Awesome GitHub RepositoriesMulti-Model Workflow Coordinators

ECC est un framework d'orchestration d'agents LLM et une suite d'outils IA multiplateforme conçue pour coordonner les flux de travail multi-modèles. Il fournit un système pour gérer les rôles d'agents spécialisés, les compétences réutilisables et la planification structurée pour exécuter des tâches de développement logiciel complexes à travers différents éditeurs de code alimentés par l'IA. Le projet se distingue en tant que gestionnaire de protocole de contexte de modèle, fournissant une couche de configuration pour intégrer des serveurs externes et auditer l'exécution des outils. Il implémente en outre un bac à sable de sécurité agentique qui restreint l'accès aux fichiers sensibles et recherche les fuites de secrets pour sécuriser les flux de travail autonomes. Le framework couvre de larges domaines de capacités, notamment l'automatisation du flux de travail de codage IA avec des garde-fous de développement piloté par les tests, l'optimisation des coûts des modèles par routage intelligent et la gestion de la mémoire isolée par état. Il inclut également des outils pour appliquer des normes de codage spécifiques au langage et gérer les comportements des agents à travers divers environnements de développement intégrés. Le système est géré via une interface en ligne de commande qui gère l'installation des outils, la réparation de la configuration et le déploiement des préréglages d'outils.

Ruflo is an AI agent orchestration platform and workflow automation tool designed to decompose high-level goals into executable action plans. It functions as a manager for multi-agent swarms, organizing autonomous entities into collaborative topologies that utilize shared consensus to complete complex tasks. The framework distinguishes itself through a retrieval-augmented generation layer and knowledge graphs for reasoning over linked data. It incorporates a trajectory-based learning loop that analyzes previous execution paths to refine cognitive patterns and improve future reasoning accuracy

TaskMatrix is a visual language model orchestration framework and modular visual pipeline designed to coordinate disparate foundation models. It functions as a multi-model workflow coordinator that sequences visual and textual models through logic paths to handle image processing tasks without requiring additional training. The system integrates large language models with visual foundation models to enable the exchange of image data during interactive chat sessions. It utilizes template-based orchestration to chain specialized models together for complex visual tasks. The framework supports

JARVIS is a system for large language model task orchestration, deployment management, and automation benchmarking. It utilizes a task orchestrator to decompose complex requests into actionable steps and coordinates various expert models to synthesize final responses. The project includes an AI model deployment manager to handle the local deployment of expert models across different hardware scales. It further provides an AI workflow API consisting of web endpoints used to trigger automated task workflows and retrieve results from model selection stages. The framework incorporates an automat

DeepSeek-Reasonix is an autonomous software engineering framework and terminal-based AI IDE designed to coordinate large language models for complex programming tasks. It functions as a multi-session agent that utilizes a split planner and executor workflow to break down and implement technical objectives. The system distinguishes itself through a specialized focus on session optimization and extensibility. It employs prefix caching and append-only history to reduce token consumption and latency during long sessions. It further extends its capabilities by integrating external tool servers via

Flow is an orchestration framework for designing and executing complex workflows using autonomous agents powered by large language models. It serves as a toolkit for constructing agentic pipelines and a runtime for managing agent lifecycles, session states, and tool execution. The project is distinguished by its support for hierarchical swarm management, where director agents decompose large projects into smaller tasks for specialized worker agents. It enables multiple coordination patterns, including sequential linear pipelines and concurrent execution where agents analyze tasks from differe

Page-agent is an LLM browser automation agent and JavaScript in-page GUI controller. It translates natural language instructions into direct browser interface actions to automate web-based tasks and manipulate web page elements through a programmable interface. The system coordinates complex sequences of actions across multiple browser tabs and different websites. It functions as a remote browser control server, providing an interface that allows external clients to operate a browser and manage page interactions. Its capabilities include natural language intent decoding and action mapping, D

llmware is a Python framework for AI agent orchestration and model management, designed to coordinate multi-model workflows and autonomous agents. It provides a unified model catalog and standardized interface to execute specialized language models for complex research, analysis, and structured data generation. The project distinguishes itself through its heavy emphasis on local execution and quantized inference, allowing models to run on private infrastructure using CPU, GPU, and NPU acceleration via runtimes like ONNX and OpenVino. It features a specialized ability to translate natural lang

Eino is an AI agent development kit and LLM application framework designed for building autonomous agents and orchestrating complex language model workflows. It serves as a multi-agent orchestration engine and workflow orchestrator, providing a graph-based execution model to route data between models, tools, and retrievers. The framework distinguishes itself through a robust set of multi-agent coordination patterns, including supervisor-led management, sequential flows, and autonomous reasoning loops like ReAct. It features advanced agent execution controls such as active turn preemption, che

BlockNote is a block-based rich text editor and a real-time collaborative workspace. It uses a JSON-based data model to organize content into draggable, nestable blocks rather than a single flat document. The system functions as a high-level interface built on ProseMirror that abstracts document state into discrete, manipulatable content blocks. The project serves as a framework for integrating large language models into document editors, enabling context-aware text generation and AI-driven workflows. It also acts as a document export engine capable of converting structured block data into fo

jcode est un framework pour développer des agents de codage IA autonomes qui automatisent les tâches de développement logiciel. Il fonctionne comme un orchestrateur d'agents, un runtime d'outils et un moteur de mémoire sémantique, permettant la création d'agents capables de modifier du code, d'exécuter des tests et d'itérer sur leur propre fonctionnalité. Le projet se distingue par son utilisation de l'essaimage d'agents récursif, où une hiérarchie d'agents collaborateurs peut engendrer des agents enfants pour décomposer des tâches complexes. Il implémente un système de mémoire sémantique qui combine la récupération basée sur des vecteurs avec le mappage de relations basé sur des graphes pour maintenir le contexte à travers les sessions. Pour gérer les risques, le système utilise une gouvernance d'action à plusieurs niveaux qui nécessite une approbation humaine pour les opérations sensibles et isole les activités des agents dans des worktrees git séparés. Le framework inclut une boîte à outils complète d'automatisation de navigateur pour interagir avec les pages web, extraire des snapshots DOM et capturer des captures d'écran. Il implémente également le Model Context Protocol pour intégrer des outils et des données externes, et prend en charge le rechargement à chaud binaire pour mettre à jour le serveur sans perdre les connexions réseau actives. Le système fournit une interface en ligne de commande pour gérer les mémoires des agents et inclut des outils d'audit pour suivre la progression du plan et visualiser la topologie de l'essaim d'agents.

Swarms est un framework d'orchestration multi-agents et une boîte à outils d'agents autonomes conçue pour coordonner des agents de grands modèles de langage. Il sert de moteur de flux de travail pour gérer les relations entre agents, fournissant l'infrastructure pour construire des agents autonomes avec une mémoire intégrée, des capacités d'appel d'outils et des boucles de raisonnement. Le framework se distingue par ses systèmes de consensus multi-agents, qui utilisent le vote, les débats contradictoires et des agents juges pour synthétiser des réponses de haute qualité. Il prend en charge une variété de modèles de collaboration, y compris les hiérarchies directeur-travailleur, la synthèse d'experts et la génération d'architecture d'essaim automatisée basée sur des descriptions en langage naturel. Le système couvre un large éventail de capacités opérationnelles, y compris l'orchestration de flux de travail basée sur des graphes et séquentielle via un langage spécifique au domaine, une interface unifiée pour divers fournisseurs de modèles et l'intégration avec le protocole de contexte de modèle pour la découverte dynamique d'outils. Il inclut également un support pour la génération augmentée par récupération, la mémoire persistante d'état et la capacité d'exposer la fonctionnalité d'agent en tant que services web. Le projet fournit une interface en ligne de commande pour la gestion des agents et prend en charge la configuration via YAML et des fichiers de compétences markdown modulaires.

KServe is an open platform for deploying and serving generative and predictive AI models on Kubernetes. It defines inference services as custom resources with declarative YAML specifications, enabling a Kubernetes-native approach to model deployment and lifecycle management. The platform leverages Knative-based serverless scaling for automatic scale-to-zero and revision management, and supports a pluggable serving runtime architecture that maps model formats to containerized execution environments. KServe distinguishes itself through model-aware autoscaling that scales replicas based on token

KServe is a Kubernetes-native platform for deploying and serving machine learning models as scalable inference services. It supports both generative AI models, including large language models, and traditional predictive models from frameworks such as TensorFlow, PyTorch, Scikit-Learn, XGBoost, and ONNX. The platform manages the full lifecycle of model deployments, including revision tracking, canary rollouts, A/B testing, and automatic rollbacks, and provides serverless scale-to-zero capabilities for cost-efficient resource management. KServe distinguishes itself through a standardized infere

ClawTeam est un framework pour coordonner plusieurs agents de grands modèles de langage (LLM) afin d'automatiser des flux de travail techniques complexes. Il fonctionne comme un automate et orchestrateur de flux de travail agentiques qui gère des essaims d'agents spécialisés en utilisant une architecture leader-worker pour déléguer et exécuter des tâches. Le système se distingue en fournissant des espaces de travail isolés pour le développement parallèle, en assignant à chaque agent un git worktree et une branche dédiés pour éviter les conflits de fusion. Il permet en outre l'intégration d'outils en ligne de commande externes en les encapsulant dans un modèle d'entrée et d'exécution de répertoire standardisé, permettant aux agents CLI personnalisés de fonctionner au sein de l'essaim coordonné. Le framework couvre la gestion du cycle de vie des agents et le suivi des tâches via un système kanban partagé pour gérer les dépendances. Il inclut des capacités de communication inter-agents utilisant un transport basé sur les fichiers ou pair-à-pair, une configuration basée sur les profils pour les paramètres des modèles et une surveillance de l'activité de l'essaim en temps réel via des tableaux de bord et des vues terminal.

This project is a toolkit for interacting with large language models through a command line interface, an integration library, and a workflow orchestrator. It provides a framework for embedding language model logic directly into scripts and managing automated sequences of AI tasks. The system utilizes a plugin framework and a provider-agnostic interface to route requests across different model providers. This architecture allows for the addition of custom capabilities and the ability to switch providers without altering the core logic. The project covers several functional areas, including A

Ce projet est un runtime natif conteneur conçu pour construire, orchestrer et exécuter des agents IA autonomes. Il fournit un framework pour gérer des équipes multi-agents et des flux de travail complexes en empaquetant les configurations d'agents sous forme d'images de conteneurs portables. En tirant parti de fichiers de configuration déclaratifs, le système permet aux utilisateurs de définir les personas des agents, le routage des modèles et l'accès aux outils sans nécessiter de changements dans le code de l'application. La plateforme se distingue par son intégration profonde avec l'infrastructure de conteneurs, garantissant que les tâches des agents et les outils externes s'exécutent dans des environnements isolés pour une exécution sécurisée et reproductible. Elle dispose d'une couche de routage de fournisseur agnostique au modèle qui permet un basculement automatique et une répartition des requêtes optimisée en termes de coûts sur plusieurs fournisseurs de modèles IA. De plus, le runtime implémente le protocole Model Context pour intégrer des outils spécialisés et des services externes, tout en prenant en charge la délégation hiérarchique où les agents racines coordonnent des sous-agents spécialisés pour une exécution de tâches modulaire. Le système couvre une large surface de capacités incluant le développement logiciel automatisé, les pipelines de génération augmentée par récupération et la gestion d'état de session. Il fournit des outils complets pour surveiller les états des agents, renforcer la sécurité via la mise en réseau en sandbox et des contrôles de permission granulaires, et optimiser les performances via un routage intelligent des requêtes et l'accélération de la génération de jetons. Le projet est implémenté en Go et prend en charge l'intégration de ses capacités agentiques directement dans des applications externes.

Neo is an autonomous engineering platform and multi-agent orchestration framework designed to build, review, and maintain production codebases. It coordinates a swarm of multiple language models through a messaging and event system to automate complex software development workflows without manual intervention. The platform utilizes a semantic knowledge graph manager to distill session logs and documentation into a queryable topology, preserving project history and context across AI interactions. It supports multi-tenant deployment of agent swarms that employ persistent memory and structured m