CommNetは、複数のエージェントが各タイムステップで隠れ状態を共有し、協力環境でアクションを調整することを可能にする研究志向のライブラリです。PyTorchによるモデル定義、学習および評価スクリプト、OpenAI Gym用環境ラッパー、通信チャネル、エージェント数、ネットワーク深度のカスタマイズに役立つユーティリティを含みます。研究者や開発者は、ナビゲーション、追跡・回避、リソース収集タスクにおいて、エージェント間の通信戦略のプロトタイピングとベンチマークにCommNetを活用できます。

ePH-MAPFは、グリッドベースのマップ上で数十から数百のエージェントの衝突のない経路を効率的に計算するパイプラインを提供します。優先ヒューリスティクス、インクリメンタルサーチ技術、およびカスタマイズ可能なコストメトリクス（マンハッタン距離、ユークリッド距離）を用いて、速度と解の品質のバランスを取ります。ユーザーは異なるヒューリスティクス関数を選択し、Pythonベースのロボティクスシステムにライブラリを統合し、標準的なMAPFシナリオでパフォーマンスベンチマークを行うことができます。コードはモジュール化されており、良好にドキュメント化されているため、研究者や開発者は動的障害物や特殊環境のために拡張可能です。

Patrolling-Zooは、Pythonでマルチエージェント巡回タスクを作成・実験できる柔軟なフレームワークを提供します。ライブラリには、監視、モニタリング、カバレッジシナリオをシミュレーションする、多様なグリッドベースとグラフベースの環境が含まれています。ユーザーはエージェントの数、マップサイズ、トポロジー、報酬関数、観測空間を設定可能です。PettingZooとGym APIとの互換性により、一般的な強化学習アルゴリズムとのシームレスな統合をサポートします。この環境は、一定の設定の下でMARL手法のベンチマークと比較を容易にします。標準化されたシナリオと新しいものをカスタマイズするツールを提供することで、Patrolling-Zooは自律ロボティクス、セキュリティ監視、捜索救助操作、多エージェント協調戦略を用いた効率的なエリアカバレッジの研究を加速させます。

AgentServeは、AIエージェントの作成と展開のための統一インターフェースを提供します。ユーザーは設定ファイルやコードでエージェントの動作を定義し、外部ツールや知識源を統合し、RESTエンドポイントでエージェントを公開します。このフレームワークは、モデルのルーティング、並列リクエスト処理、ヘルスチェック、ログ記録、メトリクスを標準で処理します。AgentServeのモジュール化された設計により、新しいモデル、カスタムツール、スケジューリングポリシーを追加できるため、スケーラブルでメンテナンスしやすいチャットボットや自動化ワークフロー、多エージェントシステムの構築に理想的です。

A2A（Agent-to-Agent Architecture）は、Googleのオープンソースフレームワークで、協調して動作する分散型AIエージェントの開発と運用を可能にします。エージェントの役割、通信チャネル、共有メモリを定義するモジュール構成を提供します。さまざまなLLMプロバイダーの統合やエージェントの動作のカスタマイズ、多段階のワークフローのオーケストレーションが可能です。A2Aには、エージェントの相互作用を追跡するためのビルドイン監視、エラー管理、リプレイ機能が搭載されています。標準化されたプロトコルにより、エージェントの探索、メッセージ交換、タスク割り当てを簡素化し、複雑な調整パターンを容易にし、さまざまな環境でのエージェントベースのアプリケーションの信頼性を高めます。

AI-Agentsは、PythonベースのAIエージェントを定義し実行するためのモジュール方式のアーキテクチャを提供します。開発者はエージェントの挙動を設定し、外部APIやツールを統合し、セッション間でエージェントのメモリを管理できます。人気のあるLLMを活用し、マルチエージェント協力をサポートし、データ分析や自動化サポート、パーソナルアシスタントなどの複雑なワークフローのためのプラグイン拡張を可能にします。

Agents with ADKは、大規模言語モデルに基づくインテリジェントエージェントの作成を簡素化するためのオープンソースPythonフレームワークです。モジュール式のエージェントテンプレート、内蔵のメモリ管理、ツール実行インターフェース、多エージェント調整の能力を備えています。開発者は、カスタム関数や外部APIを迅速に追加し、プランニングや推論のチェーンを設定し、エージェントのやり取りを監視できます。このフレームワークは、人気のLLMプロバイダーとの連携をサポートし、ロギング、リトライロジック、運用展開のための拡張性を提供します。

AgentScopeは、ダイナミックプランニング、コンテキストに基づくメモリストレージ、ツール/API統合を可能にするモジュール式コンポーネントを提供し、インテリジェントエージェントの作成を容易にする開発者向けフレームワークです。OpenAI、Anthropic、Hugging Faceなどの複数のLLMバックエンドをサポートし、タスク実行、応答合成、データ取得のためのカスタマイズ可能なパイプラインを提供します。そのアーキテクチャは、会話ボット、ワークフロー自動化エージェント、リサーチアシスタントの迅速なプロトタイピングを可能にし、拡張性とスケーラビリティを維持します。

CArtAgO（Common ARTifact Infrastructure for AGents Open environments）は、マルチエージェントシステムにおける環境インフラを実装するための軽量で拡張性のあるフレームワークです。環境リソースを表す第一級のエンティティであるアーティファクトの概念を導入し、定義された操作、観測可能なプロパティ、イベントインターフェースを備えています。開発者はJavaでアーティファクトタイプを定義し、環境クラスに登録し、操作とイベントをエージェントに公開します。エージェントは標準操作（例：createArtifact、observe）を用いてアーティファクトとやり取りし、非同期通知を受け取りながら状態変化を把握し、共有リソースを通じて調整します。CArtAgOは、Jason、JaCaMo、JADE、Spring Agentなどのエージェントプラットフォームと容易に統合でき、ハイブリッドシステムの開発を可能にします。フレームワークには、アーティファクトのドキュメント化、動的ロード、ランタイム監視のためのビルトインサポートが備わっており、複雑なエージェントベースのアプリケーションの迅速なプロトタイピングを促進します。

Cooperative Search Environmentは、離散格子空間と連続空間の両方で協力検索タスクに最適化された柔軟でgym互換のマルチエージェント強化学習環境を提供します。エージェントは部分観測の下で動作し、カスタマイズ可能な通信トポロジーに基づいて情報を共有できます。フレームワークは、探索と救助、動的ターゲット追跡、協調マッピングなどの事前定義されたシナリオをサポートし、カスタム環境や報酬構造を定義するためのAPIを備えています。Stable Baselines3やRay RLlibなどの人気RLライブラリとシームレスに統合され、性能分析用のロギングユーティリティやリアルタイム監視用のビジュアルツールも含まれます。研究者は、格子のサイズ、エージェントの数、センサー範囲、報酬共有メカニズムを調整して、協調戦略を評価し、新しいアルゴリズムを効果的にベンチマークできます。

cpp-langchainは、C++でLangChainエコシステムのコア機能を実装しています。開発者は、大規模言語モデルへの呼び出しをラップし、プロンプトテンプレートを定義し、チェーンを組み立て、外部ツールやAPIを呼び出すエージェントを調整できます。会話状態を維持するためのメモリモジュール、類似検索用の埋め込みサポート、ベクトルデータベースとの統合を含みます。モジュール式設計により、各コンポーネント（LLMクライアント、プロンプト戦略、メモリバックエンド、ツールキット）を特定の用途に合わせてカスタマイズ可能です。ヘッダーのみのライブラリとCMakeサポートを提供し、Windows、Linux、macOS上でPythonランタイムなしにネイティブなAIアプリケーションのコンパイルを容易にします。

Esquilaxは、複雑なAIエージェントワークフローの構築とオーケストレーションのために設計された軽量のTypeScriptフレームワークです。エージェントの宣言的定義、メモリモジュールの割り当て、API呼び出しやデータベースクエリなどのカスタムプラグインアクションを提供します。コンテキスト処理とマルチエージェント調整をサポートし、チャットボットやデジタルアシスタント、オートメーションを簡素化します。イベント駆動のアーキテクチャにより、タスクの連鎖や動的トリガーが可能で、ロギング・デバッグツールによりエージェントの動作を完全に可視化します。ボイラープレートコードを抽象化することで、大規模なAI駆動アプリの迅速なプロトタイプ作成を支援します。

GPA-LMはPythonをベースにしたフレームワークで、AIエージェントの作成と調整を容易にします。上位の指示をサブタスクに分解するプランナー、ツール呼び出しとインタラクションを管理するエグゼキューター、セッション間でコンテキストを維持するメモリモジュールを備えています。プラグインアーキテクチャにより、カスタムツール、API、意思決定ロジックの追加が可能です。マルチエージェントサポートにより、役割の調整やタスク分散、結果の集約が行えます。OpenAI GPTをはじめとする人気のLLMとシームレスに連携し、様々な環境での展開をサポートします。このフレームワークは、研究、自動化、アプリケーションのプロトタイピングのための自律エージェント開発を加速します。

HexaBotは、インテリジェントな自律エージェントの開発と展開を容易にするよう設計されています。複雑なタスクを管理可能なステップに分解するモジュール式のワークフローパイプラインと、セッション間でコンテキストを保持できる永続的なメモリストアを提供します。開発者はプラグインエコシステムを通じてエージェントを外部API、データベース、サードパーティサービスに接続できます。リアルタイムの監視とログ記録によりエージェントの挙動を可視化し、PythonとJavaScriptのSDKにより既存アプリケーションへの迅速な統合を可能にします。HexaBotのスケーラブルなインフラは、高い並行性を処理し、信頼性のある本番環境でのバージョン管理をサポートします。

LLM-Agentは、大規模言語モデルを搭載したAIエージェントを構築するための軽量かつ拡張可能なフレームワークです。会話のメモリ、動的なプロンプトテンプレート、カスタムツールやAPIのシームレスな統合のための抽象化を提供します。開発者は、多段階の推論プロセスを調整し、やり取り間の状態を維持し、データ取得やレポート作成、意思決定支援などの複雑なタスクを自動化できます。メモリ管理とツールの使用、計画を組み合わせることで、LLM-AgentはPythonでの知的でタスク指向のエージェントの開発を効率化します。

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。

Odysseyは、協調型のマルチエージェントシステムを構築するための柔軟なアーキテクチャを提供します。主なコンポーネントには、サブタスクの定義と配布を行うタスクマネージャー、会話履歴とコンテキストを保存するメモリモジュール、LLMを搭載したエージェントを調整するエージェントコントローラー、外部APIやカスタム関数を統合するツールマネージャーがあります。開発者はYAMLファイルを使ってワークフローを設定でき、事前構築されたLLMカーネル（例：GPT-4、ローカルモデル）を選択し、新ツールやメモリバックエンドをシームレスに拡張可能です。Odysseyはインタラクションを記録し、非同期タスク実行と反復改善ループをサポートしており、研究、プロトタイピング、実用化済みのマルチエージェントアプリケーションに最適です。

OpenAI Agents MCP Serverは、OpenAIモデルを搭載した自律エージェントの展開と管理のための堅牢な基盤を提供します。柔軟なRESTful APIを公開し、エージェントの作成、設定、制御を可能にし、開発者はマルチステップタスクのオーケストレーション、エージェント間の相互作用の調整、セッション間の永続的なメモリ維持が行えます。このフレームワークはプラグインのようなツール統合、進んだ会話のロギング、カスタマイズ可能な計画戦略をサポートします。インフラストラクチャの問題を抽象化することで、MCP Serverは開発パイプラインを効率化し、迅速なプロトタイピングと会話型アシスタント、ワークフロー自動化、AI駆動のデジタルワーカーのスケーラブルな展開を促進します。

Universal Basic Computeは、多様なワークフローにわたるAIエージェントの設計、訓練、展開のための統一された環境を提供します。ユーザーは複数の大型言語モデルから選択し、文脈認識用のカスタムメモリストアを設定し、サードパーティAPIやツールの統合も可能です。このプラットフォームはオーケストレーション、故障耐性、スケーリングを自動で処理し、リアルタイム監視とパフォーマンス分析のためのダッシュボードも提供します。インフラの詳細を抽象化することで、チームはバックエンドの複雑さではなくエージェントロジックとユーザー体験に集中できます。

Autonomys Agentsは、複雑なタスクを手動介入なしで実行できる自律型AIエージェントの作成を開発者に可能にします。Pythonを基盤として、エージェントの振る舞い定義、外部APIやカスタム関数の統合、インタラクション間の会話記憶の維持を行うツールを提供します。エージェントはマルチエージェント環境で協働し、知識を共有しながら行動をコーディネートします。可観測性モジュールはリアルタイムのロギング、パフォーマンストラッキング、デバッグインサイトを提供します。そのモジュラーアーキテクチャにより、コアコンポーネントの拡張や新しいLLMの統合、異なる環境へのエージェント展開が可能です。カスタマーサポートの自動化、データ分析、研究ワークフローのコーディネーションなど、Autonomys Agentsはエンドツーエンドの知的自律システムの開発と管理を効率化します。