Alle Einträge: Agent-Frameworks.

63 Einträge, alphabetisch nach Unterkategorie sortiert. Zum Filtern nach Typ und Lizenz gibt es den Katalog.

• AutoGen (Haupt-Repo)RessourceMIT (Code) / CC-BY-4.0 (Doku)· AutoGen (Microsoft)

  Framework-Code, Beispiele, AutoGen Studio

• Offizielle Doku (AgentChat)RessourceCC-BY-4.0· AutoGen (Microsoft)

  Tutorials, API-Referenz, Konzept-Erklärungen

• AgentChat QuickstartRessourceCC-BY-4.0· AutoGen (Microsoft)

  Erster Agent in ~20 Zeilen Python

• AutoGen StudioRessourceCC-BY-4.0· AutoGen (Microsoft)

  No-Code-UI für Multi-Agent-Teams

• Beispiel-NotebooksRessourceMIT· AutoGen (Microsoft)

  Lauffähige Beispiele (Teams, Tools, Handoffs)

• Forschungs-PaperRessource—· AutoGen (Microsoft)

  "AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation"

• python-telegram-botBotLGPL-3.0· Bots

  Der Klassiker für Telegram-Bots in Python: komplette Bot-API-Abdeckung, ConversationHandler für mehrstufige Dialoge, Job-Queue für zeitgesteuerte Aufgaben, riesiges Wiki mit Beispielen.

• aiogramBotMIT· Bots

  Modernes, vollständig asynchrones Telegram-Framework (asyncio), FSM (Zustandsmaschine) für Dialoge, Router-Konzept, Middleware, sehr performant bei vielen gleichzeitigen Nutzern.

• grammYBotMIT· Bots

  Telegram-Framework für TypeScript/JavaScript (Node, Deno, Cloudflare Workers): typsicher, Plugin-System (Sessions, Menüs, i18n), läuft auch serverless.

• TelegrafBotMIT· Bots

  Etabliertes Node.js-Telegram-Framework mit Middleware-Architektur (Express-ähnlich), Szenen/Wizard für Dialoge.

• discord.pyBotMIT· Bots

  Das Standard-Python-Framework für Discord: Slash-Commands, Buttons/Modals (UI-Kit), Voice-Support, Cogs (modulare Bot-Erweiterungen).

• discord.jsBotApache-2.0· Bots

  Die meistgenutzte Discord-Bibliothek überhaupt (Node.js): vollständige API-Abdeckung, Sharding für große Bots, exzellenter offizieller Guide (discordjs.guide).

• PycordBotMIT· Bots

  discord.py-Fork mit Fokus auf schnelle Slash-Command-Entwicklung und eingebauten UI-Helpern.

• BaileysBotMIT· Bots

  WhatsApp-Web-API über WebSockets, ohne Browser/Selenium: Nachrichten senden/empfangen, Medien, Gruppen — reverse-engineered, kein offizielles Produkt. Achtung: Nutzung kann gegen WhatsApp-AGB verstoßen, Konto-Sperrung möglich; für Produktiv-Business die offizielle Cloud API nutzen.

• WhatsApp Business Cloud API (offiziell)Botproprietär (Meta)· Bots

  Offizieller, AGB-konformer Weg für WhatsApp-Bots: Webhooks, Vorlagen-Nachrichten, kostenlose Service-Konversationen im 24h-Fenster.

• quickstart.mdxCode-BeispielMIT· CrewAI

  Offizielles Quickstart: erste Crew per crewai create, Agents/Tasks in YAML, Ausführung — der komplette Grundzyklus.

• first-crew.mdxCode-BeispielMIT· CrewAI

  Schritt-für-Schritt-Tutorial: Recherche-Crew mit zwei Agenten (Researcher + Analyst) inkl. Projektstruktur.

• first-flow.mdxCode-BeispielMIT· CrewAI

  Erster Flow: ereignisgesteuerte Pipeline, die geführte Abläufe (@start, @listen) mit Crews kombiniert — Beispiel: Lernguide-Generator.

• mastering-flow-state.mdxCode-BeispielMIT· CrewAI

  Vertiefung Flow-State-Management: strukturierter vs. unstrukturierter Zustand, Persistenz zwischen Schritten.

• crafting-effective-agents.mdxCode-BeispielMIT· CrewAI

  Best Practices für Agent-Design: gute role/goal/backstory schreiben, typische Fehler, Spezialisten statt Generalisten.

• customizing-prompts.mdxCode-BeispielMIT· CrewAI

  Interne CrewAI-Prompts anpassen (auch für andere Sprachen/Modelle), Low-Level-Prompt-Kontrolle.

• evaluating-use-cases.mdxCode-BeispielMIT· CrewAI

  Entscheidungshilfe: Wann Crews (autonom) vs. Flows (deterministisch) — mit Komplexitäts-/Präzisions-Matrix.

• example.mdxCode-BeispielMIT· CrewAI

  Kuratierter Beispiel-Index: Links auf alle offiziellen Beispielprojekte (Marketing-Crew, Job-Posting, Game-Builder, Flows, Notebooks).

• langgraph_agentic_rag.ipynbCode-BeispielMIT· LangChain / LangGraph

  Agentic RAG: Ein Agent entscheidet selbst, ob/was er aus dem Vektorindex abruft, statt stur immer zu suchen.

• langgraph_adaptive_rag.ipynbCode-BeispielMIT· LangChain / LangGraph

  Adaptive RAG: Router wählt je Frage die Strategie (Index-Abruf vs. Websuche) + Selbstkorrektur bei schlechten Treffern.

• langgraph_adaptive_rag_local.ipynbCode-BeispielMIT· LangChain / LangGraph

  Adaptive RAG komplett mit lokalen LLMs (Ollama) — ohne Cloud-API.

• langgraph_crag.ipynbCode-BeispielMIT· LangChain / LangGraph

  Corrective RAG (CRAG): Abgerufene Dokumente werden bewertet; bei schlechter Qualität wird die Suche korrigiert/ergänzt (Websuche).

• langgraph_crag_local.ipynbCode-BeispielMIT· LangChain / LangGraph

  CRAG mit lokalen LLMs (Ollama).

• langgraph_self_rag.ipynbCode-BeispielMIT· LangChain / LangGraph

  Self-RAG: Modell prüft die eigene Antwort auf Fundierung in den Quellen und iteriert bei Bedarf.

• langgraph_self_rag_local.ipynbCode-BeispielMIT· LangChain / LangGraph

  Self-RAG mit lokalen LLMs (Ollama).

• langgraph_code_assistant_mistral.ipynbCode-BeispielMIT· LangChain / LangGraph

  Code-Assistent mit Selbsttest-Schleife: generiert Code, führt Checks aus, korrigiert Fehler iterativ (Codestral/Mistral).

• pydantic_model.pyCode-BeispielMIT· Pydantic AI

  Minimalbeispiel strukturierter Output: LLM-Antwort wird direkt in ein Pydantic-Modell gegossen und validiert.

• bank_support.pyCode-BeispielMIT· Pydantic AI

  Das Vorzeige-Beispiel: Support-Agent einer Bank mit Dependency Injection (Kundendaten-"DB"), Tool-Aufruf und typisiertem Ergebnis (inkl. Risiko-Score).

• weather_agent.pyCode-BeispielMIT· Pydantic AI

  Agent mit mehreren Tools (Geocoding + Wetter-API), die das LLM verkettet aufruft, um Fragen wie "Wetter in London und Wiltshire?" zu beantworten.

• sql_gen.pyCode-BeispielMIT· Pydantic AI

  SQL-Generierung mit echter Validierung: erzeugtes SQL wird per EXPLAIN gegen PostgreSQL geprüft; bei Fehlern korrigiert sich der Agent selbst (Retry).

• rag.pyCode-BeispielMIT· Pydantic AI

  RAG komplett in einer Datei: Embeddings erzeugen, in pgvector speichern, Suche als Agent-Tool bereitstellen.

• Telegram AI-botWorkflowMIT· n8n

  Voll ausgebauter Telegram-Bot mit OpenAI-Anbindung: empfängt Nachrichten, antwortet per GPT.

• Agentic Telegram AI bot with LangChain nodesWorkflowMIT· n8n

  Telegram-Bot als KI-Agent (n8n-LangChain-Nodes) mit Tool-Nutzung, z. B. Bildgenerierung. Kompakt (8 Nodes) — gutes Lernbeispiel für Agent-Nodes.

• Academic Assistant ChatbotWorkflowMIT· n8n

  Minimaler Telegram+OpenAI-Chatbot (5 Nodes) mit fachlichem Systemprompt.

• Qualify new leads in Google Sheets via GPT-4WorkflowMIT· n8n

  Neue Zeilen in Google Sheets werden automatisch per GPT-4 bewertet/qualifiziert (Lead-Scoring).

• AI Summarizer (LLM-ready)WorkflowMIT· n8n

  Webhook nimmt Text entgegen, LLM fasst zusammen, Ergebnis zurück per Response — als API nutzbar.

• Daily AI News Translation & Summary (GPT-4 → Telegram)WorkflowMIT· n8n

  Holt täglich News, übersetzt + fasst per GPT-4 zusammen, sendet an Telegram.

• Automated Research Report GenerationWorkflowMIT· n8n

  Recherche-Pipeline: OpenAI + Wikipedia + Google-Suche, fertiger Report via Gmail/Telegram.

• AI Email processing autoresponder with approvalWorkflowMIT· n8n

  Liest Mails per IMAP, KI entwirft Antwort, Mensch bestätigt per Ja/Nein, dann Versand.

• Gmail AI auto-responder (Drafts)WorkflowMIT· n8n

  Erstellt zu eingehenden Gmail-Mails automatisch KI-Antwortentwürfe als Draft.

• Email Summary AgentWorkflowMIT· n8n

  Fasst täglich alle eingegangenen Mails zu einer Übersichts-Mail zusammen.

• HN Who is Hiring ScrapeWorkflowMIT· n8n

  Scrapt "Who is hiring"-Threads von Hacker News und strukturiert die Job-Posts.

• Google Maps Email ScraperWorkflowMIT· n8n

  Extrahiert Kontakt-/E-Mail-Daten zu Firmen aus Google-Maps-Ergebnissen.

• Enrich Company Data with OpenAI Agent + Scraper ToolWorkflowMIT· n8n

  KI-Agent reichert Firmendaten aus einem Google Sheet per Web-Scraping-Tool an.

• Extract And Decode Google News RSS URLsWorkflowMIT· n8n

  Wandelt Google-News-RSS-Weiterleitungs-URLs in saubere Original-Artikel-Links um.

• HR & IT Helpdesk Chatbot with Audio TranscriptionWorkflowMIT· n8n

  Interner Helpdesk-Bot: beantwortet HR/IT-Fragen aus Dokumenten, transkribiert Sprachnachrichten.

• NASA Astronomy Picture of the Day → TelegramWorkflowMIT· n8n

  Sendet täglich das NASA-Astrofoto in einen Telegram-Kanal (nur 4 Nodes).

• RSS to TelegramWorkflowMIT· n8n

  Überwacht RSS-Feeds und postet neue Einträge nach Telegram, mit Dublettenschutz.

• Get only new RSS with PhotoWorkflowMIT· n8n

  Liest RSS, filtert nur neue Einträge und extrahiert das Artikelbild per HTML-Extract.

• AI Customer-Support Assistant (WhatsApp Ready)WorkflowMIT· n8n

  KI-Kundensupport-Assistent, vorbereitet für WhatsApp-Business-Anbindung.

• AI-Powered WhatsApp Chatbot (Text, Voice, Images, PDFs)WorkflowMIT· n8n

  Multimodaler WhatsApp-Bot: versteht Text, Sprachnachrichten, Bilder und PDF-Anhänge.

• FlowiseToolApache-2.0· Visuelle KI-Baukästen

  Ein visueller Baukasten für KI-Anwendungen: Bausteine per Maus verbinden statt programmieren — vom einfachen Chatbot bis zum dokumentengestützten Assistenten.

• LangflowToolMIT· Visuelle KI-Baukästen

  Ein visueller Editor für KI-Abläufe auf Basis von LangChain — Flüsse per Drag-and-drop bauen, testen und als API bereitstellen.

• Hugging Face smolagentsCode-BeispielApache-2.0· Agenten-Bibliotheken

  Ein bewusst minimalistisches Agenten-Framework von Hugging Face: Agenten, die Aufgaben lösen, indem sie kurzen Python-Code schreiben und ausführen — in wenigen Zeilen aufgesetzt.

• Microsoft Semantic KernelCode-BeispielMIT· Agenten-Bibliotheken

  Microsofts quelloffenes SDK, um KI-Modelle sauber in eigene Anwendungen einzubauen — mit Plugins, Planern und Speicher. Verfügbar für Python, C# und Java.

• Letta (MemGPT)ToolApache-2.0· Agenten-Bibliotheken

  Ein Framework für Agenten mit Langzeitgedächtnis: Die KI merkt sich über Sitzungen hinweg, was besprochen wurde, indem sie ihren eigenen Speicher aktiv verwaltet.

• DifyToolOpen Source· Visuelle KI-Baukästen

  Eine quelloffene Plattform, um KI-Anwendungen zu bauen und zu betreiben: Chatbots, Assistenten und Workflows per Oberfläche zusammenstellen — inklusive Dokumenten-Wissen und Veröffentlichung als App oder API.

• n8nToolSustainable Use License (Quellcode offen, selbst hostbar)· Visuelle KI-Baukästen

  Workflow-Automatisierung zum Selbst-Hosten: Dienste, Daten und KI-Modelle per Baukasten verbinden — die Alternative zu Zapier, bei der alles auf dem eigenen Server bleibt.