このリポジトリは、PyTorchを使用したマルチエージェント強化学習における出現通信を実現します。ユーザーは送信者および受信者のニューラルネットワークを設定し、指示ゲームや協力ナビゲーションをプレイさせることで、離散または連続の通信チャネルを開発させます。訓練、評価、学習されたプロトコルの可視化のためのスクリプトや、環境作成、メッセージのエンコード・デコードのユーティリティも提供されています。研究者はカスタムタスクの追加やネットワークアーキテクチャの変更、プロトコルの効率性解析などを行い、エージェント通信の迅速な実験を促進します。

MACLは、複数のAIエージェントの作成と調整を簡素化するためのモジュラーPythonフレームワークです。個々のエージェントにカスタムスキルを定義し、通信チャネルを設定し、エージェットネットワーク全体のタスクをスケジュールできます。エージェントはメッセージを交換し、責任を交渉し、共有データに基づいて動的に適応できます。人気のLLMのサポートや拡張性のためのプラグインシステムも備えており、顧客サービスの自動化、データ分析パイプライン、シミュレーション環境などの分野でスケーラブルかつ維持可能なAIワークフローを実現します。

Open ACNは、分散型のマルチエージェントシステムを構築するために設計された堅牢なAIプラットフォームおよびフレームワークソリューションです。エージェントの協力を促進するための合意プロトコルのスイートを提供し、信頼性の高い意思決定を可能にします。フレームワークにはモジュール式の通信層、カスタマイズ可能な戦略プラグイン、エンドツーエンドのテストを行うためのビルトインシミュレーション環境が含まれます。開発者はエージェントの動作を定義し、Linux、macOS、Windows、またはDocker上に展開でき、リアルタイムのログ記録とモニタリングツールを活用できます。拡張可能なAPIや機械学習モデルとのシームレスな統合により、Open ACNは複雑なオーケストレーションタスクを簡素化し、ロボティクス、サプライチェーン自動化、分散型金融、IoTのアプリケーションに適した相互運用性の高い堅牢な自律ネットワークを促進します。

PrisimAIは、ブラウザベースの環境を提供し、ユーザーは迅速にインテリジェントエージェントのプロトタイプを作成・展開できます。ビジュアルフロービルダーを使えば、LLM対応のコンポーネントを組み立て、外部APIを連携し、長期記憶を管理し、多段階のタスクを調整可能です。内蔵のデバッグおよび監視ツールにより、テストと反復作業が簡素化されており、プラグインマーケットプレイスを通じてカスタムツールの拡張も可能です。PrisimAIはチーム間の協力、バージョン管理、ワンクリックデプロイもサポートしています。

Agent-FLANは、タスクを計画役と実行役に分割することで、高度なAIエージェント駆動型アプリケーションの作成を簡素化するように設計されています。ユーザーは、入力形式、ツールインターフェース、通信プロトコルなどを指定して、設定ファイルを通じてエージェントの動作とワークフローを定義します。計画エージェントは高レベルのタスク計画を生成し、実行エージェントはAPI呼び出し、データ処理、大規模言語モデルによるコンテンツ生成などの具体的な操作を行います。Agent-FLANのモジュール式アーキテクチャは、プラグアンドプレイのツールアダプター、カスタムプロンプトテンプレート、リアルタイム監視ダッシュボードをサポートします。OpenAI、Anthropic、Hugging Faceなどの人気LLM提供者とシームレスに連携し、開発者は自動研究アシスタント、動的コンテンツ生成パイプライン、企業プロセスの自動化などのシナリオ向けに迅速にプロトタイプ作成、テスト、および展開できます。

AgentForgeは、個々のAIスキルを定義、組み合わせ、オーケストレーションし、一貫した自律エージェントにするための構造化された環境を提供します。会話メモリによるコンテキスト保持、外部サービス連携のためのプラグイン、多エージェント間の通信、タスクのスケジューリング、エラー処理をサポートします。開発者はカスタムスキルハンドラーを設定し、自然言語理解用の内蔵モジュールを利用し、OpenAIのGPTシリーズなどの主要なLMMと連携できます。AgentForgeのモジュール設計は、開発サイクルを加速し、テストを促進し、チャットボット、バーチャルアシスタント、データ分析エージェント、ドメイン固有の自動化ボットの展開を簡素化します。

Agentic Shared Memoryは、AI駆動のマルチエージェント環境においてコンテキストデータを管理する強力なソリューションを提供します。ベクトル埋め込みと効率的なデータ構造を活用して、エージェントの観察、決定、状態遷移を保存し、シームレスなコンテキストの検索と更新を可能にします。エージェントは共有メモリをクエリして過去のやり取りやグローバルな知識にアクセスでき、一貫性のある動作と協力的な問題解決を促進します。このライブラリは、LangChainやその他のフレームワークとのプラグアンドプレイの統合をサポートし、カスタマイズ可能な保持戦略、コンテキストウィンドウ、検索機能を提供します。メモリ管理を抽象化することで、開発者はエージェントのロジックに集中でき、分散または集中型展開においてもスケーラブルで一貫したメモリ処理を保証します。これにより、システムの全体パフォーマンスが向上し、冗長な計算が削減され、時間とともにエージェントの知能が向上します。

AIPEは、メモリ、プランニング、ツール使用、多エージェント協力のためのプラガブルモジュールを備え、AIエージェントのオーケストレーションを集中管理します。開発者はエージェンターソナを定義し、ベクトルストアを介してコンテキストを取り込み、外部APIやデータベースを統合できます。フレームワークは、プロンプトのテスト、エージェントの状態監視、タスクのチェイン化のためのWebダッシュボードとCLIを内蔵しています。RedisやSQLite、インメモリストアなど、多様なメモリバックエンドに対応しています。複数のエージェント設定では、データ抽出、分析、要約といった役割を割り当てて協力します。プロンプトエンジニアリングやAPIラッパー、エラー処理を抽象化することで、ドキュメントQA、顧客支援、自動化ワークフローの展開を加速します。

Isaree Platformは、AIエージェントの開発と展開を効率化することを目的としています。基本的には、自律的に会話、意思決定、協力が可能なエージェントを作成するための統一されたアーキテクチャを提供します。開発者は、カスタムロールを持つ複数のエージェントを定義し、ベクトルベースのメモリ取得を活用し、プラグイン可能なモジュールを通じて外部データソースと統合できます。本プラットフォームは、Python SDKとRESTful APIを備え、リアルタイムなレスポンスストリーミングをサポートし、内蔵のロギングと指標を提供します。その柔軟な設定により、Dockerやクラウドサービスを用いた環境間のスケーリングが可能です。永続的なコンテキストを持つチャットボットの構築、多段階ワークフローの自動化、調査支援エージェントの調整など、多様な用途において高い拡張性と信頼性を備えたエンタープライズ向けAIソリューションを実現します。

autogen_multiagentは、Pythonで複数のAIエージェントをインスタンス化、設定、調整するための体系的な方法を提供します。動的なエージェント作成、エージェント間メッセージングチャネル、タスク計画、実行ループ、監視ユーティリティを備えています。OpenAI APIとシームレスに連携し、プランナー、エクゼキューター、サマライザーなどの役割を各エージェントに割り当て、その相互作用を調整します。本フレームワークは、自動文書分析、カスタマーサポートの自動化、多段階のコード生成など、モジュール化・スケーラブルなAIワークフローを必要とするシナリオに最適です。

AWS Bedrock Multi-Agent Blueprintは、AWS Bedrock上にマルチエージェントアーキテクチャを実装するためのモジュール式フレームワークを提供します。共有メッセージキューを用いて協調する、プランナー、リサーチャー、エグゼキューター、エバリュエーターなどのエージェントの役割を定義するサンプルコードを含みます。各エージェントはカスタムプロンプトを用いて異なるBedrockモデルを呼び出し、中間出力を次のエージェントに渡せます。ビルトインのCloudWatchロギングやエラー処理パターン、同期・非同期実行のサポートを通じ、モデル選択やバッチ処理の管理、end-to-endのオーケストレーションの方法を示します。開発者はリポジトリをクローンし、AWS IAMロールとBedrockエンドポイントを設定し、CloudFormationやCDKを用いて展開します。オープンソース設計により、役割の拡張やエージェントのスケール、S3やLambda、Step Functionsとの連携も可能です。

Swarms Worldは、マルチエージェントシステムの設計のための統一インタフェースを提供し、ユーザーは役割、通信プロトコル、ワークフローを視覚的またはコードで定義できます。エージェントはリアルタイムで協力、サブタスクの委譲、結果の集約が可能です。このプラットフォームは、オンプレミス、クラウド、エッジ展開をサポートし、ロギング、パフォーマンス測定、自動スケーリングが内蔵されています。分散型マーケットプレイスを通じて、ユーザーはエージェントモジュールを探し、共有し、収益化できます。人気のLLM、API、カスタムモデルに対応し、Swarms Worldは堅牢な企業向けAI自動化の開発を加速します。

Swarms.rsは、群れベースのAIエージェントプログラムの実行のためのRustコアランタイムです。カスタムロジックやAIモデルを統合するためのモジュール式プラグインシステム、ピアツーピア通信のためのメッセージパッシング層、エージェントの動作をスケジューリングする非同期エグゼキュータを備えています。これらのコンポーネントにより、設計、展開、複雑な分散エージェントネットワークのスケーリングが可能となり、シミュレーション、自動化、多エージェント協調タスクに役立ちます。

エマージング・コミュニケーション・イン・エージェンツは、多エージェントシステムが独自の通信プロトコルを開発する仕組みを研究する研究者向けのPyTorchベースのオープンソースフレームワークです。リファレンスゲーム、組合せゲーム、物体識別課題など、協調型強化学習タスクの柔軟な実装を提供しています。ユーザーはスピーカーとリスナーのエージェントアーキテクチャを定義し、語彙数やシーケンス長などのメッセージチャネルのプロパティを指定し、方策勾配や教師あり学習などのトレーニング戦略を選択します。このフレームワークには、実験の実行、通信効率性の分析、エマージング・ランゲージの可視化のためのエンドツーエンドのスクリプトが含まれます。モジュール式設計により、新しいゲーム環境やカスタム損失関数を容易に拡張可能です。研究者は公開済み研究の再現、新アルゴリズムのベンチマーク、エージェント言語の構成性と意味論の調査が行えます。

GAベースのNQueenソルバーは、候補Nクイーン配置をエンコードする各エージェントを持つモジュール式の2APLマルチエージェントアーキテクチャを使用します。エージェントは非攻撃クイーンペア数をカウントして適応度を評価し、高い適応度の構成を他のエージェントと共有します。選択、交差、突然変異の遺伝子操作は、エージェント集団全体に適用され、新たな候補盤を生成します。反復を重ねることで、エージェントは有効なNクイーン解に収束していきます。このフレームワークはJavaで実装されており、集団サイズ、交差率、突然変異確率、エージェント通信プロトコルのパラメータ調整をサポートし、詳細なログや進化過程の可視化を出力します。

SwarmZeroは、AIエージェントの群れを定義、管理、実行するためのスケーラブルでオープンソースな環境を提供します。開発者は、エージェントの役割を宣言し、プロンプトをカスタマイズし、ワークフローを連鎖させるために統一されたオーケストレータAPIを使用します。このフレームワークは主要なLLMプロバイダと統合されており、プラグイン拡張に対応し、セッションデータをログに記録してデバッグやパフォーマンス分析を行います。研究ボット、コンテンツクリエーター、データ分析者の調整に関わらず、SwarmZeroはマルチエージェント協調を合理化し、透明で再現可能な結果を保証します。

Microsoft AutoGenは、メモリ管理、タスク計画、ツール統合、通信のためのモジュラーコンポーネントを提供し、エンドツーエンドの自律型AIエージェント開発を促進します。開発者は構造化スキーマを持つカスタムツールを定義し、OpenAIやAzure OpenAIの主要なLLMプロバイダーと接続できます。フレームワークは単一または複数のエージェントの協働をサポートし、複雑なタスクを完了するための協調ワークフローを可能にします。プラグインのようなアーキテクチャにより、記憶ストア、計画戦略、通信プロトコルを容易に拡張できます。詳細な低レベルの統合を抽象化し、AutoGenはさまざまなドメインでのAI駆動型アプリケーションのプロトタイピングと展開を高速化します。

Multi-Agentは、並行して実行される複数のAIエージェントを構築し、オーケストレーションするのに役立つ開発者向けツールキットです。各エージェントは自身のメモリストア、プロンプト設定、メッセージキューを保持します。カスタム動作を定義し、エージェント間の通信チャネルを設定し、役割に基づいてタスクを自動的に委任できます。OpenAIのChat APIを活用して言語理解と生成を行い、ワークフローのオーケストレーション、ロギング、エラーハンドリングのためのモジュール式コンポーネントを提供します。これにより、研究支援エージェント、データ処理エージェント、カスタマーサポートボットなどの特殊化されたエージェントを作成し、複合的なタスクに協力させることが可能です。

Multi-Agent-AI-Dynamic-Interactionは、複数の自律型AIエージェントで構成されたシステムの設計、構成、および実行のための柔軟な環境を提供します。各エージェントには特定の役割、目的、および通信プロトコルを割り当てることができます。このフレームワークは、メッセージのパッシング、会話のコンテキスト、および逐次または並列の相互作用を管理します。OpenAI GPTや他のLLM API、カスタムモジュールとの統合をサポートしています。ユーザーはYAMLやPythonスクリプトを用いてシナリオを定義し、エージェントの詳細、ワークフローステップ、および停止条件を指定します。システムはすべてのインタラクションを記録し、デバッグや分析のために保持し、協力、交渉、意思決定、および複雑な問題解決の実験においてエージェントの動作を詳細に制御できます。

RoboCup Rescue Agent Simulationは、複数のAI駆動エージェントが協力して被害者を探し救助する都市災害環境をモデル化したオープンソースフレームワークです。ナビゲーション、マッピング、通信、センサー統合のインターフェースを提供し、ユーザーはカスタムエージェント戦略のスクリプト化、バッチ実験の実行、エージェントのパフォーマンス指標の可視化が可能です。シナリオ設定、ロギング、結果分析をサポートし、多エージェントシステムと災害対応アルゴリズムの研究促進につなげます。