BeeAI Framework - Framework pour le développement multi-agents

• Conçu pour permettre de créer des systèmes multi-agents de niveau production en Python ou TypeScript
• Permet de définir librement diverses structures d’agents et workflows, ce qui le rend adapté au développement de systèmes d’IA collaboratifs complexes

• Architecture d’agents flexible

  • Prend en charge des agents uniques simples jusqu’aux structures multi-agents complexes
  • Exemples fournis par défaut :
    • Démarrage rapide avec ReActAgent
    • Construction de scénarios complexes via la fonctionnalité Workflow
  • Il est possible de concevoir finement les rôles et comportements des agents, ainsi que de personnaliser directement l’architecture

• Intégration avec divers modèles et outils

  • Connexion facile aux principaux fournisseurs de modèles : Ollama, Groq, OpenAI, watsonx.ai, etc.
  • Utilisation d’outils basés sur LangChain, ou création directe d’outils personnalisés
  • Prise en charge du Model Context Protocol (MCP) pour faciliter l’intégration avec les serveurs
  • Accent mis sur l’extensibilité et la flexibilité du système

• Fonctionnalités adaptées aux environnements de production

  • Optimisation de l’usage des tokens grâce à des stratégies de mémoire
  • Possibilité de sauvegarder et restaurer l’état des agents via sérialisation/désérialisation
  • Génération de sorties structurées, exécution de code (exécution en sandbox prévue)
  • En cas de problème :
    • Suivi de l’ensemble du workflow des agents via le système emitter
    • Prise en charge d’une surveillance et d’une analyse détaillées basées sur les événements
    • Collecte de données de diagnostic via logging et télémétrie
    • Gestion fiable des erreurs grâce à un système d’exceptions clair

Feuille de route de développement

• Aligner les fonctionnalités de Python et TypeScript
• Créer un site de documentation autonome
• Intégration du déploiement watsonx.ai
• Fournir divers workflows d’architectures multi-agents
• Ajouter des agents fournis par défaut (OTTB)
• Mise en œuvre prévue d’une fonction native d’appel d’outils basée sur les fournisseurs de LLM