AIMultiple ने "50+ ओपन-सोर्स AI एजेंट" सूची अपडेट की

AIMultiple ने 16 अगस्त, 2026 को “सर्वश्रेष्ठ 50+ ओपन-सोर्स AI एजेंटों” की अपनी चयनित सूची को ताज़ा किया, जो व्यावहारिक परीक्षण और बेंचमार्क-आधारित मूल्यांकन के बाद है। इस अपडेट में Model Context Protocol (MCP) और Stripe के Agentic Commerce Protocol (ACP) को उभरते मानकों के रूप में उठाया गया है, जबकि चेतावनी दी गई है कि अधिकांश ओपन-सोर्स एजेंट अभी पूरी तरह से स्वायत्त नहीं हैं।

मुख्य निष्कर्ष

• AIMultiple ने अपने चयनित "सर्वश्रेष्ठ 50+ ओपन सोर्स" को अपडेट किया है।एआई एजेंट्स"16 अगस्त, 2026 को पृष्ठ पर, हज़ाल शिम्शेक के साथ सेम दिलमेगानी को श्रेय देते हुए और सूची को बेंचमार्क के साथ व्यावहारिक रूप से परीक्षण किया गया के रूप में प्रस्तुत करते हुए।"
• यह पृष्ठ एक AI एजेंट को एक LLM के चारों ओर एक लूप के रूप में परिभाषित करता है जो योजना बनाने, स्मृति, उपकरणों के उपयोग और आवर्ती निष्पादन को जोड़ता है, जबकि यह बताता है कि एजेंट की "कोई सहमति वाली परिभाषा" नहीं है।
• AIMultiple का तर्क है कि अधिकांश ओपन-सोर्स एजेंट "अभी तक" पूरी तरह से स्वायत्त नहीं हैं, उन्हें अभी भी संरचित इनपुट और एक मानव की आवश्यकता होती है, और 35 मिनट की मानव इंटरैक्शन के बाद बेंचमार्क सफलता दर में गिरावट देखी गई है।
• रीफ्रेश स्पॉटलाइट्स MCP को मानकीकृत एजेंट-से-डेटा/उपकरण कनेक्टिविटी के लिए और स्ट्राइप के ACP को चैट इंटरफेस के भीतर एजेंट-चालित चेकआउट और पूर्ति प्रवाह के लिए।

AIMultiple ने हाथों-हाथ परीक्षण के बाद अपनी "50+ ओपन-सोर्स एआई एजेंटों" की सूची को अपडेट किया।

AIMultiple ने 16 अगस्त, 2026 को अपनी शोध पृष्ठ "सर्वश्रेष्ठ 50+ ओपन सोर्स एआई एजेंट सूचीबद्ध" को अपडेट किया, जिसमें Cem Dilmegani और Hazal Şimşek को लेखकों के रूप में सूचीबद्ध किया गया। यह पृष्ठ "लोकप्रिय एआई कोडिंग एजेंटों, एआई एजेंट निर्माताओं और उपकरणों के साथ व्यावहारिक परीक्षण" के बाद बनाई गई एक क्यूरेटेड चयन के रूप में खुद को प्रस्तुत करता है और "वास्तविक दुनिया की क्षमताओं" का मूल्यांकन करने के लिए बेंचमार्क का उपयोग करता है।

सूची उन श्रेणियों द्वारा व्यवस्थित की गई है जो इस बात का मानचित्रण करती हैं कि निर्माता वास्तव में एजेंट स्टैक्स को कैसे इकट्ठा करते हैं: एजेंट विकास और बुनियादी ढांचा, एजेंट ढांचे, कार्यप्रवाह स्वचालन और समन्वय, और डोमेन-विशिष्ट अनुप्रयोग। पृष्ठ का उद्धृत भाग ढांचे और पूर्व-निर्मित रनटाइम का मिश्रण नामित करता है, जिसमें LangGraph (जो एक ओपन-सोर्स पुस्तकालय के साथ स्वामित्व सॉफ़्टवेयर के रूप में नोट किया गया है), AutoGen, CrewAI, Camel, Mastra, PydanticAI, Cybersecurity AI (CAI), Atomic Agents, SmolAgents, Auto-GPT, AIlice, Manus AI, BabyAGI, AgentGPT, और OpenManus शामिल हैं।

अपडेट का व्यावहारिक मूल्य '50+' की कच्ची संख्या से कम है और अधिक इस बात से है कि यह एजेंट निर्माण ब्लॉकों और एजेंट उत्पादों के बीच एक रेखा खींचता है। यह भेद उन सभी के लिए महत्वपूर्ण है जो क्रिप्टो-संबंधित उपकरणों में 'एजेंट' कथाओं का ट्रैक रखते हैं, जहां एक ढांचा जो एकीकरणों को मानकीकृत करता है, एक डेमो एजेंट की तुलना में अधिक टिकाऊ हो सकता है जो लंबे सत्रों के दौरान टूट जाता है।

AIMultiple द्वारा 'एजेंटिक' का क्या अर्थ है: योजना, स्मृति, उपकरण, और एक पुनरावृत्त लूप

AIMultiple का ढांचा एक तंत्र से शुरू होता है, न कि एक ब्रांड नाम से। 'एक AI एजेंट एक संयोज्य प्रणाली है जो योजना, स्मृति, उपकरण उपयोग, और पुनरावृत्त निष्पादन को जोड़ती है,' पृष्ठ कहता है, एक संरचित लूप का वर्णन करते हुए जो एक LLM के चारों ओर है जो निर्णय ले सकता है, कार्य कर सकता है, और नई जानकारी के अनुसार अनुकूलित कर सकता है।

यह यह भी नकारता है कि शब्द तय है। 'एक 'AI एजेंट' क्या है, इसका कोई सहमति से परिभाषित अर्थ नहीं है,' पृष्ठ कहता है, और यह स्पष्ट रूप से एक सख्त परिभाषा से बचता है। इसके बजाय यह 'एजेंटिक' को एक स्पेक्ट्रम के रूप में मानता है, जो ऐसे कारकों को सूचीबद्ध करता है जो एक प्रणाली को अधिक एजेंट-नुमा बनाते हैं: जटिल वातावरण में काम करना जिनमें उद्देश्य बदलते हैं, कम उपयोगकर्ता पर्यवेक्षण की आवश्यकता होना, और उपकरण उपयोग और योजना जैसे डिज़ाइन पैटर्न का उपयोग करना।

वह स्पेक्ट्रम ढांचा वास्तविक काम कर रहा है। यह विपणन के बहुत सारे को अवलोकनीय गुणों के सेट में समेटता है: क्या प्रणाली चरणों के बीच संदर्भ बनाए रखती है, क्या यह शर्तों के अनुसार उपकरण चुनती है, क्या यह बहु-चरणीय संचालन का समन्वय करती है, और क्या यह नए इनपुट आने पर कार्यप्रवाह पर नियंत्रण बनाए रखती है। व्यवहार में, ये वे बिंदु हैं जहां एजेंट प्रणाली विफल होती हैं, क्योंकि संदर्भ प्रबंधन और समन्वय वही हैं जहां लागत, विलंबता, और त्रुटि प्रबंधन जमा होते हैं।

स्वायत्तता अभी तक यहाँ नहीं है: मानव-इन-द-लूप वास्तविकता और 35-मिनट बेंचमार्क ड्रॉप-ऑफ

अपडेट का सबसे व्यापारिक रूप से प्रासंगिक दावा भी इसका सबसे कम ग्लैमरस है: 'क्या ये एजेंट पूरी तरह से स्वायत्त हैं? अभी नहीं।' AIMultiple तर्क करता है कि अधिकांश ओपन-सोर्स एजेंटों को अभी भी संरचित इनपुट और लूप में एक मानव की आवश्यकता होती है, भले ही वे LLM के शीर्ष पर उपकरण उपयोग और निर्णय लेने को जोड़ते हैं।

पृष्ठ Devon और PR-Agent को ऐसे प्रणालियों के उदाहरण के रूप में बताता है जिन्हें अक्सर 'एजेंट' के रूप में वर्णित किया जाता है लेकिन जो सामान्य स्वायत्त व्यवहार की तुलना में पूर्वनिर्धारित तर्क या पुनर्बलन-शिक्षण कार्यप्रवाह के करीब होते हैं। यह एक उपयोगी भेद है जो उन टोकन कथाओं का मूल्यांकन करने के लिए है जो यह संकेत देती हैं कि ओपन-सोर्स स्वायत्तता पहले से ही हल हो गई है, क्योंकि एक निश्चित कोड पथ वाला कार्यप्रवाह एक ऐसे एजेंट से बहुत अलग व्यवहार करता है जो कार्यों और वातावरणों के बीच सामान्यीकृत कर सकता है।

AIMultiple एक ठोस विश्वसनीयता डेटा बिंदु भी जोड़ता है, जिसमें एक महत्वपूर्ण चेतावनी है। 'उदाहरण के लिए, हमारे बेंचमार्क में, हमने देखा कि मानव इंटरैक्शन के 35 मिनट बाद AI एजेंटों की सफलता दर कम हो गई।' उद्धरण में बेंचमार्क पद्धति, कार्य सूट, या परिणाम तालिका शामिल नहीं है, इसलिए 35-मिनट का निशान लंबे सत्र के गिरावट के बारे में एक दिशात्मक अवलोकन के रूप में पढ़ा जाना चाहिए न कि एक सार्वभौमिक सीमा के रूप में।

इस पृष्ठ का यह बताने का कारण संरचनात्मक है: एजेंटिक सिस्टम मेमोरी प्रबंधन, उपकरण समन्वय, त्रुटि प्रबंधन, और नियंत्रण लूप में ओवरहेड पेश करते हैं, जिससे विलंबता और लागत बढ़ती है। AIMultiple का तर्क है कि कई उपयोग मामलों को पुनर्प्राप्ति-संवर्धित उत्पादन (RAG) द्वारा बेहतर सेवा मिलती है, जहाँ मॉडल क्वेरी समय पर प्रासंगिक दस्तावेज़ खींचता है बिना एक बहु-चरण स्वायत्त लूप को चालू किए।

MCP और Stripe का ACP: एजेंट डेटा एक्सेस और एजेंटिक चेकआउट का मानकीकरण

अपडेट में आगे देखने वाला संकेत मानकीकरण है। AIMultiple मॉडल संदर्भ प्रोटोकॉल (MCP) को "कैसे एजेंट बाहरी डेटा स्रोतों से बात करते हैं" के लिए "उद्योग मानक" के रूप में लेबल करता है, और कहता है कि LangGraph MCP को एकीकृत करता है ताकि एजेंट "प्लग और प्ले" कर सकें डेटाबेस और स्थानीय उपकरणों के साथ बिना कस्टम रैपर के।

यदि ऐसा होता है, तो MCP एकल ढांचे की जीत के बारे में कम है और एजेंट स्टैक्स के बीच विशेष गोंद कोड को कम करने के बारे में अधिक है। निर्माताओं के लिए, इसका मतलब है कि उपकरणों और डेटा स्रोतों का आदान-प्रदान कॉन्फ़िगरेशन के करीब हो जाता है बजाय एकीकरण कार्य के। बाजारों के लिए, यह वह प्रकार की प्लंबिंग है जो "एजेंट" को एक बार के डेमो से दोहराने योग्य अवसंरचना में बदल सकती है।

दूसरा मानक जो उजागर किया गया है वह वाणिज्य-स्वदेशी है। AIMultiple "Stripe एजेंटिक वाणिज्य प्रोटोकॉल (ACP)" का वर्णन करता है "पहला लाइव उद्योग मानक जो AI एजेंटों को सुरक्षित रूप से भुगतान, इन्वेंटरी, और शिपिंग संभालने की अनुमति देता है," यह जोड़ते हुए कि यह "एजेंटिक चेकआउट" को सक्षम करता है, जहाँ एक एजेंट एक उपयोगकर्ता के लिए चैट इंटरफेस के भीतर खरीदारी पूरी करता है।

इस ढांचे से दो निगरानी आइटम बाहर निकलते हैं। पहले, क्या MCP अपनाना LangGraph पारिस्थितिकी तंत्र से अन्य प्रमुख एजेंट ढांचों में फैलता है, जो इसके वास्तविक इंटरफेस परत बनने का एक प्रॉक्सी होगा। दूसरे, क्या Stripe का ACP दस्तावेज़ीकरण से वास्तविक भागीदार और उत्पाद संदर्भों में जाता है जो वास्तविक व्यापारी और एजेंट अपनाने को दर्शाता है।

पृष्ठ में एक दावा भी स्वतंत्र पुष्टि की आवश्यकता है इससे पहले कि इसे एक निपटान इनपुट के रूप में माना जाए: यह कथन कि Manus AI "Meta द्वारा अधिग्रहित किया गया है," Meta के "व्यक्तिगत परिवेश बुद्धिमत्ता" पारिस्थितिकी तंत्र में एकीकृत हो रहा है। अंश में कोई सौदा तिथि, शर्तें, या प्राथमिक दस्तावेज़ नहीं हैं, इसलिए सबसे साफ पढ़ाई यह है कि यह प्रदान की गई सामग्री के भीतर सत्यापित नहीं है।

यह AI-क्रिप्टो कथाओं के लिए क्यों महत्वपूर्ण है

यहाँ जो सीमा महत्वपूर्ण है वह यह है कि क्या मानक डेमो को हरा देते हैं। एक क्यूरेटेड "50+ एजेंट" सूची उपयोगी है, लेकिन स्थायी परिवर्तन यह है कि MCP और ACP को इंटरफेस के रूप में रूपांतरित किया गया है जो एजेंटों को डेटा को विश्वसनीय रूप से छूने और वाणिज्य को बिना विशेष एकीकरण के निष्पादित करने की अनुमति देता है। यदि अधिक ढांचे पहले श्रेणी का MCP समर्थन भेजते हैं और Stripe का ACP वास्तविक चेकआउट प्रवाह में दिखाना शुरू करता है, तो "एजेंटिक" एक UI कहानी बनना बंद कर देता है और एक प्राइमिटिव्स कहानी बन जाता है।

वास्तविक परीक्षण यह है कि क्या विश्वसनीयता सत्र की लंबाई और जटिलता के साथ बढ़ती है, क्योंकि AIMultiple की अपनी बेंचमार्क नोट कहती है कि मानव इंटरैक्शन के 35 मिनट बाद सफलता दर गिर गई। पूर्ण पद्धति के बिना, वह डेटा बिंदु एक कानून नहीं है, लेकिन यह एक चेतावनी लेबल है। यदि AIMultiple पूर्ण बेंचमार्क विवरण प्रकाशित करता है और स्वतंत्र परीक्षण लंबे सत्र की गिरावट को पुन: उत्पन्न करते हैं, तो बाजार को "पूर्ण स्वायत्त ओपन-सोर्स एजेंटों" को एक कथा के रूप में मानना चाहिए जब तक कि विफलता मोड उत्पादन प्रणालियों में इंजीनियर नहीं किया जाता।

स्रोत

• AIMultiple