autogen4j ist eine leichte Java-Bibliothek, die die Komplexität beim Aufbau autonomer KI-Agenten abstrahiert. Es bietet Kernmodule für Planung, Speichersicherung und Aktionsausführung, sodass Agenten hochstufige Ziele in sequenzielle Unteraufgaben zerlegen können. Das Framework integriert sich mit LLM-Anbietern (z.B. OpenAI, Anthropic) und erlaubt die Registrierung benutzerdefinierter Tools (HTTP-Clients, Datenbank-Connectoren, Dateiein- und -ausgabe). Entwickler definieren Agenten durch eine fließende DSL oder Annotations, um Pipelines für Datenanreicherung, automatisierte Berichte und Chatbots schnell zusammenzustellen. Ein erweiterbares Plugin-System sorgt für Flexibilität und ermöglicht feinabgestimmtes Verhalten in verschiedenen Anwendungen.

Dial4JaCa ist ein Java-Bibliotheks-Plugin für die JaCaMo-Multimessplattform, das Inter-Agenten-Nachrichten abfängt, Agentenzwecke codiert und sie durch LLM-Backends (OpenAI, lokale Modelle) routet. Es verwaltet Dialogkontexte, aktualisiert Glaubensbasen und integriert die Antwortgenerierung direkt in AgentSpeak(L)-Denkschlaufen. Entwickler können Prompts anpassen, Dialogartefakte definieren und asynchrone Aufrufe handhaben, wodurch Agenten Nutzeräußerungen interpretieren, Aufgaben koordinieren und externe Informationen in natürlicher Sprache abrufen können. Das modulare Design unterstützt Fehlerbehandlung, Protokollierung und die Auswahl mehrerer LLMs, ideal für Forschung, Bildung und schnelle Prototypenentwicklung von Konversations-MAS.

Java Action Interpolate ist eine spezialisierte Java-Bibliothek, die für die Integration mit dem LightJason-Multi-Agenten-Framework entwickelt wurde. Sie bietet eine Reihe von Interpolationsalgorithmen, einschließlich linearer, polynomialer und Spline-Methoden, die es Agenten ermöglichen, fließend zwischen Zuständen und Aktionen zu wechseln. Das Modul bietet konfigurierbare Interpolationsparameter, integriert sich in den Action-Lifecycle von LightJason und unterstützt benutzerdefinierte Datentypen. Durch die Verwendung von Java Action Interpolate können Entwickler abrupte Verhaltenssprünge eliminieren, die Simulation treffsicherer machen und die Umsetzung reibungsloser Agentenbewegungen sowie entscheidungsbasierter Verhaltensweisen innerhalb verteilter oder simulierten Umgebungen vereinfachen.