LLM State Machineは、明示的な状態機械を使用してAIエージェントを構築するためのオープンソースのPythonフレームワークです。開発者は状態を離散的なステップとして定義し、それぞれが大規模言語モデルまたはカスタムロジックを呼び出し、出力に基づいて遷移を行います。このアプローチは、ドキュメント処理、会話ボット、自動化パイプラインなどの多段階のLLM駆動ワークフローにおいて明快さ、保守性、堅牢なエラー処理を提供します。

Modusは、LLM統合、メモリストレージ、ツール調整のためのコアコンポーネントを提供し、AIエージェントの作成を簡素化する開発者向けのフレームワークです。プラグインベースのツールライブラリをサポートし、エージェントがデータ取得、分析、アクション実行などを行えるようにします。ビルトインのメモリモジュールにより、エージェントは会話の文脈を保持し、インタラクションを通じて学習します。その拡張可能なアーキテクチャは、さまざまなアプリケーションでのAIの開発と展開を高速化します。

MultiAgent-Systems-StarCraft2-PySC2-Rawは、StarCraft IIで複数のAIエージェントを開発、訓練、評価するための完全なツールキットを提供します。ユニットの移動やターゲット指定、能力制御の低レベルコントロールを公開し、柔軟な報酬設計とシナリオ構成を可能にします。ユーザーはカスタムニューラルネットワークアーキテクチャを簡単に組み込み、チーム間の協調戦略を定義し、メトリクスを記録できます。PySC2上に構築されており、並列訓練、チェックポイント作成、可視化をサポートし、協調型・対抗型のマルチエージェント強化学習の研究を進めるのに理想的です。

Trainable Agentsは、最先端の大規模言語モデルを活用したAIエージェントの迅速な開発とトレーニングのためのモジュール式拡張ツールキットとして設計されています。このフレームワークは、インタラクション環境、ポリシーインターフェース、フィードバックループなどのコアコンポーネントを抽象化し、開発者はタスク定義、デモンストレーションの提供、および報酬関数の実装を容易に行えます。OpenAI GPTやAnthropic Claudeをサポートし、経験のリプレイ、バッチトレーニング、パフォーマンス評価を支援します。さらに、ロギング、メトリクス追跡、トレーニング済みポリシーのエクスポートなどのユーティリティも搭載しています。対話型ボットの作成、自動化ワークフローの構築、研究など、全ライフサイクルの効率化を図る統一されたPythonパッケージです。

Coffee-Shop-AI-Agentsは、重要なコーヒーショップの機能を自動化するための専門的なAIエージェントを構築・展開するためのオープンソースフレームワークです。LangChainとOpenAIモデルを活用し、複雑な飲料注文に対応し、カスタマイズ推奨や材料の在庫管理を行うバリスタエージェント、支払い処理とデジタルレシート発行、販売指標の追跡を行うレジ係エージェント、在庫予測や補充スケジュール提案、パフォーマンス分析を行うマネージャーエージェントを含みます。カスタマイズ可能なプロンプトやパイプライン構成により、開発者は店舗ポリシーやメニューに合わせて素早く調整できます。リポジトリにはセットアップスクリプト、API統合例、実用的なワークフロー例が含まれ、開発者フレンドリーな環境でリアルな顧客対応と運営分析をシミュレート可能です。

LLM Agents Exampleは、PythonでAIエージェントを構築するためのハンズオンコードベースを提供します。カスタムツール（ウェブ検索、WolframAlphaを利用した数学解答、CSV解析、Python REPL）の登録、チャットおよび検索ベースのエージェントの作成、ベクトルストアへの接続によるドキュメント質問応答をデモンストレーションしています。このリポジトリは、会話の記憶を維持し、ツール呼び出しを動的に振り分け、複数のLLMプロンプトを連結して複雑なタスクを解決するパターンを示しています。ユーザーは、サードパーティAPIの統合、エージェントワークフローの構築、新機能の拡張方法を学習でき、開発者の実験やプロトタイピングに役立ちます。

pyafaiは、開発者が自律型AIエージェントを設計、設定、実行するのに役立つオープンソースのPythonライブラリです。コンテキストを維持するためのメモリ管理や外部API呼び出し用のツール統合、環境監視用のオブザーバー、意思決定用のプランナー、エージェントループを管理するオーケストレーターなどのプラグイン可能なモジュールを提供します。ログ記録と監視機能により、エージェントのパフォーマンスと動作を可視化します。pyafaiは主要なLLMプロバイダーをサポートし、カスタムモジュールの作成を容易にし、ボイラープレートを削減して、チームが仮想アシスタント、調査ボット、自動化フローを素早くプロトタイプできるようにします。

X AI Agentは、インテリジェントエージェントを構築するためのモジュール式アーキテクチャを提供します。外部ツールやAPIとのシームレスな統合、設定可能なメモリモジュール、多言語モデルの調整をサポートします。開発者は、コード内でカスタムスキル、ツールコネクタ、ワークフローを定義し、データ取得、コンテンツ生成、自動化、複雑な対話の処理を自律的に行うエージェントを展開できます。

Fetch.aiの自律経済エージェント（AEA）は、相互作用、外部環境、デジタル台帳と通信できる自律型ソフトウェアエージェントの設計、実装、調整を可能にする多用途なフレームワークです。プラグインベースのアーキテクチャを利用し、通信プロトコル、暗号化された台帳API、分散型ID、カスタマイズ可能な意思決定スキルの事前構成されたモジュールを提供します。エージェントは分散マーケットプレイス内で発見し、取引を行い、目標駆動の行動を取り、リアルタイムデータフィードを通じて適応できます。このフレームワークは、マルチエージェントシナリオのテストとデバッグのためのシミュレーションツール、ライブブロックチェーンやピアツーピアネットワークへの展開もサポートします。内蔵の相互運用性とエージェント間のメッセージングにより、AEAはエネルギー取引、サプライチェーンの最適化、IoTのスマートコーディネーションなどの複雑な自律経済アプリケーションの開発を効率化します。

HFO_DQNは、PythonとTensorFlowを組み合わせて、Deep Q-Networkを使用したサッカーエージェント訓練のための完全なパイプラインを提供します。ユーザーはリポジトリをクローンし、HFOシミュレータやPythonライブラリを含む依存関係をインストールし、YAMLファイルで訓練パラメータを設定できます。このフレームワークは、経験再生、ターゲットネットワークの更新、ε-greedy探索、ハーフフィールドオフェンス向けの報酬調整を実装しています。エージェント訓練、性能ログ記録、評価マッチ、結果のプロット用スクリプトを備えています。モジュール式のコード構造により、カスタムニューラルネットアーキテクチャ、代替RLアルゴリズム、マルチエージェントコーディネーションの統合が可能です。出力には訓練されたモデル、性能指標、挙動の可視化が含まれ、強化学習やマルチエージェントシステムの研究を促進します。