Framework Java para criar agentes distribuídos e de longa duração, com streaming de eventos, permissões para ferramentas, middleware e execução em sandbox.
AgentScope Java é um framework para criar agentes baseados em LLM em Java, voltado a agentes que ficam ativos por muito tempo, atendem muitos usuários e sobrevivem a reinicializações. Ele oferece um núcleo de raciocínio e ação ReAct, além da camada HarnessAgent, que adiciona memória, skills, modo de planejamento e delegação a subagentes.
O framework cobre as necessidades de runtime que surgem em produção. Chamadas de ferramentas podem ser permitidas, retidas para aprovação do usuário ou negadas, e um fluxo unificado de eventos expõe a saída do modelo, deltas de texto e a execução de ferramentas em tempo real. As ferramentas podem rodar em subprocessos locais, Docker, Kubernetes ou em um sandbox na nuvem E2B. O estado da sessão pode ser persistido em armazenamento em memória, arquivos JSON, MySQL, Redis ou PostgreSQL, para que implantações contínuas não interrompam as conversas.
Os provedores de modelos são distribuídos em módulos de extensão separados, incluindo DashScope, OpenAI, Anthropic, Gemini e Ollama. Requer JDK 17 ou superior e é distribuído pelo Maven Central.
Adicione a dependência Maven de agentscope-harness (JDK 17 ou superior).
Adicione uma extensão de provedor de modelos, como DashScope.
Defina DASHSCOPE_API_KEY e execute o exemplo Hello AgentScope.
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Um runtime open source em que um agente rainha persistente planeja o trabalho, inicia agentes trabalhadores em paralelo e acompanha os resultados em um tracker SQLite compartilhado.
Framework Python code-first do Google para criar, avaliar e implantar agentes de IA, otimizado para Gemini, mas independente de modelo.
Harness open source para superagentes de longa duração, que coordena subagentes, memória e sandboxes para pesquisar, programar e criar em tarefas que levam de minutos a horas.
Runtime de agentes em TypeScript para coordenar vários agentes LLM no seu próprio ambiente, com aprovação humana e registros de execução verificáveis offline.
Framework Python para criar agentes de IA que usam LLMs e ferramentas e coordená-los em fluxos de trabalho multiagente.
Framework e stack de aplicações open source em TypeScript para criar agentes de IA autônomos, com runtime principal, plugins e o app Eliza local-first.