#function-calling Repositories
Entdecke 94 aktive Open-Source-GitHub-Repositories, die mit #function-calling getaggt sind und insgesamt 264,748 Sterne gesammelt haben (durchschnittlich 2,816 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ComposioHQ/composio mit 31,218 Sternen.
Insgesamt 94 Repositories
Composio versorgt über 1000 Toolkits, Tool-Suche, Kontextmanagement, Authentifizierung und eine isolierte Arbeitsumgebung, um Ihnen dabei zu helfen, KI-Agenten zu entwickeln, die Absichten in Handlungen umsetzen.
Pädagogischer Rahmen, der ergonomische, leichte Multi-Agenten-Orchestrierung erforscht. Verwaltet vom OpenAI Solution Team.
Agenten-Framework und Anwendungen, die auf Qwen>=3.0 basieren, mit Funktionsaufruf, MCP, Code Interpreter, RAG, Chrome-Erweiterung usw.
Agentische, Sprach- und Bildverarbeitungsintelligenz mit weniger als 50 MB für Endgeräte.
All-in-one LLM-CLI-Tool mit Shell-Assistent, Chat-REPL, RAG, KI-Tools & Agents, mit Zugriff auf OpenAI, Claude, Gemini, Ollama, Groq und mehr.
Klavis AI: MCP-Integrationsplattformen, die es KI-Agenten ermöglichen, Werkzeuge zuverlässig in jeglichem Umfang zu nutzen.
ACI.dev ist die Open-Source-Tool-Calling-Plattform, die über direkte Funktionsaufrufe oder einen vereinheitlichten MCP-Server über 600 Tools mit jeder agentischen IDE oder benutzerdefinierten KI-Agenten verbindet. Die Geburtsstätte von VibeOps.
Entmystifizieren Sie KI-Agenten, indem Sie sie selbst bauen. Lokale LLMs, keine Black Boxes, echtes Verständnis von Funktionsaufrufen, Speicher und ReAct-Mustern.
Das Google Gen AI Python SDK bietet Entwicklern eine Schnittstelle, um Googles generative Modelle in ihre Python-Anwendungen zu integrieren.
🤖 Typsicheres, provider-unabhängiges TypeScript AI SDK für Streaming-Chat, Tool-Calling, Agenten und multimodale Apps über OpenAI, Anthropic, Gemini, React, Vue, Svelte und Solid.
VCP wird zwischen KI-Modell-APIs und Frontend-Anwendungen eingesetzt und dient als industrietaugliches Infrastruktur-Demonstrationsprojekt für die Entwicklung und Erforschung von AGI-Betriebssystemen. Durch ein einheitliches Befehlsprotokoll, mehrstufiges persistentes Gedächtnis, eine verteilte Plugin-Engine und ein Multi-Agenten-Framework verwandelt es große Sprachmodelle, die ursprünglich „zustandslos, gedächtnislos und ohne Werkzeugaufruffähigkeit“ sind, in vollständige intelligente Agentensysteme, die über ein permanentes Selbstbewusstsein, operative Fähigkeiten in der physischen Welt und kollektive kollaborative Intelligenz verfügen.
CodeGeeX4-ALL-9B, ein vielseitiges Modell für alle KI-Softwareentwicklungsszenarien, einschließlich Codevervollständigung, Code-Interpreter, Websuche, Funktionsaufrufe, repository-weite Fragen und Antworten und vieles mehr.
Ein Python-Framework für selbstgehostete LLM-Tool-Aufrufe und mehrstufige Agenten-Workflows
Eine leistungsstarke Coding-Assistenten-Anwendung, die sich in die DeepSeek-API integriert, um Benutzergespräche zu verarbeiten und strukturierte JSON-Antworten zu generieren. Über eine intuitive Befehlszeilenschnittstelle kann sie lokale Dateiinhalte lesen, neue Dateien erstellen und Echtzeit-Diffs auf vorhandene Dateien anwenden.
Führen Sie KI-Modelle lokal auf Ihrem Computer mit Node.js-Bindings für llama.cpp aus. Erzwingen Sie ein JSON-Schema für die Modellausgabe auf der Generierungsebene.
Zugriff auf Anthropic's "Safety-First"-Sprachmodell-APIs in TypeScript
Ressourcenliste zur Generierung von JSON mit LLMs über Funktionsaufrufe, Tools, CFG. Bibliotheken, Modelle, Notebooks usw.
Beispielcode für ein einfaches Web-Chat-Erlebnis über Azure OpenAI, einschließlich Azure OpenAI On Your Data.
KI als Arbeitsbereich – Ein eleganter KI-Chat-Client. Voll funktionsfähig, leichtgewichtig. Unterstützt mehrere Arbeitsbereiche, Plugin-System, plattformübergreifend, lokal zuerst + Echtzeit-Cloud-Synchronisierung, Artefakte, MCP | Besserer KI-Client
[ICML 2024] LLMCompiler: Ein LLM-Compiler für parallele Funktionsaufrufe
Ein umfassender Leitfaden zum Verständnis und zur Implementierung großer Sprachmodelle mit praktischen Beispielen unter Verwendung von LangChain für GenAI-Anwendungen.
AI Manus ist ein KI-Agentensystem für allgemeine Zwecke, das das Ausführen verschiedener Tools und Operationen in einer Sandbox-Umgebung unterstützt.
Agentenplattform mit verfügbarem Quellcode für globale und chinesische Unternehmen – verbinden Sie alle Systeme über einen einzigen Agentenkern. Selbst gehostet, mit jedem LLM nutzbar.
ReSearch: Lernen, mit Suche für LLMs durch bestärkendes Lernen zu argumentieren & ReCall: Lernen, mit Tool Call für LLMs durch bestärkendes Lernen zu argumentieren
R&D-Spielplatz zum Spielen mit Agenten und OpenBB
Ein Repository von Servern und Clients aus den Model Context Protocol-Tutorials
Schema-Guided Reasoning (SGR) verfügt über ein agentisches Systemdesign, das von der NeuralDeep-Community entwickelt wurde.
Eine einfache und benutzerfreundliche Bibliothek für die Interaktion mit der Ollama API.
TypeScript KI KI-Funktivorlesungsframework, verbessert durch Compiler-Fähigkeiten.
Fun-Audio-Chat ist ein großes Audio-Sprachmodell, das für natürliche Sprachinteraktionen mit geringer Latenz entwickelt wurde.
Ein Model Context Protocol (MCP)-Server, der MS Excel-Daten liest und schreibt
Dieses Repository teilt End-to-End-Notebooks, wie verschiedene Weaviate-Funktionen und Integrationen genutzt werden können!
BlueLM (Blaues Herz Großes Sprachmodell): Öffentliche große Sprachmodelle, entwickelt vom vivo AI Lab
Häufig gestellte Fragen
Welches ist das beliebteste #function-calling-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#function-calling-Projekt auf GitHub ist ComposioHQ/composio mit 31,218 Sternen. Composio versorgt über 1000 Toolkits, Tool-Suche, Kontextmanagement, Authentifizierung und eine isolierte Arbeitsumgebung, um Ihnen dabei zu helfen, KI-Agenten zu entwickeln, die Absichten in Handlungen umsetzen.
Welche Programmiersprachen werden in #function-calling-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #function-calling-Projekten auf GitHub sind Python, TypeScript, Jupyter Notebook, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #function-calling-Repositories berechnet?
Wir verfolgen 94 aktive Open-Source-Repositories, die mit #function-calling getaggt sind (500+ Sterne), mit insgesamt 264,748 Sternen und durchschnittlich 2,816 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.