CogAgent est une bibliothèque Python open-source axée sur la recherche, conçue pour rationaliser le développement d'agents IA. Elle fournit des modules principaux pour la gestion de la mémoire, la planification et le raisonnement, l'intégration d'outils et d'API, ainsi que l'exécution en chaîne de pensée. Grâce à son architecture hautement modulaire, les utilisateurs peuvent définir des outils, des mémoires et des politiques d'agents personnalisés pour créer des chatbots conversationnels, des planificateurs de tâches autonomes et des scripts d'automatisation de workflow. CogAgent supporte l'intégration avec des modèles de langage populaires tels qu'OpenAI GPT et Meta LLaMA, permettant aux chercheurs et développeurs d'expérimenter, d'étendre et de faire évoluer leurs agents intelligents pour diverses applications réelles.

Huginn est un cadre d'automatisation polyvalent et open-source qui permet aux utilisateurs de créer des agents pour surveiller, collecter et agir sur des données provenant de diverses sources telles que des sites web, des API, des médias sociaux et des e-mails. Chaque agent peut être configuré pour se déclencher lors de certains événements, transformer des données et les transmettre à d'autres agents ou services externes. Avec une planification intégrée, la journalisation et une bibliothèque riche de types d'agents—comme RSSAgent, EmailAgent, WebhookAgent et DataOutputAgent—Huginn supporte des flux de travail complexes et une logique conditionnelle. Il fonctionne sur Linux, macOS, Windows ou Docker, et peut être étendu avec du code Ruby personnalisé ou des conteneurs Docker pour des tâches spécifiques et des intégrations.

MASChat offre un cadre flexible pour orchestrer des conversations entre plusieurs agents IA alimentés par des modèles linguistiques. Les développeurs peuvent définir des agents avec des rôles spécifiques — comme chercheur, résumeur ou critique — et spécifier leurs invites, permissions et protocoles de communication. le gestionnaire central de MASChat gère le routage des messages, assure la conservation du contexte et enregistre les interactions pour la traçabilité. En coordonnant des agents spécialisés, MASChat décompose des tâches complexes — comme la recherche, la création de contenu ou l’analyse de données — en flux de travail parallèles, améliorant ainsi l’efficacité et la compréhension. Il s’intègre aux API GPT d’OpenAI ou aux LLM locaux et permet des extensions via des plugins pour des comportements personnalisés. MASChat est idéal pour le prototypage de stratégies multi-agent, la simulation d’environnements collaboratifs et l’exploration de comportements émergents dans les systèmes IA.

Le Framework Stella permet aux développeurs de construire des agents IA robustes capables de maintenir le contexte, d'effectuer des actions assistées par des outils et de fournir des expériences conversationnelles dynamiques. En abstraisant la complexité des intégrations LLM, Stella offre des adaptateurs indépendants du fournisseur pour OpenAI, Hugging Face et des modèles auto-hébergés. Les agents peuvent utiliser des magasins de mémoire personnalisables pour rappeler les données de l'utilisateur et l'historique des conversations, et les plugins facilitent les interactions avec des API externes, des bases de données ou des services. Le moteur d'orchestration intégré gère les cycles de décision, tandis qu'une DSL concise permet de définir des actions, des appels d'outils et la gestion des réponses. Que ce soit pour créer des bots de support client, des assistants de recherche ou des automatisateurs de flux de travail, Stella fournit une base évolutive pour déployer des agents IA de qualité production.

Agentica est une plateforme web pour créer et gérer des agents IA autonomes sans écrire de code. Elle propose un constructeur de workflows visuels, des modèles pré-remplis pour la création de contenu, l’analyse SEO, la génération de leads et le support client, ainsi que des intégrations avec des outils comme Google Sheets, Slack et les systèmes CRM. Des tableaux de bord en temps réel fournissent des métriques de performance, tandis que le contrôle de version et la planification permettent d'automatiser et d'étendre les déploiements multi-agents. Son architecture API-first et son infrastructure cloud sécurisée garantissent une intégration facile des agents Agentica dans vos applications et workflows existants avec une fiabilité de niveau enterprise.

Agenite est un framework d’agents IA centré sur Python, conçu pour simplifier la création, l’orchestration et la gestion d’agents autonomes. Il offre des composants modulaires tels que des magasins de mémoire, des planificateurs de tâches et des canaux de communication événementielle, permettant aux développeurs de construire des agents capables d’interactions avec état, de raisonnement multi-étapes et de flux de travail asynchrones. La plateforme fournit des adaptateurs pour la connexion à des API externes, bases de données et files d’attente de messages, tandis que son architecture modulaire prend en charge des modules personnalisés pour le traitement du langage naturel, la récupération de données et la prise de décision. Avec des backends de stockage intégrés pour Redis, SQL et caches en mémoire, Agenite assure un état persistant de l’agent et permet des déploiements évolutifs. Elle inclut également une interface de ligne de commande et un serveur JSON-RPC pour le contrôle à distance, facilitant l’intégration dans des pipelines CI/CD et des tableaux de bord de surveillance en temps réel.

Agent of Code est un cadre d'agent IA polyvalent qui permet aux développeurs de déléguer les tâches de codage routinières à des agents intelligents. Il exploite de grands modèles linguistiques pour transformer des invites en langage naturel en code pleinement fonctionnel, effectuer des revues de code automatisées, déboguer le code existant et refactoriser des bases de code legacy. Les utilisateurs définissent les objectifs et paramètres de l'agent via des configurations YAML ou JSON, sélectionnent des plugins pour des tâches comme les tests ou l'intégration continue, et exécutent des agents via CLI. Le framework orchestre les appels API, gère les fenêtres de contexte, et assemble des réponses modulaires en scripts de code cohérents. Grâce à une architecture extensible, les développeurs peuvent ajouter des modules personnalisés, intégrer des systèmes de contrôle de version, et adapter le pipeline de l'agent aux flux de travail du projet.

AI Agent Setup fournit un cadre complet pour construire des agents intelligents capables de comprendre, raisonner et agir selon les instructions de l'utilisateur. Au cœur, il offre des packages Python modulaires que vous pouvez utiliser pour assembler des agents avec des modèles d'invite personnalisés, une exécution en chaîne à plusieurs étapes et des capacités de mémoire alimentées par des bases de données vectorielles comme FAISS ou Chroma. Les développeurs peuvent connecter divers fournisseurs de LLM, y compris OpenAI, Hugging Face et des modèles Llama locaux, pour définir des flux de travail sur mesure pour des tâches telles que la récupération d'informations, la recherche automatisée, le support client ou l'automatisation des processus. Les scripts de configuration d'environnement simplifient la gestion des clés API et l'installation des dépendances, tandis que des modèles d'exemple illustrent les meilleures pratiques. Que vous prototypiez un assistant conversationnel ou déployiez un travailleur numérique autonome, AI Agent Setup facilite le processus avec des composants flexibles et extensibles.

Arsenal par CluSTR transforme la façon dont les équipes gèrent et interagissent avec leurs connaissances en utilisant des agents IA avancés. Il traite plusieurs types de fichiers (PDF, Word, texte, images) en vecteurs d'embeddings, construit des graphes de connaissances consultables et offre des interfaces de conversation en temps réel. Les utilisateurs peuvent créer des agents personnalisés pour des tâches telles que l'assistance à la recherche, la revue de code et la génération de rapports. Avec des intégrations transparentes (Google Drive, Slack, GitHub), un contrôle d'accès basé sur les rôles et des endpoints API, Arsenal rationalise les flux de travail et permet aux utilisateurs d'extraire des insights plus rapidement.

demo_smolagents est une implémentation de référence de SmolAgents, un micro-framework en Python pour créer des agents IA autonomes alimentés par de grands modèles linguistiques. Cette démo comprend des exemples de configuration d'agents individuels avec des kits d'outils spécifiques, d'établissement de canaux de communication entre agents et de gestion dynamique du transfert de tâches. Elle met en avant l'intégration LLM, l'invocation d'outils, la gestion des invites et des modèles d'orchestration d'agents pour construire des systèmes multi-agents pouvant effectuer des actions coordonnées en fonction des entrées utilisateur et des résultats intermédiaires.

Le Dynamic Multi-Agent RAG Pathway offre une architecture modulaire où chaque agent gère des tâches spécifiques — telles que la récupération de documents, la recherche vectorielle, le résumé de contexte ou la génération — tandis qu’un orchestrateur central routage dynamiquement les entrées et sorties entre eux. Les développeurs peuvent définir des agents personnalisés, assembler des pipelines via des fichiers de configuration simples, et tirer parti du journalisation intégrée, de la surveillance et du support de plugin. Ce cadre accélère le développement de solutions RAG complexes, permettant une décomposition adaptative des tâches et un traitement parallèle pour améliorer le débit et la précision.

GenAI Agents SDK est une bibliothèque Python open-source conçue pour aider les développeurs à créer des agents d'IA auto-dirigés utilisant de grands modèles de langage. Elle offre un modèle de base pour l'agent avec des modules plug-in pour le stockage de mémoire, les interfaces d'outils, les stratégies de planification et les boucles d'exécution. Vous pouvez configurer les agents pour appeler des API externes, lire/écrire des fichiers, effectuer des recherches ou interagir avec des bases de données. Sa conception modulaire garantit une personnalisation facile, une prototypage rapide et une intégration transparente de nouvelles capacités, permettant la création d'applications d'IA dynamiques et autonomes capables de raisonner, planifier et agir dans des scénarios réels.

Genux AI propose des agents avancés alimentés par l’IA conçus pour améliorer l’expérience client en offrant un support intelligent, en traitant les demandes, en planifiant des rendez-vous et en collectant des données sur les prospects. Ces agents personnalisables s’intègrent parfaitement à votre site Web et à vos profils de réseaux sociaux et peuvent fonctionner en continu dans plusieurs langues. Avec des fonctionnalités telles que des réponses personnalisées, une intégration sans faille avec plus de 2 000 applications et la sécurité des données, Genux AI garantit que votre entreprise reste toujours en ligne, gérant efficacement les interactions avec les clients et rationalisant les opérations.

LaVague est un framework open-source conçu pour créer et déployer rapidement et efficacement des agents web. Les utilisateurs peuvent créer divers agents qui automatisent des tâches dans des applications web, allant de la saisie de données à la récupération d'informations complètes. Le framework prend en charge l'intégration avec des modèles locaux, tels que Llama 3 8b, ce qui en fait un choix polyvalent pour les entreprises cherchant à améliorer leurs opérations avec une automatisation pilotée par l'IA. Avec LaVague, les développeurs peuvent adapter les agents pour s'adapter à des flux de travail spécifiques, améliorant ainsi la productivité et l'efficacité.

Multi-Agent-AI-Dynamic-Interaction offre un environnement flexible pour concevoir, configurer et exécuter des systèmes composés de multiples agents IA autonomes. Chaque agent peut se voir attribuer des rôles, objectifs et protocoles de communication spécifiques. Le framework gère le passage des messages, le contexte de conversation ainsi que les interactions séquentielles ou parallèles. Il supporte l’intégration avec OpenAI GPT, d’autres API LLM et des modules personnalisés. Les utilisateurs définissent des scénarios via YAML ou scripts Python, en spécifiant les détails des agents, les étapes du flux de travail et les critères d’arrêt. Le système enregistre toutes les interactions pour le débogage et l’analyse, permettant un contrôle précis du comportement des agents pour des expériences en collaboration, négociation, prise de décision et résolution de problèmes complexes.