#autogen Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #autogen, cumulant 380,960 étoiles au total (soit une moyenne de 15,238 étoiles par projet). Le projet en tête de ce thème est microsoft/markitdown, avec 197,344 étoiles.
25 dépôts au total
Outil Python pour convertir des fichiers et des documents de bureau en Markdown.
MagenticLite est un agent expérimental qui fonctionne sur le navigateur et le système de fichiers local
SDK Python pour la surveillance des agents IA, le suivi des coûts LLM, l'étalonnage et plus encore. S'intègre avec la plupart des LLM et des frameworks d'agents, y compris CrewAI, Agno, OpenAI Agents SDK, Langchain, Autogen, AG2 et CamelAI
Mémoire persistante open-source pour les pipelines d'agents IA (LangGraph, CrewAI, AutoGen) et Claude. REST API + graphe de connaissances + consolidation autonome.
AutoGroq est un outil révolutionnaire qui révolutionne la façon dont les utilisateurs interagissent avec Autogen™ et d'autres assistants d'IA. En générant dynamiquement des équipes personnalisées d'agents d'IA en fonction des exigences de votre projet, AutoGroq élimine le besoin de configuration manuelle et vous permet de résoudre n'importe quelle question, problème ou projet avec facilité et efficacité.
Construire des applications multi-agents habilitées par LLM de zéro
Hercules est le premier agent de test open-source au monde, permettant des validations d’interface utilisateur, d’API, de sécurité, d’accessibilité et visuelles – le tout sans code ni maintenance. Automatisez les tests sans effort et laissez Hercules s’occuper du travail fastidieux ! ⚡
Laboratoires pour explorer les modèles d'IA, les serveurs MCP et les Agents avec l'AI Gateway propulsé par Azure API Management et Microsoft Foundry 🚀
La façon dont nous interagissons avec nos données évolue.
Microsoft GraphRAG + AutoGen + Ollama + Chainlit = Superbot RAG Multi-Agent Entièrement Local et Gratuit
Agent Cloud, c’est comme avoir votre propre constructeur GPT avec plein de fonctionnalités supplémentaires. Le GUI propose : 1) une pipeline RAG capable d’intégrer nativement plus de 260 sources de données ; 2) créer des applications conversationnelles (similaires aux GPT) ; 3) créer des applications d’automatisation de processus multi‑agents (crewai) ; 4) des outils ; 5) des permissions équipes + utilisateurs. Lancez rapidement avec Docker et notre install.sh.
[ICLR 2026] Un cadre pour l'entraînement renforcé et l'inférence multi-agents fondés sur les LLM
Le moyen le plus rapide de mettre en production des flux de travail multi-agents.
Paper-Agent est un outil intelligent de recherche et d’analyse d’articles scientifiques destiné aux chercheurs et aux étudiants. Fondé sur une architecture de collaboration multi-agents (LangGraph), il s’appuie sur le traitement automatique du langage naturel (TALN) et la recherche automatisée pour aider les utilisateurs à trouver efficacement des articles scientifiques, à en analyser le contenu et à mener des recherches bibliographiques. Paper-Agent prend en charge l’intégration multiplateforme, la recherche par mots-clés, l’analyse automatisée et la recherche bibliographique, améliorant ainsi l’efficacité des travaux universitaires. Adapté à de nombreux usages, notamment la rédaction d’articles, la recherche universitaire et la gestion de projets scientifiques, il constitue un assistant idéal pour la recherche académique.
🚀Framework léger pour l'automatisation des grands modèles de langage et le développement d'agents linguistiques autonomes. Créez votre application Agent LLM à la manière de Python !
Ce module effectue la construction automatique de la documentation Swagger. Il peut identifier les points de terminaison et capturer automatiquement des méthodes telles que get, post, put, etc. Il identifie également les chemins, les routes, les middlewares, les codes de statut de réponse et les paramètres. À la fin, il génère le fichier .json contenant la spécification au format Swagger.
La couche de mémoire et d'observabilité open source pour les agents IA — mémoire persistante, détection de boucles, pistes d'audit chaînées par hachage, et un tableau de bord en direct, automatique lors de l'installation par pip.
Foire aux questions
Quel est le dépôt #autogen le plus populaire sur GitHub ?
Le projet #autogen open source le mieux classé sur GitHub est microsoft/markitdown, avec 197,344 étoiles. Outil Python pour convertir des fichiers et des documents de bureau en Markdown.
Quels langages de programmation sont les plus utilisés dans les dépôts #autogen ?
Parmi les projets #autogen les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, TeX.
Comment le classement des dépôts #autogen est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #autogen (500+ étoiles), totalisant 380,960 étoiles, avec une moyenne de 15,238 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.