Awesome GitHub RepositoriesAgent Graph Debuggers

AgentOps este o platformă de observabilitate și un toolkit pentru dezvoltatori, destinat monitorizării execuției, performanței și fiabilității agenților autonomi bazați pe modele de limbaj mari (LLM). Servește drept sistem pentru urmărirea comportamentului agenților AI, depanarea fluxurilor de lucru complexe și benchmarking-ul performanței modelelor. Platforma se distinge prin capacitatea de a vizualiza fluxurile de lucru multi-agent prin grafuri ale căilor de execuție și reluări de sesiune. Oferă instrumente specifice pentru calcularea costurilor financiare la diverși furnizori de modele de limbaj și suportă un stack de observabilitate self-hosted pentru utilizatorii care necesită control total asupra datelor lor pe hardware sau cloud privat. Sistemul acoperă un set larg de capabilități, inclusiv detectarea erorilor agenților, analiza utilizării instrumentelor și urmărirea metricilor de performanță personalizate prin etichetarea evenimentelor. Se integrează cu framework-uri AI pentru a captura telemetria și datele de performanță.

AdalFlow este un framework de agenți AI autonomi și o bibliotecă de aplicații LLM concepută pentru construirea de fluxuri de lucru modulare. Servește ca interfață agnostic-model și orchestrator de pipeline-uri RAG, permițând utilizatorilor să dezvolte agenți ReAct care utilizează raționamentul iterativ și execuția de instrumente externe pentru a rezolva sarcini complexe. Proiectul se distinge printr-un sistem de optimizare a prompt-urilor care utilizează gradient descent textual pentru a rafina automat template-urile de prompt și exemplele few-shot. Acesta tratează feedback-ul modelului ca pe un semnal diferențiabil, permițând o formă de backpropagation pentru LLM-uri pentru a îmbunătăți iterativ calitatea output-ului pe baza metricilor de evaluare. Framework-ul acoperă o suprafață largă de capabilități, inclusiv retrieval-augmented generation cu căutare semantică vectorială și reranking, urmărirea execuției bazată pe span pentru observabilitate și parsare structurată bazată pe schemă. Oferă un strat de comunicare unificat pentru numeroși furnizori de modele proprietare și open-source și suportă conversia funcțiilor Python în interfețe standardizate de instrumente. Sistemul este implementat în Python și se integrează cu MLflow pentru urmărirea și analiza fluxurilor de lucru.

This project provides a translation layer and set of adapters designed to bridge AI agents with the Model Context Protocol. It functions as an integration layer that allows agents to operate as protocol-compliant servers and enables the conversion of protocol-based tools into formats compatible with agent frameworks and logic graphs. The adapters facilitate tool interoperability by wrapping external protocol tools for use within agent workflows and exposing internal agent capabilities to any client implementing the Model Context Protocol. This creates a communication bridge that supports inte