Cloudflare Agentsは、Cloudflare Workersを使用してネットワークのエッジで自律型AIエージェントを構築、展開、管理するのを支援するために設計されています。統一されたSDKを活用して、JavaScriptまたはTypeScriptでエージェントの動作、カスタムアクション、会話フローを定義できます。このフレームワークは、OpenAIやAnthropicなどの主要なLLM提供者とシームレスに連携し、HTTPリクエスト、環境変数、ストリーミングレスポンスをサポートします。設定後、エージェントは数秒でグローバルに展開でき、エンドユーザーに超低遅延の応答を提供します。また、ローカル開発、テスト、デバッグのツールも備えており、スムーズな開発体験を実現します。

MAPF_G2RLは、グラフ理論と深層強化学習を橋渡しし、マルチエージェント経路探索（MAPF）問題に取り組むオープンソースの研究フレームワークです。ノードとエッジをベクトル表現にエンコードし、空間的かつ衝突認識型の報酬関数を定義し、DQN、PPO、A2CなどのさまざまなRLアルゴリズムをサポートします。このフレームワークは、ランダムなグラフを生成したり、実世界の地図をインポートしてシナリオを自動作成し、複数のエージェントのポリシーを最適化する訓練ループを調整します。学習後、エージェントはシミュレーション環境で評価され、経路の最適性、所要時間、成功率を測定します。そのモジュール化設計により、研究者はコアコンポーネントを拡張し、新しいMARL手法を統合し、従来のソルバーと比較評価することができます。

Multi-Agent-Blueprintは、複雑なタスクに取り組むために協力する複数のAI駆動エージェントを構築・調整するための包括的なオープンソースコードベースです。コアには、研究者、アナリスト、実行者などの異なるエージェントの役割を定義し、それぞれに専用のメモリストアとプロンプトテンプレートを持つモジュールシステムを提供します。このフレームワークは、大規模言語モデル、外部知識API、カスタムツールとシームレスに統合され、動的なタスク委譲やエージェント間の反復的なフィードバックループを可能にします。さらに、組み込みのロギングと監視機能により、エージェントのやり取りと出力を追跡できます。カスタマイズ可能なワークフローと交換可能なコンポーネントにより、開発者や研究者はコンテンツ生成、データ分析、製品開発、自動化された顧客サポートなどのアプリケーション向けに素早くマルチエージェントパイプラインを試作できます。

Skeernirは、ゲームの自動化とプロセスの調整のためのパペットマスターエージェントの開発を加速させるオープンソースのAIエージェントフレームワークです。このプロジェクトには、基本テンプレート、コアAPI、およびターゲット環境へのエージェントロジックの接続方法を示すサンプルモジュールが含まれています。シミュレートされたゲームプレイやOSタスクの制御に利用でき、その拡張可能なアーキテクチャにより、ユーザーはカスタム意思決定戦略の実装や機械学習モデルのプラグイン、Windows、Linux、macOSでのエージェントのライフサイクル管理が可能です。内蔵のロギングと設定サポートにより、Skeernirは自律型AIエージェントのテスト、デバッグ、および展開を効率化します。

Coffee-Shop-AI-Agentsは、重要なコーヒーショップの機能を自動化するための専門的なAIエージェントを構築・展開するためのオープンソースフレームワークです。LangChainとOpenAIモデルを活用し、複雑な飲料注文に対応し、カスタマイズ推奨や材料の在庫管理を行うバリスタエージェント、支払い処理とデジタルレシート発行、販売指標の追跡を行うレジ係エージェント、在庫予測や補充スケジュール提案、パフォーマンス分析を行うマネージャーエージェントを含みます。カスタマイズ可能なプロンプトやパイプライン構成により、開発者は店舗ポリシーやメニューに合わせて素早く調整できます。リポジトリにはセットアップスクリプト、API統合例、実用的なワークフロー例が含まれ、開発者フレンドリーな環境でリアルな顧客対応と運営分析をシミュレート可能です。

Colosseum Agent Battlesは、カスタマイズ可能なアリーナでAIエージェント競争を構築するためのモジュール式Python SDKを提供します。利用者は特定の地形、リソース、ルールセットを持つ環境を定義し、標準化インターフェースを介してエージェント戦略を実装できます。フレームワークはバトルスケジューリング、レフェリーのロジック、エージェントの行動と結果のリアルタイム記録を管理します。トーナメント実行ツール、勝敗統計の追跡、チャートによるパフォーマンスの可視化も含まれます。開発者は、人気のMLライブラリと連携してエージェントを訓練し、バトルデータをエクスポートして分析したり、カスタムルールを適用するためのレフェリーモジュールを拡張したりできます。最終的に、ヘッド・ツー・ヘッドの競争でAI戦略のベンチマークを効率化します。JSONやCSVフォーマットでのロギングもサポートします。