このリポジトリは、PyTorchを使用したマルチエージェント強化学習における出現通信を実現します。ユーザーは送信者および受信者のニューラルネットワークを設定し、指示ゲームや協力ナビゲーションをプレイさせることで、離散または連続の通信チャネルを開発させます。訓練、評価、学習されたプロトコルの可視化のためのスクリプトや、環境作成、メッセージのエンコード・デコードのユーティリティも提供されています。研究者はカスタムタスクの追加やネットワークアーキテクチャの変更、プロトコルの効率性解析などを行い、エージェント通信の迅速な実験を促進します。

MACLは、複数のAIエージェントの作成と調整を簡素化するためのモジュラーPythonフレームワークです。個々のエージェントにカスタムスキルを定義し、通信チャネルを設定し、エージェットネットワーク全体のタスクをスケジュールできます。エージェントはメッセージを交換し、責任を交渉し、共有データに基づいて動的に適応できます。人気のLLMのサポートや拡張性のためのプラグインシステムも備えており、顧客サービスの自動化、データ分析パイプライン、シミュレーション環境などの分野でスケーラブルかつ維持可能なAIワークフローを実現します。

VillagerAgentは、大規模言語モデルを活用したAIエージェントの構築に必要な包括的なツールキットを提供します。基本的には、Web検索、データ取得、またはカスタムAPIなどのモジュラー工具インターフェースを定義します。フレームワークは会話の文脈、事実、セッション状態を保存し、シームレスなマルチターン対話を管理します。柔軟なプロンプトテンプレートシステムは、一貫したメッセージと動作制御を保証します。高度な機能には、複数のエージェントを連携させたり、背景操作をスケジューリングしたりすることも含まれます。Pythonで構築されており、pip経由の簡単インストールと、一般的なLLMプロバイダーとの連携をサポートします。カスタマーサポートボット、研究アシスタント、ワークフロー自動化ツールなどの構築において、VillagerAgentは設計、テスト、展開の効率化を図ります。

Agent-Babaは、特定のタスクに合わせて自律型AIエージェントを作成・管理するための包括的なツールキットを提供します。拡張可能なプラグインアーキテクチャ、会話のコンテキストを保持するメモリシステム、およびシーケンシャルなタスク遂行のためのワークフロー自動化を特徴としています。ウェブスクレーパー、データベース、カスタムAPIなどのツールをエージェントに統合可能です。フレームワークは、宣言型のYAMLやJSONスキーマを通じて設定を簡素化し、マルチエージェントの協調作業をサポートし、エージェントのパフォーマンスとログを追跡するダッシュボードを提供して、反復的な改善とさまざまな環境へのシームレスなデプロイを可能にします。

Agent-FLANは、タスクを計画役と実行役に分割することで、高度なAIエージェント駆動型アプリケーションの作成を簡素化するように設計されています。ユーザーは、入力形式、ツールインターフェース、通信プロトコルなどを指定して、設定ファイルを通じてエージェントの動作とワークフローを定義します。計画エージェントは高レベルのタスク計画を生成し、実行エージェントはAPI呼び出し、データ処理、大規模言語モデルによるコンテンツ生成などの具体的な操作を行います。Agent-FLANのモジュール式アーキテクチャは、プラグアンドプレイのツールアダプター、カスタムプロンプトテンプレート、リアルタイム監視ダッシュボードをサポートします。OpenAI、Anthropic、Hugging Faceなどの人気LLM提供者とシームレスに連携し、開発者は自動研究アシスタント、動的コンテンツ生成パイプライン、企業プロセスの自動化などのシナリオ向けに迅速にプロトタイプ作成、テスト、および展開できます。

AgentForgeは、個々のAIスキルを定義、組み合わせ、オーケストレーションし、一貫した自律エージェントにするための構造化された環境を提供します。会話メモリによるコンテキスト保持、外部サービス連携のためのプラグイン、多エージェント間の通信、タスクのスケジューリング、エラー処理をサポートします。開発者はカスタムスキルハンドラーを設定し、自然言語理解用の内蔵モジュールを利用し、OpenAIのGPTシリーズなどの主要なLMMと連携できます。AgentForgeのモジュール設計は、開発サイクルを加速し、テストを促進し、チャットボット、バーチャルアシスタント、データ分析エージェント、ドメイン固有の自動化ボットの展開を簡素化します。

Agentic-Systemsは、エージェント、ツール、メモリコンポーネントからなるモジュール式アーキテクチャを提供し、洗練された自律型AIアプリケーションの開発を合理化します。開発者は、外部APIや内部関数をカプセル化するカスタムツールを定義でき、メモリモジュールはエージェントの反復間でコンテキスト情報を保持します。内蔵されたオーケストレーションエンジンはタスクをスケジュールし、依存関係を解決し、マルチエージェントの相互作用を管理します。エージェントロジックと実行の詳細を切り離すことで、迅速な実験、拡張性、エージェントの行動の粒度細かな制御を可能にします。研究助手のプロトタイピング、データパイプラインの自動化、意思決定支援エージェントの展開など、Agentic-SystemsはエンドツーエンドのAIソリューション開発を加速するための抽象化とテンプレートを提供します。

Agentic Shared Memoryは、AI駆動のマルチエージェント環境においてコンテキストデータを管理する強力なソリューションを提供します。ベクトル埋め込みと効率的なデータ構造を活用して、エージェントの観察、決定、状態遷移を保存し、シームレスなコンテキストの検索と更新を可能にします。エージェントは共有メモリをクエリして過去のやり取りやグローバルな知識にアクセスでき、一貫性のある動作と協力的な問題解決を促進します。このライブラリは、LangChainやその他のフレームワークとのプラグアンドプレイの統合をサポートし、カスタマイズ可能な保持戦略、コンテキストウィンドウ、検索機能を提供します。メモリ管理を抽象化することで、開発者はエージェントのロジックに集中でき、分散または集中型展開においてもスケーラブルで一貫したメモリ処理を保証します。これにより、システムの全体パフォーマンスが向上し、冗長な計算が削減され、時間とともにエージェントの知能が向上します。

AWS Bedrock Multi-Agent Blueprintは、AWS Bedrock上にマルチエージェントアーキテクチャを実装するためのモジュール式フレームワークを提供します。共有メッセージキューを用いて協調する、プランナー、リサーチャー、エグゼキューター、エバリュエーターなどのエージェントの役割を定義するサンプルコードを含みます。各エージェントはカスタムプロンプトを用いて異なるBedrockモデルを呼び出し、中間出力を次のエージェントに渡せます。ビルトインのCloudWatchロギングやエラー処理パターン、同期・非同期実行のサポートを通じ、モデル選択やバッチ処理の管理、end-to-endのオーケストレーションの方法を示します。開発者はリポジトリをクローンし、AWS IAMロールとBedrockエンドポイントを設定し、CloudFormationやCDKを用いて展開します。オープンソース設計により、役割の拡張やエージェントのスケール、S3やLambda、Step Functionsとの連携も可能です。

Swarms Worldは、マルチエージェントシステムの設計のための統一インタフェースを提供し、ユーザーは役割、通信プロトコル、ワークフローを視覚的またはコードで定義できます。エージェントはリアルタイムで協力、サブタスクの委譲、結果の集約が可能です。このプラットフォームは、オンプレミス、クラウド、エッジ展開をサポートし、ロギング、パフォーマンス測定、自動スケーリングが内蔵されています。分散型マーケットプレイスを通じて、ユーザーはエージェントモジュールを探し、共有し、収益化できます。人気のLLM、API、カスタムモデルに対応し、Swarms Worldは堅牢な企業向けAI自動化の開発を加速します。

CrewAI Studioは、開発者がマルチエージェントAIワークフローを設計、可視化、監視できるWebベースのプラットフォームです。ユーザーは、グラフィカルキャンバスを通じて、各エージェントのプロンプト、チェーンロジック、メモリ設定、外部API統合を構成できます。このスタジオは、人気のベクトルデータベース、LLMプロバイダ、プラグインエンドポイントに接続します。リアルタイムデバッグ、会話履歴の追跡、およびワンクリックでカスタム環境に展開できる機能を備えており、強力なデジタルアシスタントの作成を効率化します。

DSpy Agentsは、自律型AIエージェントの作成を簡素化するオープンソースのPythonツールキットです。モジュール式のアーキテクチャを採用し、ウェブスクレイピング、ドキュメント分析、データベースクエリ、言語モデル（OpenAI、Hugging Face）との連携のためのカスタマイズ可能なツールでエージェントを構築します。事前作成されたエージェントテンプレートを使用した複雑なワークフローの調整や、リサーチの要約、カスタマーサポート、データパイプラインの自動化を行うカスタムツールセットの定義も可能です。組み込みのメモリ管理、ロギング、検索強化生成、多エージェント協調、コンテナ化やサーバーレス環境による容易な展開により、Boilerplateコードなしでエージェント駆動型アプリケーションの開発を加速します。

エマージング・コミュニケーション・イン・エージェンツは、多エージェントシステムが独自の通信プロトコルを開発する仕組みを研究する研究者向けのPyTorchベースのオープンソースフレームワークです。リファレンスゲーム、組合せゲーム、物体識別課題など、協調型強化学習タスクの柔軟な実装を提供しています。ユーザーはスピーカーとリスナーのエージェントアーキテクチャを定義し、語彙数やシーケンス長などのメッセージチャネルのプロパティを指定し、方策勾配や教師あり学習などのトレーニング戦略を選択します。このフレームワークには、実験の実行、通信効率性の分析、エマージング・ランゲージの可視化のためのエンドツーエンドのスクリプトが含まれます。モジュール式設計により、新しいゲーム環境やカスタム損失関数を容易に拡張可能です。研究者は公開済み研究の再現、新アルゴリズムのベンチマーク、エージェント言語の構成性と意味論の調査が行えます。

GAベースのNQueenソルバーは、候補Nクイーン配置をエンコードする各エージェントを持つモジュール式の2APLマルチエージェントアーキテクチャを使用します。エージェントは非攻撃クイーンペア数をカウントして適応度を評価し、高い適応度の構成を他のエージェントと共有します。選択、交差、突然変異の遺伝子操作は、エージェント集団全体に適用され、新たな候補盤を生成します。反復を重ねることで、エージェントは有効なNクイーン解に収束していきます。このフレームワークはJavaで実装されており、集団サイズ、交差率、突然変異確率、エージェント通信プロトコルのパラメータ調整をサポートし、詳細なログや進化過程の可視化を出力します。

GenWorldsは、マルチエージェントシステムの作成を促進するために設計されたAI開発フレームワークです。WebSocketを介してイベントベースの通信フレームワークを利用し、開発者が自律エージェントが非同期で互いおよび周囲と相互作用できるインタラクティブな環境を設定できるようにします。これらのエージェントは協力、行動を計画し、複雑なタスクを共同で実行することで、GenWorldsをス évolutifで柔軟なAIエコシステムを構築するための強力なプラットフォームにしています。

GPT-agentsは、GPTを用いた自律エージェントの作成と調整を効率化する開発者向けツールキットです。内蔵のエージェントクラス、モジュール式のツール連携システム、継続的なコンテキスト保持をサポートするメモリ管理を備えています。このフレームワークは会話計画ループやマルチエージェント協調を行い、目的設定、サブタスクのスケジューリング、複雑なワークフローにおけるエージェント間連携を可能にします。カスタマイズ可能なツールやモデルの選択、エラー処理もサポートし、堅牢で拡張性のある自動化を実現します。

LiteSwarmは、複数の専門化されたエージェント間の協力を促進するために設計された包括的なAIエージェント調整フレームワークです。ユーザーは、データ取得、分析、要約、外部API呼び出しなどの役割を持つ個々のエージェントを定義し、それらをビジュアルワークフロー内でリンクします。LiteSwarmは、エージェント間の通信、永続的なメモリの保存、エラー復旧、ロギングを処理します。APIインテグレーション、カスタムコード拡張、およびリアルタイム監視に対応しているため、チームは複雑なマルチエージェントソリューションをプロトタイプ、テスト、展開することが簡単に行えます。

Swarms.aiは、複数のAIエージェントを知能的なワークフローに定義・接続するためのビジュアルインターフェースを提供します。各エージェントは、役割、データソース、API連携を設定可能です。メッセージのやり取りやアクションのトリガー、コンテキストの共有により協力しながら、複雑なタスクをエンドツーエンドで処理します。ロールベースのアクセス制御、バージョン管理、リアルタイム分析により、スウォームのパフォーマンスを監視します。コード不要：コンポーネントをドラッグ＆ドロップし、トリガーを設定し、出力をリンクさせて、サポートや営業、運用などの自動化プロセスを設計します。

Meta-Agent-with-More-Agentsは、複数の専門的なサブエージェントが複雑なタスクに協力できるメタエージェントアーキテクチャを実装した拡張性のあるオープンソースフレームワークです。LangChainを利用したエージェントの調整と、OpenAI APIを用いた自然言語処理を行います。開発者は、データ抽出、感情分析、意思決定、コンテンツ生成などのタスクに合わせてカスタムエージェントを定義できます。メタエージェントは、タスクの分解、目的の適切なエージェントへの割り当て、出力の収集、フィードバックループによる結果の反復的な改善を行います。そのモジュール式設計により、並列処理、ログ記録、エラー処理をサポートし、マルチステップワークフローや研究パイプライン、動的意思決定支援システムの自動化に最適です。エージェント間の通信とライフサイクル管理を抽象化することで、堅牢な分散AIシステム構築を容易にします。

Multi-Agent-LLMは、大規模言語モデルを利用した複数のAIエージェントの調整を合理化するために設計されています。ユーザーは、個々のエージェントに独自のペルソナ、メモリー、外部ツールやAPIを持たせて定義できます。中央のAgentManagerは通信ループを管理し、エージェントが共有環境でメッセージを交換し、協力して複雑な目標に進むことを可能にします。このフレームワークは、OpenAI、Hugging Faceなどの複数のLLMプロバイダーの切り替え、柔軟なプロンプトテンプレート、会話履歴、ステップごとのツーリングコンテキストをサポートします。開発者は、ログ記録、エラー処理、動的エージェント生成用の組み込みユーティリティの恩恵を受け、多段階のワークフロー、研究タスク、意思決定パイプラインのスケーラブルな自動化を可能にします。