横の比較：4つのCrypto×AIフレームワークの採用状況、利点と欠点、成長の可能性

原文：Deep Value Memetics；訳者：Azuma

要点の概要

このレポートでは、Crypto & AI領域における主要なフレームワークの発展状況について議論します。現在の4つの主要なフレームワーク――Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO）――の技術的な違いや発展の可能性を深く検討します。

過去1週間で、上記の4つのフレームワークを分析およびテストし、結果の概要は以下の通りです。

• 私たちは、Eliza（市場占有率約60%、原作者が執筆した時点での市場価値は約9億ドル、執筆時点での市場価値は約14億ドル）が市場シェアを引き続き主導すると考えています。Elizaの価値は、その先発優位性と開発者の急速な採用にあります。GitHub上の193人の貢献者、1800のフォーク、6000を超えるスターがそれを証明し、GitHubで最も人気のあるソフトウェアライブラリの1つとなっています。

• G.A.M.E（市場占有率約20%、原作者が執筆した時点での市場価値は約3億ドル、執筆時点での市場価値は約2.57億ドル）のこれまでの発展は非常に順調で、急速な採用を経験しています。Virtuals Protocolが早期に発表したように、G.A.M.Eに基づいて構築されたプロジェクトはすでに200以上あり、日常のリクエスト数は15万を超え、週ごとの成長率は200%を超えています。G.A.M.EはVIRTUALのブレイクスルーから引き続き恩恵を受け、エコシステムの中で最大の勝者の一つになる可能性があります。

• Rig（市場占有率約15%、原作者が執筆した時点での市場価値は約1.6億ドル、執筆時点での市場価値は約2.79億ドル）のモジュール設計は非常に注目に値し、操作が簡単で、Solanaエコシステム（RUST）の中で主導的な地位を占めることが期待されています。

• Zerepy（市場占有率約5%、原作者が執筆した時点での市場価値は約3億ドル、執筆時点での市場価値は約4.24億ドル）は、特定の熱心なZEREBROコミュニティに特化したよりニッチなアプリケーションであり、最近のai16zコミュニティとのコラボレーションは一定の相乗効果を生む可能性があります。

上記の統計において「市場占有率」は、市場価値、開発記録、基盤となるオペレーティングシステムのエンドマーケットの幅を総合的に考慮して計算されました。

私たちは、AIフレームワークがこのサイクルで最も急成長しているセクターになると信じています。現在約17億ドルのセクター総市場価値は、簡単に200億ドルに成長する可能性があり、2021年のピーク時のLayer 1の評価と比較しても、この数字は依然としてかなり控えめかもしれません。当時、多くの単一プロジェクトの評価は200億ドルを超えていました。これらのフレームワークは異なるエンドマーケット（チェーン/エコシステム）にサービスを提供していますが、私たちはこのセクターが全体的に成長することを考えると、時価総額加重アプローチを採用することが比較的最も慎重かもしれません。

4つの主要フレームワーク

AIと暗号の交差点には、AI開発を加速することを目的としたいくつかのフレームワークが登場しています。これには、Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO）が含まれます。オープンソースのコミュニティプロジェクトからパフォーマンス重視の企業ソリューションまで、各フレームワークはエージェント開発の異なるニーズと理念に応えています。

下の表では、各フレームワークの主要な技術、コンポーネント、利点を示しています。

このレポートでは、まずこれらのフレームワークが何であるか、使用されるプログラミング言語、技術アーキテクチャ、アルゴリズム、および潜在的なユースケースを持つ独自の機能に焦点を当てます。その後、使いやすさ、スケーラビリティ、適応性、そしてパフォーマンスに基づいて各フレームワークを比較し、それらの利点と限界について議論します。

Eliza

Elizaはai16zによって開発されたオープンソースのマルチエージェントシミュレーションフレームワークであり、自律AIエージェントを作成、デプロイ、管理することを目的としています。TypeScriptをプログラミング言語として開発され、複数のプラットフォームで人間とインタラクションしながら、一貫した個性と知識を保持できるスマートエージェントを構築するための柔軟で拡張可能なプラットフォームを提供します。

このフレームワークのコア機能には、同時に複数のユニークなAI個性をデプロイおよび管理するためのマルチエージェントアーキテクチャのサポート、役割ファイルフレームワークを使用した多様なエージェントの役割システムの作成、先進的な検索強化生成システム（RAG）を介した長期記憶および認識可能なコンテキストのメモリ管理機能が含まれています。さらに、Elizaフレームワークは、Discord、X、その他のソーシャルメディアプラットフォームとの信頼できる接続を実現する流暢なプラットフォーム統合も提供します。

AIエージェントの通信およびメディア機能に関して、Elizaは優れた選択肢です。通信において、このフレームワークはDiscordの音声チャンネル機能、X機能、Telegram、カスタムユースケースのための直接APIアクセスとの統合をサポートしています。一方で、このフレームワークのメディア処理機能は、PDF文書の読み取りと分析、リンクコンテンツの抽出と要約、音声の文字起こし、ビデオコンテンツの処理、画像分析、対話要約にまで拡張され、さまざまなメディアの入力と出力を効果的に処理できます。

Elizaは柔軟なAIモデルサポートを提供し、オープンソースモデルを使用したローカル推論、OpenAIやNous Hermes Llama 3.1 Bなどのデフォルト設定によるクラウドベースの推論、複雑なクエリを処理するためのClaudeの統合をサポートしています。Elizaはモジュール式アーキテクチャを採用しており、広範なアクションシステム、カスタムクライアントのサポート、包括的なAPIを持ち、アプリケーション間のスケーラビリティと適応性を保証します。

Elizaの使用例は、顧客サポート、コミュニティ管理、個人タスクに関連するAIアシスタント、ソーシャルメディアの役割である自動コンテンツ作成者やブランド代表としての役割、研究助手、コンテンツアナリスト、文書処理者としての知識労働者の役割など、さまざまな分野をカバーしています。また、ロールプレイングボット、教育メンター、エージェントなどのインタラクティブな役割も含まれます。

Elizaのアーキテクチャはエージェントランタイムを中心に構築されており、このランタイムは役割システム（モデルプロバイダーによってサポート）、メモリ管理者（データベースに接続）、アクションシステム（プラットフォームクライアントにリンク）とシームレスに統合されています。このフレームワークの独自の機能には、モジュール式機能拡張を許可するプラグインシステム、音声、テキスト、メディアなどのマルチモーダルインタラクションのサポート、Llama、GPT-4、Claudeなどの先進的なAIモデルとの互換性が含まれています。その多機能性と強力な設計により、Elizaは分野を超えたAIアプリケーション開発の強力なツールとなっています。

G.A.M.E

G.A.M.EはVirtuals公式チームによって開発され、「生成型自律型マルチモーダルエンティティフレームワーク（The Generative Autonomous Multimodal Entities Framework）」の略称です。このフレームワークは、開発者がAIエージェントを使用して実験するためのAPIとソフトウェア開発キット（SDK）を提供することを目的としています。このフレームワークは、AIエージェントの行動、意思決定、学習プロセスを管理するための構造化されたアプローチを提供します。

• G.A.M.Eのコアコンポーネントは以下の通りです。まず、「エージェントプロンプトインターフェース」は、開発者がG.A.M.Eをエージェントに統合し、エージェントの行動を取得するための入り口です。

• 「知覚サブシステム」は、セッションID、エージェントID、ユーザー、およびその他の関連詳細などのパラメータを指定することでセッションを開始します。これは、受信したメッセージを「戦略計画エンジン」に適した形式に合成し、AIエージェントの感覚入力メカニズムとして機能します。ここでのコアは「対話処理モジュール」であり、エージェントからのメッセージと応答を処理し、「知覚サブシステム」と協力して入力を効果的に解釈し応答します。

• 「戦略計画エンジン」は「対話処理モジュール」と「チェーン上のウォレットオペレーター」と協働し、応答と計画を生成します。このエンジンは二つのレベルで機能します：高位のプランナーとして、文脈や目標に基づいて広範な戦略を作成し、低位の戦略として、これらの戦略を実行可能なポリシーに変換し、さらにタスクを指定するためのアクションプランナーおよびタスクを実行するためのプラン実行者に分けます。

• 別のが重要なコンポーネントは「世界コンテキスト」であり、環境、世界情報、ゲーム状態を参照し、エージェントの意思決定に必要なコンテキストを提供します。さらに、「エージェントライブラリ」は、目標、反省、経験、個性などの長期的な属性を保存するために使用され、これらがエージェントの行動と意思決定プロセスを形成します。このフレームワークは「短期作業記憶」と「長期記憶プロセッサ」を使用しており、短期記憶は以前の行動、結果、および現在の計画に関する関連情報を保持し、長期記憶プロセッサは重要性、最近性、および関連性などの基準に基づいて重要な情報を抽出します。このメモリは、エージェントの経験、反省、動的個性、世界コンテキスト、作業記憶に関する知識を保存し、意思決定を強化し、学習の基盤を提供します。

• レイアウトを増やすために、「学習モジュール」は「知覚サブシステム」からデータを取得して一般的な知識を生成し、これらの知識は将来のインタラクションを最適化するためにシステムにフィードバックされます。開発者はインターフェースを通じてアクション、ゲーム状態、および感覚データに対するフィードバックを入力することで、AIエージェントの学習を強化し、計画と意思決定能力を向上させることができます。

ワークフローは、開発者がエージェントプロンプトインターフェースを通じてインタラクションを開始するところから始まります。「知覚サブシステム」は入力を処理し、それを「対話処理モジュール」に転送します。このモジュールはインタラクションの論理を管理します。その後、「戦略計画エンジン」はこれらの情報に基づき、高度な戦略と詳細なアクション計画を利用して計画を策定し実行します。

「世界コンテキスト」と「エージェントライブラリ」からのデータは、これらのプロセスに情報を提供し、作業記憶は即時のタスクを追跡します。一方で、「長期記憶プロセッサ」は時間の経過とともに知識を保存および検索します。「学習モジュール」は結果を分析し、新しい知識をシステムに統合することで、エージェントの行動とインタラクションを継続的に改善します。

Rig

RigはRustに基づくオープンソースフレームワークで、大規模言語モデル（LLM）アプリケーションの開発を簡素化することを目的としています。複数のLLMプロバイダー（OpenAIやAnthropicなど）とのインタラクションのための統一インターフェースを提供し、MongoDBやNeo 4jなどのさまざまなベクトルストレージをサポートします。このフレームワークのモジュール式アーキテクチャは、「プロバイダー抽象層」、「ベクトルストレージ統合」、および「エージェントシステム」などのコアコンポーネントを備えており、LLMのシームレスなインタラクションを促進します。

Rigの主な対象者は、Rustを使用してAI/MLアプリケーションを構築する開発者であり、副次的な対象者は複数のLLMプロバイダーとベクトルストレージをRustアプリケーションに統合しようとする組織です。リポジトリはワークスペースベースの構造で整理され、複数のクレートが含まれており、スケーラビリティと効率的なプロジェクト管理を実現しています。Rigの主な機能には、「プロバイダー抽象層」（Provider Abstraction Layer）が含まれており、一貫したエラーハンドリングを通じて、LLMプロバイダーのAPIを標準化します。「ベクトルストレージ統合」コンポーネントは複数のバックエンドに対して抽象インターフェースを提供し、ベクトル類似性検索をサポートします。「エージェントシステム」はLLMインタラクションを簡素化し、RAGやツール統合をサポートします。さらに、埋め込みフレームワークはバッチ処理能力とタイプセーフな埋め込み操作を提供します。

Rigは複数の技術的利点を活用して信頼性とパフォーマンスを確保しています。非同期操作はRustの非同期実行時を利用して大量の同時リクエストを効率的に処理します。このフレームワーク固有のエラーハンドリングメカニズムは、AIプロバイダーまたはデータベース操作の障害からの回復能力を向上させ、タイプセーフティはコンパイル時のエラーを防ぎ、コードの保守性を高めます。効率的なシリアル化とデシリアル化プロセスは、AIサービスの通信やストレージに不可欠なJSONなどのフォーマットデータの処理に役立ちます。詳細なログ記録とダッシュボードは、アプリケーションのデバッグと監視をさらに支援します。

Rigのワークフローは、クライアントがリクエストを開始することから始まり、リクエストは「プロバイダー抽象層」を通過して、対応するLLMモデルとインタラクションします。その後、データはコアレイヤーで処理され、エージェントはコアレイヤーでツールを使用したり、コンテキストを取得するためにベクトルストレージにアクセスしたりできます。RAGなどの複雑なワークフローを通じて応答が生成され、文書検索とコンテキスト理解が含まれ、最終的にクライアントに戻されます。このシステムは複数のLLMプロバイダーとベクトルストレージを統合しており、モデルの可用性や性能の変化に適応します。

Rigの使用例は多岐にわたり、関連文書の検索を通じて正確な回答を提供する質問応答システム、高効率なコンテンツ発見のための文書検索と取得、顧客サービスや教育のためのコンテキスト認識インタラクションを提供するチャットボットや仮想アシスタントなどがあります。また、コンテンツ生成をサポートし、学習したパターンに基づいてテキストや他の資料を作成することが可能で、開発者や組織にとって多機能なツールです。

ZerePy

ZerePyはPythonで構築されたオープンソースフレームワークで、OpenAIやAnthropic LLMを利用してXにエージェントをデプロイすることを目的としています。ZerePyはモジュール式バージョンのZerebroバックエンドに由来し、開発者がZerebroのコア機能に類似する機能を使用してエージェントを起動できるようにします。このフレームワークはエージェントのデプロイメントの基盤を提供しますが、創造的な出力を生成するにはモデルの微調整が必要です。ZerePyは、特にソーシャルプラットフォーム上でのコンテンツ作成において、個性化されたAIエージェントの開発とデプロイを簡素化し、アートと分散型アプリケーションを目指すAIクリエイティブエコシステムを促進します。

このフレームワークはPython言語で構築されており、エージェントの自律性を強調し、創造性のある出力の生成に重点を置いています。Elizaのアーキテクチャとパートナーシップに一致します。そのモジュール式設計はメモリシステムの統合をサポートし、ソーシャルプラットフォーム上でエージェントをデプロイしやすくします。主な機能には、エージェント管理のためのコマンドラインインターフェース、Xとの統合、OpenAIやAnthropic LLMのサポート、および機能を強化するためのモジュール式接続システムが含まれています。

ZerePyの使用例はソーシャルメディアの自動化をカバーしており、ユーザーはAIエージェントをデプロイして、投稿、返信、いいね、リツイートを行い、プラットフォームの参加を向上させることができます。また、音楽、メモ、NFTなどの分野でのコンテンツ作成にも適しており、デジタルアートやブロックチェーンベースのコンテンツプラットフォームの重要なツールです。

横の比較

私たちの考えでは、上記の各フレームワークはAI開発に独自のアプローチを提供し、特定のニーズや環境に応じた方法で設計されているため、これらのフレームワークが互いに競争相手かどうかという議論はもはや重要ではなく、各フレームワークが独自の有用性や価値を提供できるかどうかに焦点が当たるべきです。

• Elizaはそのユーザーフレンドリーなインターフェースによって際立ち、特にJavaScriptやNode.js環境に精通している開発者に適しています。その包括的なドキュメントは、さまざまなプラットフォーム上でAIエージェントを設定するのに役立ちますが、豊富な機能セットは適度な学習曲線を呈する可能性があります。しかし、TypeScriptを使用しているため、Elizaはネットワークに埋め込むエージェントを構築するのに非常に適しており、ほとんどのフロントエンドネットワークインフラはTypeScriptで構築されています。このフレームワークはそのマルチエージェントアーキテクチャで知られ、Discord、X、Telegramなどのプラットフォームを跨いで多様なAI個性エージェントを展開できる能力を持っています。その先進的なRAGシステムはメモリ管理に使用され、顧客サポートやソーシャルメディアアプリケーションタイプのAIアシスタントを構築するのに特に適しています。柔軟性、強力なコミュニティサポート、一貫したクロスプラットフォームパフォーマンスを提供しますが、まだ初期段階にあり、開発者には学習曲線が存在する可能性があります。

• G.A.M.Eはゲーム開発者向けに設計されており、APIを通じてローコードまたはノーコードインターフェースを提供し、ゲーム分野での技術レベルが低いユーザーがアクセスしやすくなっています。しかし、ゲーム開発とブロックチェーン統合に特化しているため、関連する経験がない人にとっては学習曲線が急である可能性があります。プログラムされたコンテンツ生成とNPCの行動において優れたパフォーマンスを発揮しますが、その細分化された分野とブロックチェーン統合に伴う追加の複雑さによって制約を受けることもあります。

• RigはRust言語を使用しているため、その言語の複雑さによりユーザーにとってあまり親しみやすくない可能性があり、学習に大きな挑戦をもたらしますが、システムプログラミングに精通した人には直感的なインタラクションを提供することができます。TypeScriptと比較して、Rustはそのパフォーマンスとメモリ安全性で知られています。厳格なコンパイル時チェックとゼロコスト抽象は、複雑な人工知能アルゴリズムを実行するために必要です。この言語の高効率で低コントロールの特性は、リソース集約型AIアプリケーションに最適な選択となります。このフレームワークはモジュール化されており、拡張設計を採用しており、高性能ソリューションを提供し、企業アプリケーションに非常に適しています。しかし、Rust言語に不慣れな開発者にとっては、Rustを使用することが急激な学習曲線をもたらす可能性があります。

• ZerePyはPython言語を使用しており、創造的なAIタスクに対してより高い可用性を提供しています。Python開発者、特にAI/MLのバックグラウンドを持つ開発者にとっては学習曲線が低く、ZEREBROの人気により強力なコミュニティサポートを得ることができます。ZerePyはNFTなどの創造的なAIアプリケーションにおいて優れたパフォーマンスを示しており、このフレームワークはデジタルメディアとアートの分野で強力なツールとして自らを位置づけています。創造的な側面において優れたパフォーマンスを発揮しますが、他のフレームワークと比較して、その適用範囲は相対的に狭いです。

スケーラビリティに関して、4つの主要フレームワークの比較は以下の通りです。

• ElizaはV2バージョンの更新後、統一されたメッセージラインと拡張可能なコアフレームワークを導入し、クロスプラットフォームの効率的な管理を実現しました。しかし、最適化がなければ、このマルチプラットフォームインタラクションの管理はスケーラビリティの課題をもたらす可能性があります。

• G.A.M.Eはゲームに必要なリアルタイム処理に特化しており、そのスケーラビリティは効率的なアルゴリズムや潜在的なブロックチェーン分散システムによって管理されますが、特定のゲームエンジンやブロックチェーンネットワークの制約を受ける可能性もあります。

• RigフレームワークはRustのパフォーマンスの利点を活用してより良いスケーラビリティを実現し、高スループットアプリケーション向けに設計されています。これは、企業向けデプロイメントに特に効果的である可能性がありますが、真のスケーラビリティを実現するには複雑な設定が必要になることがあります。

• ZerePyのスケーラビリティは創造的な出力に特化しており、コミュニティの貢献によって支えられていますが、このフレームワークの焦点はより広範なAI環境での適用を制限する可能性があり、そのスケーラビリティはユーザー数ではなく創造的タスクの多様性によって試されることがあります。

適用性に関して、Elizaはそのプラグインシステムとクロスプラットフォーム互換性によって圧倒的な優位性を持ち、次にゲーム環境でのG.A.M.Eと複雑なAIタスクを処理するRigがあります。ZerePyは創造的な分野で高い適応性を示していますが、より広範なAIアプリケーション分野ではあまり適用されません。

パフォーマンスに関して、4つの主要フレームワークのテスト結果は以下の通りです。

• Elizaはソーシャルメディアの迅速なインタラクションに最適化されていますが、より複雑な計算タスクを処理する際のパフォーマンスは異なる場合があります。

• G.A.M.Eはゲームシーンにおける高性能リアルタイムインタラクションに特化しており、高効率の意思決定プロセスと可能なブロックチェーンを利用して分散型AI操作を行います。

• RigはRustに基づいており、高性能計算タスクに優れたパフォーマンスを提供し、計算効率が重要な企業アプリケーションに適しています。

• ZerePyのパフォーマンスは創造的なコンテンツの作成に特化しており、その指標はコンテンツ生成の効率と質に焦点を当てており、創造的な分野を超えてあまり一般的ではないかもしれません。

上記の利点と欠点の総合分析を行うと、Elizaはより良い柔軟性とスケーラビリティを提供し、プラグインシステムとロール設定により強い適応性を持ち、クロスプラットフォームのソーシャルAIインタラクションに有利です。G.A.M.Eはゲームシーンにおいて独自のリアルタイムインタラクション能力を提供し、ブロックチェーン統合を通じて新しいAI参加を実現します。Rigの強みはそのパフォーマンスとスケーラビリティにあり、企業向けAIタスクに適しており、コードの簡潔さとモジュール化に重点を置いて、プロジェクトの長期的な健全な発展を保証します。Zerepyは創造性を育むのが得意で、デジタルアートにおけるAIアプリケーションでリーダー的な地位にあり、活気あふれるコミュニティ主導の開発モデルのサポートを受けています。

総じて、それぞれのフレームワークには限界があります。Elizaはまだ初期段階にあり、潜在的な安定性の問題があり、新しい開発者の学習曲線が長いです。G.A.M.Eのニッチな関心はそのより広範な適用を制限する可能性があり、ブロックチェーンの導入も複雑さを増す可能性があります。Rigの学習曲線はRust言語の複雑さのために急激に、開発者の中には躊躇する人もいるかもしれません。Zerepyは創造的な出力に狭く焦点を当てているため、他のAI領域での適用が制限されるかもしれません。

コア比較項目の整理

Rig（ARC）：

• 言語：Rust、安全性とパフォーマンスに重点を置いています。

• 使用例：効率とスケーラビリティを重視し、企業向けAIアプリケーションに最適です。

• コミュニティ：コミュニティ主導が少なく、技術開発者に重点を置いています。

Eliza (AI16Z)：

• 言語：TypeScript、Web3の柔軟性とコミュニティ参加を強調。

• 使用例：ソーシャルインタラクション、DAO、トランザクション向けに特別に設計されており、特にマルチエージェントシステムを強調しています。

• コミュニティ：非常にコミュニティ主導で、GitHubと広範な関係があります。

ZerePy (ZEREBRO)：

• 言語：Python、より広範なAI開発者コミュニティに受け入れられやすいです。

• 使用例：ソーシャルメディアの自動化と比較的シンプルなAIエージェントタスクに適しています。

• コミュニティ：比較的新しいですが、Pythonの普及とai16zの貢献者のサポートにより、成長が期待されています。

G.A.M.E（VIRTUAL、GMAE）：

• 重点：自律的で適応的なAIエージェントが、仮想環境内のインタラクションに基づいて進化します。

• 使用例：エージェントが学習し適応する必要があるシーン、例えばゲームやバーチャルワールドに最も適しています。

• コミュニティ：革新的ですが、競争の中で自らの位置を定めようとしています。

Githubデータの成長状況

上記のグラフは、これらのフレームワークが登場して以来、GitHubでのスター数の変化を示しています。一般的に、GitHubのスターはコミュニティの関心、プロジェクトの人気、およびプロジェクトの認知価値の指標として機能します。

• Eliza（赤線）：グラフはこのフレームワークのスター数が著しく増加し、トレンドが安定していることを示しています。7月の低基数から始まり、11月下旬に急増し、現在は6100を超えるスターに達しています。これは、このフレームワークの周りで関心が急速に高まっており、開発者の注目を集めていることを示しています。指数関数的な成長は、Elizaが機能、更新、コミュニティ参加によって大きな魅力を得ており、その人気は他の製品をはるかに上回っていることを示し、コミュニティからの強力なサポートを受けており、AIコミュニティにおいてより広範な適用性や関心を持つことを示しています。

• Rig（青線）：Rigは4つのフレームワークの中で最も歴史があり、スター数の増加はあまり大きくありませんが、非常に安定しています。最近の1ヶ月では明らかに上昇しています。スターの総数は1700に達しましたが、まだ上昇軌道にあります。関心の安定した蓄積は、継続的な開発、更新、そして増え続けるユーザーグループによるものです。これはRigがまだ評判を積み上げているフレームワークであることを反映している可能性があります。

• ZerePy（黄線）：ZerePyは数日前に立ち上がったばかりで、スター数は181に増加しました。強調すべきは、ZerePyはその可視性と採用率を高めるためにさらなる開発が必要であり、ai16zとのコラボレーションがより多くの貢献者を引き付ける可能性があることです。

• G.A.M.E（緑線）：このフレームワークのスター数は少ないですが、注目すべきは、このフレームワークがAPIを通じてVirtualエコシステム内のエージェントに直接適用できるため、GitHubに公開する必要がないということです。ただし、このフレームワークは1ヶ月以上前に公開されたばかりですが、すでに200以上のプロジェクトがG.A.M.Eを使用して構築されています。

AIフレームワークのアップグレード期待

Elizaの2.0バージョンにはCoinbaseエージェントツールキットとの統合が含まれます。Elizaを使用しているすべてのプロジェクトは、将来のネイティブTEE（Trusted Execution Environment）へのサポートを受けることができ、エージェントが安全な環境で実行されることを可能にします。プラグイン登録センター（Plugin Registry）は、Elizaが今後リリースする機能であり、開発者がプラグインをシームレスに登録および統合できるようにします。

さらに、Eliza 2.0は自動化された匿名のクロスプラットフォームメッセージングをサポートします。2025年1月1日にリリース予定のTokenomicsホワイトペーパー（関連提案は発表済み）は、Elizaフレームワークを支えるAI16Zトークンに良い影響を与えると予想されています。ai16zはこのフレームワークの実用性を引き続き強化し、主要な貢献者の努力を利用して高品質な人材を引き入れる計画です。

G.A.M.Eフレームワークは、エージェントの無コード統合を提供し、単一のプロジェクト内でG.A.M.EとElizaを同時に使用でき、それぞれが特定のユースケースに対応します。このアプローチは、技術的な複雑さではなくビジネスロジックに焦点を当てる構築者を引き付けることが期待されています。フレームワークは公開されてから30日以上経過していますが、チームはより多くの貢献者を引き付ける努力によって実質的な進展を遂げています。VirtualIで開始される各プロジェクトはG.A.M.Eを採用することが期待されます。

ARCトークンによって駆動されるRigフレームワークは、顕著な潜在能力を持っていますが、そのフレームワークの成長は初期段階にあり、Rigの採用を促進するプロジェクト契約計画は数日前に開始されたばかりです。ただし、ARCに関連した高品質のプロジェクトが間もなく登場することが予想され、Virtualフライホイールに似ていますが、Solanaに焦点を当てています。RigチームはSolanaとの協力に楽観的であり、ARCをSolanaのVirtualとして位置付けています。注意すべき点は、チームはRigを使用して立ち上げる新しいプロジェクトを奨励するだけでなく、開発者がRigフレームワーク自体を強化することを奨励していることです。

Zerepyは新たに登場したフレームワークで、ai16z（Elizaフレームワーク）とのコラボレーションにより多くの注目を集めており、Elizaからの貢献者がこのフレームワークを改善するために積極的に努力しています。ZerepyはZEREBROコミュニティによって強力な支持を受けており、競争が激しいAIインフラストラクチャの分野で発揮する機会が少なかったPython開発者に新たな機会を提供しています。このフレームワークは、AIのクリエイティブな側面において重要な役割を果たすと期待されています。