5 репозиториев ИИ-агентов, которые сейчас набирают десятки тысяч звёзд на GitHub
Не один универсальный AI-агент, а сразу несколько специализированных инструментов для разработки, поиска информации, работы с кодом и создания видео.
Собрали пять GitHub-проектов, которые стоит сохранить в закладки.
1. Agency Agents — 230+ специализированных AI-агентов
Здесь собраны агенты для разработки, дизайна, маркетинга, продаж, исследований, безопасности и других задач. У каждого есть собственная специализация, рабочий процесс и ожидаемый результат.
Проект поддерживает Claude Code, Cursor, Codex, Gemini CLI, OpenCode, GitHub Copilot и другие инструменты. Сейчас у репозитория уже около 152 тыс. звёзд, а лицензия — MIT.
2. Agent-Reach — подключает AI-агента к интернету
Проект превращает агента в инструмент для поиска и чтения информации из X/Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu и обычных веб-страниц.
Часть источников требует дополнительной настройки, в том числе авторизации и Cookie. При этом Agent-Reach помогает установить необходимые компоненты и автоматически подобрать способ доступа к конкретному источнику. У проекта около 81 тыс. звёзд.
3. Orca — несколько кодинг-агентов работают параллельно
Orca позволяет запускать Codex, Claude Code, OpenCode и Pi одновременно, помещая каждый агент в собственный изолированный Git worktree.
Можно отправить одну задачу сразу нескольким агентам, сравнить результаты и объединить лучший вариант. Репозиторий распространяется по MIT, а число звёзд уже превысило 68 тыс.
4. OpenMontage — AI-студия для создания видео
Это уже не просто генератор роликов. OpenMontage строит производственный процесс вокруг AI-агента: сценарий, подбор инструментов и материалов, генерация, монтаж, озвучка, субтитры и контроль качества.
В проекте заявлены 12 производственных пайплайнов, более 100 инструментов и свыше 700 файлов со skills и производственными знаниями. Есть локальные и облачные инструменты, а лицензия — AGPLv3. Репозиторий собрал около 59 тыс. звёзд.
5. codebase-memory-mcp — агенту не нужно перечитывать весь проект
MCP-сервер индексирует кодовую базу в постоянный граф знаний, чтобы агент мог получать нужный контекст через структурированные запросы.
Разработчики приводят показательный пример: около 3 400 токенов вместо 412 000 для пяти структурных запросов — то есть примерно в 120 раз меньше контекста в этом сценарии. Проект поддерживает 162 языка и распространяется под MIT. Сейчас у него около 43 тыс. звёзд.
Вместе эти проекты закрывают совершенно разные задачи: специализация агентов, доступ к интернету, параллельная разработка, видеопроизводство и работа с большими кодовыми базами.
🔗 Все ссылки доступны на канале КОД: https://t.me/kodjournal/356
🔖 Сохраняйте подборку — пригодится, когда одного AI-агента уже недостаточно.