчиках показують, що MiniMax-M1 перевершує інші моделі у завданнях категорії, подібних до математики, програмування, інженерії програмного забезпечення, застосування корисних речей та розуміння довгих контекстів. Цей модель особливо підходить для складних завдань, які вимагають обробки довгих вхідних даних та тривалої думки. MiniMax-M1 виконує роль міцної основи для сучасних мовних моделей агентів, які можуть розуміти та вирішувати справжні світові проблеми. Завдяки порівняльній оцінці продуктивності за кількома категорійними завданнями, модель показала високу ефективність навіть порівняно з комерційним і відкритим важінням моделями. Технічний звіт містить додаткову інформацію про архітектуру моделі, протокол тренувань і результати оцінки.
Розподіл критеріїв
- Гібридна архітектура Mixture-of-Experts (MoE)
- Механізм блискавичної уваги
- Рамка масштабування навчання з підкріпленням (RL)
- Контекст довжиною 1 мільйон токенів
- Ефективне масштабування обчислень під час тестування
ScreenAgent
Відкритий VLM‑агент для керування графічним інтерфейсом комп'ютера за допомогою планування й виконання дій миші й клавіатури.
ScreenAgent — відкрита платформа VLM, призначена для керування графічними інтерфейсами комп'ютера за допомогою дій миші й клавіатури. Вона дозволяє взаємодіяти з реальними екранами, спостерігаючи скріншоти та виконуючи команди. Проєкт включає процес планування‑виконання‑рефлексії, який спрямовує агента до виконання багатокрокових задач. Створено, щоб вирішити проблему навчання агентів користуватися комп'ютером, що потребує планування завдань, розпізнавання зображень і візуального позиціювання. Датасет ScreenAgent, що охоплює різноманітні щоденні задачі, був вручну анотований для підтримки навчання агента. Проєкт складається з клієнта для керування робочим столом, набору даних, робітників моделі для інференції та коду тренування. Підтримує базові операції миші й клавіатури і може застосовуватись до різних ОС та застосувань. Підхід ScreenAgent є універсальним і не залежить від специфічних API, що робить його гнучким.
Розподіл критеріїв
- Виконання операцій миші й клавіатури
- Процес планування‑виконання‑рефлексії для завершення завдань
- Підтримка різних настільних ОС та застосувань
- Вручну аннотований набір даних ScreenAgent для різноманітних завдань
- VLM‑агент для взаємодії з GUI
BabyBeeAGI
Напередодні розвинутий версія BabyAGI зі змігченими можливостями керування завданнями та функціоналом.
BabyBeeAGI – експериментальне середовище для створення самовідлагоджених автономних агентів. Воно було створене у розвиток першої BabyAGI із березня 2023 року, яка була представлена з можливістю завдання планування для автономних агентів. Середовище побудоване навколо нової функціональної бібліотеки під назвою 'functionz', яка зберігає, відображає та виконує функції з бази даних. Серед нього існує графічна структура для відстежування імпортування, залежних функцій та секретів автентифікації, разом із автоматичним завантаженням та повним обліком можливостей. Також серед нього наявний контрольний панель для управління функціями, проведення оновлень та перегляду записів обліку. Він створюється для простоти та сприяння обговоренню серед розробників, не для використання у промисловості. Основну ідею являє будівництво найпростішої речі, яка сама може відлагоджувати свій функціонал, роблячи таку розробку досить цікавою на розвиток автономних агентів.
Розподіл критеріїв
- Реєстрація функцій та керування метаданими
- Відстежування залежностей та ключових залежностей
- Автоматичне завантаження й облік можливостей
- Контрольний панель управління функціями та перегляду логів
MCP‑Use
Платформа з відкритим вихідним кодом для підключення LLM до серверів MCP та створення користувацьких агентів ШІ із доступом до інструментів.
MCP‑Use — відкрита-source платформа, яка забезпечує сполучення великих мовних моделей (LLMs) з серверами MCP і дозволяє розробляти індивідуальні агенти AI, які можуть взаємодіяти з цими моделями мов. Платформа надає повний ст Eck MCP-ramework (SDK MCP-use) для будівництва застосунків для спілкування з ChatGPT, підключень для Claude та серверів MCP. З допомогою mcp-use розробники можуть використовувати єдиний базовий код для розгортання своїх застосунків на різноманітних поверхнях, де вже працюють користувачі та агенти, зокрема ChatGPT, Claude та Gemini. Платформа пропонує широкий вибір інструментів та особливостей, наприклад можливість створювати застосунки MCP протягом однієї команди, автоматичне розгортання в Manufact Cloud та вбудовані аналітичні та спостережувальні функції. Девелопери можуть використовувати SDK mcp-use для створення та розгортання серверів і застосунків MCP без додаткових інструментів. Платформа також забезпечує візуальний інспектор та можливість тестування в Sandbox, що дозволяє розробникам тестувати свої програми без необхідності використання живої LLM. МCP-use спрямовано на спрощення розробки та розгортання застосунків на основі MCP, робляючи воно привабливою опцією для розробників, які бажають будувати та розгортати персоналізовані агенти штучного інтелекту та застосунки.
Розподіл критеріїв
- Керування серверами MCP
- Підключення та інтеграція LLM
- Розробка користувацьких агентів ШІ
- Автоматизоване розгортання та масштабованість
- Візуальний Інспектор та тестування в Піску
- Вбудовані аналітика та спостережливість
Rasa
Фреймворк з відкритим кодом для розробки чат- та голосових помічників преміум‑рівня
Платформа Rasa є засобом створення розмовних інструментів AI, яким допомагають розробники будувати контекстно-орієнтовані чати та голосові помічники зі сталою керуванністю над даними, моделями та розгортанням. її відкритий код обробляє розуміння мови та управління діалогом, тоді як Rasa Pro додаете підприємствові функції, наприклад, аналіз даних, системи безпеки та масштабоване інфраструктуру. Rasa Studio пропонує інтерфейс з низьким рівнем кодування для дизайнерів та команди з обговорень, які співпрацюють над навчальними матеріалами, потоками та випробуванням без написання коду. Разом засоби підтримують гібридні команди, які відправляють асистентів через канали повідомлень, системи IVR та власні програми. Інструмент широко використовується підприємствами в фінансовому та банківському секторах, галузі зв'язку, сфері охорони здоров'я та урядових установах, де необхідна локальна інсталяція, дотримання вимог щодо відповідності і персональні налаштування.
Розподіл критеріїв
- Машина розуміння природної мови
- Управління діалогом із користувацькими діями
- Low‑code інтерфейс Rasa Studio
- Інтеграція голосу та багатоканальних каналів
- Аналітика розмов та інструменти тестування
- Корпоративні контролі безпеки та розгортання