このリポジトリは、マルチエージェントシステムコンポーネントと分散AIコーディネーション技術の包括的なコレクションをまとめたものです。合意アルゴリズム、契約ネット交渉プロトコル、オークション型タスク割り当て、連合形成戦略、インタエージェント通信フレームワークを実装しています。ユーザーは、内蔵のシミュレーション環境を活用して、様々なネットワークトポロジー、遅延シナリオ、故障モード下でのエージェントの挙動をモデル化・テスト可能です。モジュール化設計により、ロボット群、IoTデバイスコラボレーション、スマートグリッド、分散意思決定システムなどのアプリケーションにおいて、開発者や研究者が個々のコーディネーションモジュールを統合、拡張、カスタマイズできます。

モール推奨マルチエージェントシステムは、小売体験を向上させるためにマルチエージェントアーキテクチャ上に構築されたAI駆動のフレームワークです。来訪者の操作を追跡するショッパーエージェント、過去とリアルタイムデータを分析する嗜好エージェント、そして個別に最適化された商品とプロモーションを提案する推奨エージェントで構成されています。エージェントはメッセージパッシングプロトコルを介して通信し、ユーザーモデルの更新、クロスエージェントの洞察共有、および推奨の動的調整を行います。システムはCMSとPOSと連携し、リアルタイムで在庫と販売情報をフィードバックします。モジュール設計により、開発者はエージェントの動作をカスタマイズし、新しいデータソースを統合し、さまざまなプラットフォームに展開できます。大規模小売環境に最適で、正確かつコンテキスト重視の推薦によって顧客満足度を向上させ、売上を増加させます。

CHAMP Multiagent AIは、企業のタスクに協力する専門的なAIエージェントを定義、訓練、調整できる統合環境を提供します。データ処理エージェント、意思決定支援エージェント、スケジューリングエージェント、監視エージェントを作成し、それらをビジュアルワークフローやAPI経由で接続できます。モデル管理、エージェント間通信、パフォーマンス監視、既存システムとの連携機能も備え、スケーラブルな自動化とエンドツーエンドのビジネスプロセスの知能的調整を可能にします。

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。

CAMEL-AIは、LLMに対応した複数の自律AIエージェントを構築、構成、および実行できるPythonベースのフレームワークです。リトリーバル増強生成（RAG）、外部ツールの使用、エージェント間通信、メモリおよび状態管理、スケジューリングをサポートしています。モジュール式コンポーネントと簡単な統合により、チームは複雑なマルチエージェントシステムのプロトタイピング、ワークフローの自動化、異なるLLMバックエンド間での実験のスケーリングが可能です。

CrewaiはPythonを基盤としたライブラリで、マルチAIエージェントシステムの設計と実行を支援します。ユーザーは専門的な役割を持つ個別のエージェントを定義し、エージェント間通信のためのメッセージングチャネルを設定し、リアルタイムのコンテキストに基づくタスク割り当てを行うダイナミックプランナーを実装できます。そのモジュール化されたアーキテクチャにより、各エージェントに異なるLLMやカスタムモデルを接続可能です。内蔵のロギング・監視ツールが会話と意思決定を追跡し、エージェントの動作のデバッグや改善をシームレスに行えます。

マルチエージェントAIフレームワークは、クラウド環境で複数の自律エージェントを調整するためのエンドツーエンドのソリューションを提供します。NeonのPostgres互換のサーバーレスデータベースを使用して会話履歴とエージェントの状態を保存し、Azure Functionsでエージェントロジックを大規模に実行し、OpenAI APIで自然言語理解と生成を行います。ビルトインのメッセージキューとロールベースの挙動により、調査、スケジューリング、カスタマーサポート、データ分析などのタスクでエージェントが協力できます。開発者は、エージェントのポリシー、メモリルール、ワークフローを多様なビジネス要件に合わせてカスタマイズできます。

MultiAgentPuzzleSolverは、滑りパズル、ルービックキューブ、論理グリッドなどのパズルを解くために、独立したAIエージェントが協力して動作するモジュラー環境を提供します。エージェントは状態情報を共有し、サブタスクの割り当てを交渉し、多様なヒューリスティクスを適用して、シングルエージェントよりも効果的に解空間を探索します。開発者は新しいエージェントの挙動を追加したり、通信プロトコルをカスタマイズしたり、新しいパズル定義を追加したりできます。フレームワークには、リアルタイムのビジュアライゼーション、パフォーマンスメトリクスの収集、実験スクリプト作成のツールも含まれます。Python 3.8+、標準ライブラリ、一般的なMLツールキットと互換性があり、研究プロジェクトへのシームレスな統合をサポートします。

MultiAgentSystemsは、マルチエージェント強化学習(MARL)アプリケーションの構築と評価のプロセスを簡素化することを目的としています。このプラットフォームには、MADDPG、QMIX、VDNを含む最先端のアルゴリズムの実装や、集中訓練と分散実行を行う環境が含まれます。OpenAI Gymと互換性のあるモジュール式の環境ラッパー、エージェント間の通信プロトコル、報酬調整や収束率などの指標を追跡するロギングユーティリティを備えています。研究者は、エージェントアーキテクチャのカスタマイズ、ハイパーパラメータ調整、協力ナビゲーション、資源分配、敵対的ゲームなどのシミュレーションを行うことができます。PyTorch、GPUアクセラレーション、TensorBoardのサポートにより、協力と競争のマルチエージェントの分野での実験とベンチマークを加速させます。