Framework de Java para crear agentes distribuidos de larga duración, con transmisión de eventos, permisos para herramientas, middleware y ejecución en entornos aislados.
AgentScope Java es un framework para crear agentes basados en LLM en Java, diseñado para agentes que funcionan durante mucho tiempo, atienden a muchos usuarios y sobreviven a los reinicios. Proporciona un núcleo de razonamiento y acción ReAct, además de una capa HarnessAgent que incorpora memoria, skills, modo de planificación y delegación a subagentes.
El framework cubre las necesidades de ejecución que surgen en producción. Las llamadas a herramientas se pueden permitir, dejar pendientes de aprobación del usuario o denegar, y un flujo unificado de eventos muestra en tiempo real la salida del modelo, los fragmentos de texto y la ejecución de herramientas. Las herramientas pueden ejecutarse en subprocesos locales, Docker, Kubernetes o un entorno aislado en la nube de E2B. Además, el estado de las sesiones se puede guardar en almacenes en memoria, archivos JSON, MySQL, Redis o PostgreSQL, para que las implementaciones graduales no interrumpan las conversaciones.
Los proveedores de modelos se distribuyen en módulos de extensión independientes, entre ellos DashScope, OpenAI, Anthropic, Gemini y Ollama. Requiere JDK 17 o posterior y se distribuye a través de Maven Central.
Añade la dependencia de Maven para agentscope-harness (JDK 17 o superior).
Añade una extensión de proveedor de modelos, como DashScope.
Configura DASHSCOPE_API_KEY y ejecuta el ejemplo Hello AgentScope.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Un runtime de código abierto donde un agente queen persistente planifica el trabajo, crea agentes worker en paralelo y registra los resultados en un tracker SQLite compartido.
Framework de Python de Google, centrado en el código, para crear, evaluar y desplegar agentes de IA; optimizado para Gemini, pero independiente del modelo.
Entorno open source para agentes autónomos de larga duración que coordina subagentes, memoria y sandboxes para investigar, programar y crear durante minutos u horas.
Entorno de ejecución de agentes en TypeScript autoalojado para coordinar varios agentes LLM, con aprobaciones humanas y registros de ejecución que se pueden inspeccionar sin conexión.
Framework de Python para crear agentes de IA que usan LLM y herramientas, y se coordinan entre sí en flujos de trabajo multiagente.
Framework y stack de aplicaciones de código abierto en TypeScript para crear agentes de IA autónomos, con un runtime central, plugins y la aplicación local-first Eliza.