Multi-Agent-Sellerは、AIエージェントを使用した電子商取引交渉のシミュレーションに適したモジュール式環境を提供します。動的価格設定、時間に基づく譲歩、効用に基づく意思決定などのカスタマイズ可能な交渉戦略を備えた既製の買い手と売り手のエージェントを含みます。ユーザは独自のプロトコル、メッセージ形式、市場条件を定義可能です。フレームワークは、セッション管理、オファートラッキング、結果の記録と分析のための内蔵ビジュアリゼーションツールを備え、エージェント間のインタラクションを簡単に分析できます。機械学習ライブラリとも簡単に連携でき、強化学習やルールベースのエージェントの戦略開発に利用できます。この拡張性の高いアーキテクチャにより、新しいエージェントタイプ、交渉ルール、ビジュアリゼーションプラグインの追加が可能です。Multi-Agent-Sellerは、多エージェントアルゴリズムのテスト、交渉行動の研究、AIや電子商取引の概念を教えるのに最適です。

ANAC-agentsは、Pythonを基盤としたフレームワークで、Automated Negotiating Agents Competition（ANAC）のための複数の交渉エージェント実装を統合しています。各エージェントは、効用モデル化、提案生成、譲歩戦術、受け入れ基準などの異なる戦略を具現化しており、比較研究や迅速な試作を促進します。ユーザーは、カスタム課題と優先事項プロフィールを持つ交渉ドメインを定義し、その後、二者間交渉やエージェント間のトーナメント形式の競争をシミュレートできます。ツールキットには、設定スクリプト、評価指標、ログ記録ユーティリティが含まれ、交渉のダイナミクスを分析します。研究者と開発者は、既存のエージェントを拡張したり、新しいアルゴリズムをテストしたり、外部学習モジュールを統合したりして、自動化された交渉と戦略的意思決定の革新を加速させることができます。