Dieses Repository bietet eine praktische Demonstration der Zwei-Wege-Kommunikation zwischen Agenten, die auf dem JADE-Framework basieren. Es enthält Beispiel-Java-Klassen, die die Agenteninitialisierung, die Erstellung von FIPA-ACL-konformen Nachrichten und die asynchrone Verhaltenssteuerung zeigen. Entwickler können beobachten, wie Agent A eine REQUEST sendet, Agent B die Anfrage bearbeitet und eine INFORM-Nachricht zurückgibt. Der Code zeigt, wie Agenten beim Directory Facilitator registriert werden, zyklische und einmalige Verhaltensweisen verwendet werden, Nachrichtenvorlagen zur Filterung eingesetzt werden und Gesprächssequenzen protokolliert werden. Es ist ein idealer Ausgangspunkt für Prototyping von Multi-Agenten-Austauschen, benutzerdefinierten Protokollen oder der Integration von JADE-Agenten in größere verteilte KI-Systeme.

AgentMesh bietet eine modulare Infrastruktur für Entwickler, um Netzwerke von KI-Agenten zu erstellen, die sich jeweils auf eine bestimmte Aufgabe oder Domäne konzentrieren. Agenten können zur Laufzeit dynamisch entdeckt und registriert werden, Nachrichten asynchron austauschen und konfigurierbare Routing-Regeln befolgen. Das Framework handhabt Wiederholungen, Fallbacks und Fehlerbehebung, um Multi-Agenten-Pipelines für Datenverarbeitung, Entscheidungsunterstützung oder Konversationsanwendungen zu ermöglichen. Es lässt sich leicht in bestehende LLMs und benutzerdefinierte Modelle integrieren via eine einfache Plugin-Schnittstelle.

Das Autonomous Economic Agents (AEA)-Framework von Fetch.ai ist ein Open-Source-Python-SDK und CLI-Toolset zum Erstellen modularer, autonomer Agenten, die in dezentralen Umgebungen handeln, handeln und zusammenarbeiten können. Es beinhaltet Scaffold-Befehle zur Generierung von Agentenprojekten, Vorlagen für Protokolle und Fähigkeiten, Verbindungsmodule für die Integration mit mehreren Ledgers (Ethereum, Cosmos etc.), Vertrags-Interfaces, Verhaltens- und Entscheidungsbausteine, Test- und Simulationsutilities sowie einen Veröffentlichungsmechanismus zum Verteilen der Agenten im Open Economic Framework-Netzwerk. Entwickler nutzen seine modulare Architektur, um schnell digitale Worker für DeFi-Handel, Daten-Marktplätze, IoT-Koordination und Supply-Chain-Automatisierung zu prototypisieren.

Das Projekt verwendet das JADE (Java Agent DEvelopment) Framework, um eine Multi-Agenten-Umgebung zu erstellen. Es definiert Agenten, die sich beim AMS und DF der Plattform registrieren, ACL-Nachrichten austauschen und Verhaltensweisen wie zyklisch, einstufig und FSM ausführen. Beispielsszenarien umfassen Käufer-Verkäufer-Verhandlungen, Contract-Net-Protokolle und Aufgabenverteilung. Ein GUI-Agenten-Container hilft, Laufzeitzustände der Agenten und Nachrichtenflüsse zu überwachen.

MultiAgentes bietet eine modulare Architektur zur Definition von Umgebungen und Agenten, die synchrone und asynchrone Multi-Agenten-Interaktionen unterstützt. Es umfasst Basisklassen für Umgebungen und Agenten, vordefinierte Szenarien für kooperative und wettbewerbsorientierte Aufgaben, Werkzeuge zur Anpassung von Belohnungsfunktionen und APIs für die Kommunikation zwischen Agenten und die Beobachtungsteilung. Visualisierungs utils ermöglichen die Echtzeitüberwachung des Agentenverhaltens, während Logger-Module Leistungsmetriken aufzeichnen. Das Framework integriert sich nahtlos mit Gym-kompatiblen Reinforcement-Learning-Bibliotheken, sodass Nutzer Agenten mit bestehenden Algorithmen trainieren können. MultiAgentes ist auf Erweiterbarkeit ausgelegt, sodass Entwickler neue Umgebungsvorlagen, Agententypen und Kommunikationsprotokolle hinzufügen können, um vielfältige Forschungs- und Bildungsanwendungen abzudecken.