Multi-Agent-LLM est conçu pour simplifier l'orchestration de plusieurs agents IA alimentés par de grands modèles de langage. Les utilisateurs peuvent définir des agents individuels avec des personas uniques, un stockage mémoire et l'intégration d'outils ou API externes. Un AgentManager central gère les boucles de communication, permettant aux agents d'échanger des messages dans un environnement partagé et de progresser collectivement vers des objectifs complexes. Le framework supporte la permutation des fournisseurs LLM (par ex., OpenAI, Hugging Face), des modèles de prompt flexibles, des historiques de conversation et des contextes d'outils étape par étape. Les développeurs bénéficient d'utilitaires intégrés pour la journalisation, la gestion des erreurs et le spawning dynamique d'agents, ce qui permet une automatisation évolutive des flux de travail multi-étapes, des tâches de recherche et des pipelines de décision.

RL Shooter est un cadre basé sur Python qui intègre ViZDoom avec les API OpenAI Gym pour créer un environnement flexible d'apprentissage par renforcement pour les jeux FPS. Les utilisateurs peuvent définir des scénarios, cartes et structures de récompense personnalisés pour entraîner les agents sur la navigation, la détection de cibles et les tâches de tir. Avec des cadres d'observation, des espaces d'action et des facilités de journalisation configurables, il supporte des bibliothèques populaires de RL profond comme Stable Baselines et RLlib, permettant un suivi clair des performances et la reproductibilité des expériences.

Agent-Oriented Architecture (AOA) est un cadre robuste qui équipe les développeurs d'outils pour construire et maintenir des systèmes multi-agents intelligents. Les agents encapsulent l'état, les comportements et les modèles d'interaction, communiquant via un bus de messages asynchrone. AOA comprend des modules pour l'enregistrement, la découverte et la mise en correspondance des agents, permettant une composition dynamique de services. La modélisation du comportement prend en charge les machines à états finis, la planification axée sur les objectifs et les déclencheurs basés sur les événements. Le cadre gère les événements du cycle de vie des agents tels que la création, la suspension, la migration et la terminaison. La surveillance intégrée et la journalisation facilitent l'optimisation des performances et le débogage. La couche de transport adaptable d'AOA prend en charge TCP, HTTP et des protocoles personnalisés, la rendant adaptable aux déploiements sur site, dans le cloud ou en edge. L'intégration avec des bibliothèques populaires assure une intégration transparente des données et des modèles d'IA.