MACL est un cadre Python modulaire conçu pour simplifier la création et l'orchestration de multiples agents IA. Il vous permet de définir des agents individuels avec des compétences personnalisées, de configurer des canaux de communication et de planifier des tâches sur un réseau d'agents. Les agents peuvent échanger des messages, négocier des responsabilités et s'adapter dynamiquement en fonction des données partagées. Avec une prise en charge intégrée des LLM populaires et un système de plugins pour extensibilité, MACL permet des flux de travail IA évolutifs et faciles à maintenir dans des domaines tels que l'automatisation du service client, les pipelines d'analyse de données et les environnements de simulation.

Les systèmes multi-agent sont conçus pour simplifier la création, la configuration et l'exécution d'architectures décentralisées basées sur les agents. Les développeurs peuvent définir les comportements des agents, les ontologies de communication et les descriptions de services dans des classes Java. Le framework gère la mise en place des conteneurs, le transport des messages et la gestion du cycle de vie des agents. Basé sur des protocoles FIPA standards, il supporte la négociation peer-to-peer, la planification collaborative et l'extension modulaire. Les utilisateurs peuvent exécuter, surveiller et déboguer des scénarios multi-agents sur une seule machine ou sur des hôtes connectés, ce qui en fait une solution idéale pour la recherche, l'éducation et les déploiements à petite échelle.

Le dépôt du protocole Contract Net fournit une implémentation Java complète du protocole d’interaction FIPA Contract Net. Les développeurs peuvent créer des agents gestionnaires et contractants échangeant CFP (Call For Proposal), propositions, acceptations et rejets via des canaux de communication entre agents. Le code inclut des modules principaux pour la diffusion de tâches, la collecte d’offres, l’évaluation des propositions selon des critères personnalisables, l’attribution de contrats et la surveillance de l’état d’exécution. Il peut être intégré dans des frameworks multi-agents plus grands ou utilisé comme bibliothèque autonome pour la recherche, la planification industrielle ou la coordination robotique.

JaCaMo fournit un environnement unifié pour concevoir et exécuter des systèmes multi-agents (MAS) en intégrant trois composants principaux : le langage de programmation Jason pour les agents BDI, CArtAgO pour la modélisation environnementale basée sur des artefacts, et Moise pour la spécification des structures organisationnelles et roles. Les développeurs peuvent écrire des plans d'agents, définir des artefacts avec des opérations, et organiser des groupes d'agents sous des cadres normatifs. La plateforme inclut des outils pour la simulation, le débogage et la visualisation des interactions MAS. Avec le support pour l'exécution distribuée, des référentiels d'artefacts, et une messagerie flexible, JaCaMo permet un prototypage rapide et la recherche dans des domaines tels que l'intelligence en essaim, la robotique collaborative et la prise de décision distribuée. Son design modulaire assure l'évolutivité et l'extensibilité à travers des projets académiques et industriels.

GAMA Genstar Plugin ajoute des capacités d'IA générative à la plateforme GAMA via des connecteurs vers OpenAI, des LLM locaux, et des points de terminaison de modèles personnalisés. Les utilisateurs définissent des invites et des pipelines dans GAML pour générer des décisions d'agents, des descriptions d'environnement ou des paramètres de scénarios à la volée. Le plugin supporte les appels API synchrones et asynchrones, la mise en cache des réponses, et l'ajustement des paramètres. Il facilite l'intégration des modèles en langage naturel dans des simulations à grande échelle, réduisant la script manuelle et favorisant des comportements d'agents plus riches et adaptatifs.

JADE-DR-VPP est un cadre Java open-source qui implémente un système multi-agents pour la réponse à la demande (DR) dans les centrales électriques virtuelles (VPP). Chaque agent représente une charge ou une unité de génération flexible, communiquant via la messagerie JADE. Le système orchestre les événements DR, planifie les ajustements de charge et agrège les ressources pour répondre aux signaux du réseau. Les utilisateurs peuvent configurer le comportement des agents, exécuter des simulations à grande échelle et analyser les métriques de performance pour les stratégies de gestion de l'énergie.

NVIDIA Isaac est une plateforme avancée de robotique développée par NVIDIA, conçue pour permettre aux développeurs de créer et de déployer des systèmes robotiques habilités à l'IA. Elle comprend des outils et des cadres puissants permettant une intégration transparente des algorithmes d'apprentissage automatique pour la perception, la navigation et le contrôle. La plateforme prend en charge la simulation, la formation et le déploiement d'agents d'IA en temps réel, la rendant adaptée à diverses applications, y compris l'automatisation des entrepôts, l'informatique en périphérie et la recherche sur les robots.

Subvention.app est une plateforme alimentée par IA conçue pour aider les particuliers, les entreprises et les organisations à trouver et gérer des programmes d’aide financière. Avec des fonctions telles que des recommandations pilotées par IA, des tableaux de bord personnalisés et des outils de simulation rapides, les utilisateurs peuvent facilement explorer et demander diverses subventions et aides. La plateforme vise à gagner du temps et à garantir que les utilisateurs ne manquent aucune opportunité de soutien financier.

APLib est conçu pour simplifier le développement d'agents autonomes pilotés par l'IA dans les environnements de jeu et de simulation. Utilisant une architecture inspirée de Belief-Desire-Intention (BDI), il offre des composants modulaires pour la perception, la prise de décision et l'exécution d'actions. Les développeurs définissent les croyances, objectifs et comportements de l'agent via des API intuitives et des arbres de comportement. Les agents APLib peuvent interpréter l'état du jeu à l'aide de capteurs personnalisables, élaborer des plans avec des planificateurs intégrés, et interagir avec l'environnement via des actionneurs. La bibliothèque prend en charge l'intégration avec Unity, Unreal, et des environnements Java purs, facilitant les tests automatisés, la recherche en IA et les simulations. Elle favorise la réutilisation des modules de comportement, le prototypage rapide, et des workflows QA robustes en automatisant les scénarios de test répétitifs et la simulation de comportements complexes de joueurs sans intervention manuelle.