InfantAgentは、Pythonで知能エージェントを設計および展開するための軽量な構造を提供します。OpenAIやHugging Faceといった人気のLLMと連携し、永続的なメモリモジュールをサポートし、カスタムツールチェーンを可能にします。標準搭載の会話インターフェース、タスクオーケストレーション、ポリシー駆動の意思決定機能を備えています。プラグインアーキテクチャにより、ドメイン固有のツールやAPIを簡単に拡張でき、研究用のエージェントのプロトタイピングやワークフローの自動化、アプリケーションへのAIアシスタントの埋め込みに最適です。

js-agentは、開発者に対してJavaScriptで自律型AIエージェントを作成するためのミニマルでありながら強力なツールキットを提供します。会話のメモリ、関数呼び出しツール、カスタマイズ可能なプランニング戦略、エラー処理の抽象化を提供します。これにより、プロンプトの設定、状態の管理、外部APIの呼び出し、複雑なエージェントの振る舞いの調整を簡単なモジュール式APIで迅速に行えます。Node.js環境での実行を想定し、OpenAI APIとシームレスに連携します。

実践的には、LlamaSimを使って複数のAIエージェントをLlamaモデルで定義し、インタラクションシナリオを設定し、制御されたシミュレーションを実行できます。Python APIを用いてエージェントの性格、意思決定ロジック、通信チャネルをカスタマイズ可能です。フレームワークはプロンプトの構築、応答の解析、および会話状態の追跡を自動的に処理します。全てのインタラクションを記録し、応答の一貫性、タスク完了率、遅延時間などのビルトイン評価指標を提供します。プラグインアーキテクチャにより、外部データソースの統合やカスタム評価関数の追加が可能です。また、LlamaSimの軽量コアは、ローカル開発、CIパイプライン、クラウド展開に適しており、再現性のある研究やプロトタイプの検証を可能にします。

MASliteは、エージェントクラスを作成し、動作を登録し、エージェント間のイベント駆動型メッセージングを処理するための明確なAPIを提供します。エージェントのタスクを管理するスケジューラー、相互作用をシミュレートするための環境モデル、およびコア機能を拡張するプラグインシステムを含みます。開発者は、エージェントのライフサイクルメソッドを定義し、チャネルを介してエージェントを接続し、ヘッドレスモードでシミュレーションを実行するか、可視化ツールと統合して迅速にマルチエージェントシナリオをプロトタイピングできます。

Melissaは、広範なボイラープレートコードを必要とせずにAI駆動エージェントを構築できる軽量で拡張可能なアーキテクチャを提供します。コアは、開発者がカスタムアクションやデータコネクター、メモリモジュールを登録できるプラグインベースのシステムに基づいています。メモリサブシステムは、やり取りを通じてコンテキストを維持し、会話の連続性を高めます。API、データベース、ローカルファイルから情報を取得・処理できるインテグレーションアダプターも搭載。シンプルなAPI、CLIツール、標準化されたインターフェースを組み合わせることで、Melissaは顧客問い合わせの自動化、動的レポート生成、マルチステップワークフローの調整などを効率化します。言語に依存しない統合が可能で、Pythonを中心にしたプロジェクトに適しており、Linux、macOS、Docker環境へ展開できます。

SelfDrivingCarSimulatorは、Pygame上に構築された軽量のPythonフレームワークで、強化学習を用いた自律車両エージェントのための2D運転環境を提供します。カスタマイズ可能なコースレイアウト、LiDARやカメラエミュレーションなどのセンサーモデル、リアルタイムの視覚化、およびパフォーマンス分析のためのデータロギングをサポートします。開発者はRLアルゴリズムの統合、物理パラメータの調整、速度や衝突率、報酬関数の監視を行い、自動運転の研究や教育プロジェクトを迅速に反復できます。

AgentSimJSは、JavaScriptで大規模なエージェントベースのモデルの作成と実行を簡素化するように設計されています。モジュール式のアーキテクチャにより、開発者は状態、センサー、意思決定関数、アクチュエータを持つエージェントを定義し、それらをグローバル変数でパラメータ化された動的な環境に統合できます。フレームワークは、離散時間ステップのシミュレーションを調整し、エージェント間のイベント駆動型メッセージングを管理し、相互作用データを記録します。視覚化モジュールは、HTML5 Canvasや外部ライブラリを使用したリアルタイムレンダリングをサポートし、プラグインを通じて統計ツールとの連携も可能です。AgentSimJSは、現代のウェブブラウザとNode.jsの両方で動作し、インタラクティブなWebアプリケーション、学術研究、教育ツール、群知能、集団ダイナミクス、分散AIの実験の迅速なプロトタイピングに適しています。

DocumentAI-Backendは、ドキュメントからのテキスト、フォームフィールド、構造化データの抽出を自動化する軽量なバックエンドフレームワークです。PDFや画像をアップロードするREST APIエンドポイントを提供し、Google Document AIとOCRフォールバックを使用して処理し、解析結果をJSONで返します。Python、FastAPI、およびDockerを使用して構築されており、既存システムへの迅速な統合、拡張可能なデプロイメント、設定可能なパイプラインやミドルウェアによるカスタマイズを可能にします。

LiteMultiAgentは、複数のAIエージェントを並列または逐次で構築・実行できるモジュール式のSDKを提供し、それぞれに固有の役割と責任を持たせます。プリインストールされたメモリストア、メッセージングパイプライン、プラグインアダプター、実行ループを備え、複雑なエージェント間通信を管理します。ユーザーはエージェントの動作をカスタマイズし、外部ツールやAPIをプラグインし、ログを通じて会話を監視できます。軽量設計と依存関係管理により、迅速なプロトタイピングや実運用のコラボレーティブAIワークフロー展開に最適です。

Web LLM Assistantは、ブラウザをAI推論プラットフォームに変える軽量なオープンソースフレームワークです。WebGPUとWebAssemblyをバックエンドとして活用し、サーバーなしでクライアントデバイス上で直接LLMを実行し、プライバシーとオフライン動作を確保します。ユーザーはLLaMA、Vicuna、Alpacaなどのモデルをインポートして切り替え、アシスタントとチャットし、ストリーミング応答を見ることができます。モジュール式のReactベースのUIはテーマ、会話履歴、システムプロンプト、およびカスタム動作のためのプラグインのような拡張をサポートします。開発者はインターフェースをカスタマイズし、外部APIを統合し、プロンプトを微調整できます。展開には静的ファイルのホスティングのみが必要で、バックエンドサーバーは不要です。Web LLM Assistantは、あらゆる最新のウェブブラウザで高性能なローカル推論を可能にし、AIを民主化します。

Agent Scriptは、大規模言語モデル上に宣言型スクリプト層を提供し、YAMLまたはJSONのスクリプトを書いてエージェントのワークフロー、ツール呼び出し、メモリ使用を定義できます。OpenAIやローカルLLM、その他のプロバイダーをプラグインし、外部APIをツールとして接続し、長期メモリバックエンドを設定可能です。このフレームワークは、コンテキスト管理、非同期実行、詳細なロギングを標準で処理します。最小限のコードでチャットボット、RPAワークフロー、データ抽出エージェント、カスタム制御ループのプロトタイピングが可能であり、AI駆動の自動化の構築、テスト、展開を容易にします。

Minimalist Agentは、PythonでAIエージェントを構築するためのベーシックなフレームワークです。LangChainのエージェントクラスとOpenAIのAPIを活用し、マルチステップ推論、ツールの動的選択、関数の実行を行います。リポジトリをクローンし、OpenAI APIキーを設定し、カスタムツールやエンドポイントを定義して、CLIスクリプトを実行してエージェントと対話できます。設計は明快さと拡張性を重視しており、コアエージェントの挙動を学習、変更、拡張しやすくなっています。

Fast-LLM-Agent-MCPは、メモリ管理、思考の連鎖推論、多段階計画を組み合わせたAIエージェントを構築するための軽量なオープンソースPythonフレームワークです。開発者はOpenAI、Azure OpenAI、ローカルLlamaなどのモデルと統合し、会話のコンテキストを維持し、構造化された推論の_trace_を生成し、複雑なタスクを実行可能なサブタスクに分解できます。そのモジュール式設計により、カスタムツールやメモリストアの統合が可能で、バーチャルアシスタント、意思決定支援システム、自動カスタマーサポートボットなどのアプリケーションに最適です。

組み込みBDIは完全なBDIライフサイクルエンジンを提供します：環境に関するエージェントの信念をモデル化し、進化する願望や目標を管理し、計画ライブラリから意図を選択し、リアルタイムで挙動を実行します。フレームワークには、信念ベースのストレージ、計画ライブラリの定義、イベントトリガー、およびメモリ制約のあるマイクロコントローラ向けの並行制御のモジュールが含まれます。シンプルなAPIにより、開発者は信念に注釈を付け、願望を指定し、コード内で計画を実装できます。スケジューラは優先度に基づく意図の実行を処理し、センサー、アクチュエータ、ネットワーク通信用のハードウェアインターフェースと連携します。これにより、自律的なIoTデバイスやモバイルロボット、産業用コントローラーに最適です。

Flocking Multi-Agentは、群れの知能を示す自律エージェントをシミュレートするモジュール式ライブラリを提供します。コヒージョン、セパレーション、アラインメントの基本的な操舵行動と、障害物回避、動的ターゲット追跡を含みます。PythonとPygameを用いてビジュアル化し、近隣半径、最大速度、回転力などのパラメータ調整が可能です。カスタム行動関数やロボットやゲームエンジンへの統合フックを通じて拡張性も持たせられ、多様なAIやロボティクス、ゲーム開発、学術研究に理想的です。これらのシンプルな局所ルールが複雑なグローバル形成を如何に導くかを示します。