AgentSmithは、複数のAIエージェントを協力して定義、設定、および実行できるPython製のモジュール式エージェントオーケストレーションフレームワークです。各エージェントはリサーチャー、プランナー、コーダー、レビュアーなどの役割を割り当てられ、内部メッセージバスを介して通信します。メモリ管理にはFAISSやPineconeなどのベクトルストアを使用し、タスクのサブタスク化や自動監督もサポートします。エージェントとパイプラインは人間が読めるYAMLファイルで構成され、OpenAI APIやカスタムLLMとシームレスに統合できます。ロギング、モニタリング、エラー処理も内蔵し、ソフトウェア開発フローの自動化、データ分析、意思決定支援システムに最適です。

このリポジトリは、マルチエージェントシステムコンポーネントと分散AIコーディネーション技術の包括的なコレクションをまとめたものです。合意アルゴリズム、契約ネット交渉プロトコル、オークション型タスク割り当て、連合形成戦略、インタエージェント通信フレームワークを実装しています。ユーザーは、内蔵のシミュレーション環境を活用して、様々なネットワークトポロジー、遅延シナリオ、故障モード下でのエージェントの挙動をモデル化・テスト可能です。モジュール化設計により、ロボット群、IoTデバイスコラボレーション、スマートグリッド、分散意思決定システムなどのアプリケーションにおいて、開発者や研究者が個々のコーディネーションモジュールを統合、拡張、カスタマイズできます。

DeepMind MAS Environmentは、マルチエージェント強化学習タスクの構築とシミュレーションのための標準化されたインターフェースを提供するPythonライブラリです。エージェントの数を設定し、観測および行動空間を定義し、報酬構造をカスタマイズできます。フレームワークはエージェント間通信チャネル、パフォーマンスロギング、レンダリング機能をサポートします。研究者はTensorFlowやPyTorchなどの人気RLライブラリとシームレスに統合し、新しいアルゴリズムのベンチマーク、通信プロトコルのテスト、離散および連続制御ドメインの解析が可能です。

IntelligentMASPlatformは、エージェント、環境、サービス層からなるモジュール構造を採用し、開発と展開の加速を目的としています。エージェントはFIPA準拠のACLメッセージを使用して通信し、動的な交渉と調整を実現します。多機能な環境シミュレータを備え、複雑なシナリオをモデリングし、エージェントのタスクをスケジューリングし、ビルトインダッシュボードを通じてリアルタイムにエージェント間の相互作用を可視化します。高度な動作のために、強化学習モジュールを統合し、カスタム動作プラグインもサポートしています。展開ツールにより、エージェントをスタンドアロンアプリケーションまたは分散ネットワークにパッケージ化できます。APIを介して、データベースやIoTデバイス、サードパーティAIサービスとの連携も可能であり、研究、産業自動化、スマートシティのユースケースに適しています。

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。

mcp-agent-graphは、AIエージェント向けのグラフベースのオーケストレーション層を提供し、複雑な多段階ワークフローを有向グラフとしてマッピングします。グラフ内の各ノードはタスクや関数に対応し、入力、出力、依存関係をキャプチャします。エッジは、エージェント間のデータの流れを定義し、正しい実行順序を保証します。エンジンは逐次および並列の実行モードをサポートし、自動依存関係の解決やカスタムPython関数や外部サービスとの連携も可能です。組み込みの可視化により、グラフトポロジーの検査やワークフローのデバッグが行えます。このフレームワークは、モジュール化されたスケーラブルなマルチエージェントシステムの開発を促進し、データ処理、自然言語ワークフロー、またはAIモデルパイプラインの融合に適しています。

Rivalzネットワークは、複数のAIエージェント間のギャップを埋めることを目的として設計されており、情報やリソースを共有できるようにします。この協力的アプローチは、個々のエージェントのパフォーマンスを向上させるだけでなく、全体のAI効率も最大化します。安全なデータ交換を通じて、エージェントはお互いから学び、変化に迅速に適応し、ユーザーに対してより洗練されたソリューションを提供できるようになります。Rivalzを使えば、組織はAI技術の可能性を最大限に引き出し、意思決定の改善と業務の効率化を実現できます。

Team Coordinationは、複雑なタスクに取り組む複数のAIエージェントのオーケストレーションを簡素化する軽量なPythonライブラリです。プランナー、エグゼキューター、評価者、通信者などの専門的な役割を定義し、高レベルの目的を管理可能なサブタスクに分解し、それらを個々のエージェントに割り当て、構造化された通信を促進します。フレームワークは非同期実行、プロトコルルーティング、結果の集約を担当し、AIエージェントのチームが効率的に協力できるようにします。プラグインシステムは、人気のあるLLM、API、およびカスタムロジックとの連携を可能にし、自動カスタマーサポート、研究、ゲームAI、データ処理パイプラインなどのアプリケーションに最適です。明確な抽象化と拡張性のあるコンポーネントにより、Team Coordinationはスケーラブルなマルチエージェントワークフローの開発を促進します。

このリポジトリは、JADEフレームワーク上に構築されたエージェント間の双方向通信のハンズオンデモを提供します。エージェントのセットアップ、FIPA-ACL準拠のメッセージ作成、非同期動作の処理を示すJavaクラスの例を含みます。開発者は、エージェントAがREQUESTを送信し、エージェントBがリクエストを処理し、INFORMメッセージを返す様子を学習できます。コードは、エージェントのDIrectory Facilitatorへの登録、循環型と一回限りの行動の使用、メッセージテンプレートによるメッセージのフィルタリング、会話シーケンスのログ記録を示しています。これは、マルチエージェント間の交換、カスタムプロトコルの試作、JADEエージェントをより大規模な分散AIシステムに統合するための理想的な出発点です。

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。

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。

AgentCrewは、エージェントのライフサイクル、メモリ持続性、タスクスケジューリング、エージェント間通信などの一般的な機能を抽象化することで、AIエージェントの作成と管理を効率化するように設計されています。開発者はカスタムエージェントプロファイルを定義し、トリガーと条件を指定し、OpenAIやAnthropicなどの主要なLLMプロバイダーと連携できます。このフレームワークはPython SDK、CLIツール、RESTfulエンドポイント、および直感的なウェブダッシュボードを提供してエージェントのパフォーマンスを監視します。ワークフローの自動化機能により、エージェントは並列または連続して動作し、メッセージを交換し、インタラクションを記録して監査や再訓練に役立てることができます。モジュール化されたアーキテクチャはプラグイン拡張をサポートし、顧客サービスボットから自動研究アシスタント、データ抽出パイプラインまで、多様なユースケースへ対応可能です。

Agent Supervisor Demonstratesリポジトリは、調整されたワークフローで複数の自律的なAIエージェントをオーケストレーションする方法を示しています。Pythonで構築されており、タスクの配信、エージェントの状態監視、障害時の処理、応答の集約を行うSupervisorクラスを定義しています。基本エージェントクラスの拡張、異なるモデルAPIのプラグイン化、スケジューリングポリシーの構成が可能です。活動を記録し、並列実行をサポートし、モジュール式設計で容易なカスタマイズと大規模なAIシステムへの統合を実現します。

モール推奨マルチエージェントシステムは、小売体験を向上させるためにマルチエージェントアーキテクチャ上に構築されたAI駆動のフレームワークです。来訪者の操作を追跡するショッパーエージェント、過去とリアルタイムデータを分析する嗜好エージェント、そして個別に最適化された商品とプロモーションを提案する推奨エージェントで構成されています。エージェントはメッセージパッシングプロトコルを介して通信し、ユーザーモデルの更新、クロスエージェントの洞察共有、および推奨の動的調整を行います。システムはCMSとPOSと連携し、リアルタイムで在庫と販売情報をフィードバックします。モジュール設計により、開発者はエージェントの動作をカスタマイズし、新しいデータソースを統合し、さまざまなプラットフォームに展開できます。大規模小売環境に最適で、正確かつコンテキスト重視の推薦によって顧客満足度を向上させ、売上を増加させます。

AI Agents with LangGraphは、グラフ表現を利用して自律的なAIエージェント間の関係と通信を定義します。各ノードはエージェントまたはツールを表し、タスクの分解、プロンプトのカスタマイズ、動的なアクションルーティングを可能にします。このフレームワークは一般的なLLMsとシームレスに連携し、カスタムツール関数、メモリストア、デバッグ用ログ出力もサポートします。開発者は複雑なワークフローのプロトタイピング、多ステップの自動化、およびコラボレーションエージェントのやり取りを数行のPythonコードで実現できます。

CHAMP Multiagent AIは、企業のタスクに協力する専門的なAIエージェントを定義、訓練、調整できる統合環境を提供します。データ処理エージェント、意思決定支援エージェント、スケジューリングエージェント、監視エージェントを作成し、それらをビジュアルワークフローやAPI経由で接続できます。モデル管理、エージェント間通信、パフォーマンス監視、既存システムとの連携機能も備え、スケーラブルな自動化とエンドツーエンドのビジネスプロセスの知能的調整を可能にします。

autogen_multiagentは、Pythonで複数のAIエージェントをインスタンス化、設定、調整するための体系的な方法を提供します。動的なエージェント作成、エージェント間メッセージングチャネル、タスク計画、実行ループ、監視ユーティリティを備えています。OpenAI APIとシームレスに連携し、プランナー、エクゼキューター、サマライザーなどの役割を各エージェントに割り当て、その相互作用を調整します。本フレームワークは、自動文書分析、カスタマーサポートの自動化、多段階のコード生成など、モジュール化・スケーラブルなAIワークフローを必要とするシナリオに最適です。

Swarmsは、マルチエージェントAIワークフローの作成、調整、および実行を可能にする開発者向けのフレームワークです。特定の役割を持つエージェントを定義し、LLMプロンプトを介して動作を設定し、外部ツールやAPIにリンクします。Swarmsは、エージェント間の通信、タスク計画、メモリの永続化を管理します。そのプラグインアーキテクチャは、リトリーバー、データベース、監視ダッシュボードなどのカスタムモジュールのシームレスな統合を可能にし、ビルトインコネクタは主要なLLMプロバイダをサポートします。連携したデータ分析、自動化された顧客サポート、複雑な意思決定パイプラインなど、多様なニーズに対応します。

CAMEL-AIは、LLMに対応した複数の自律AIエージェントを構築、構成、および実行できるPythonベースのフレームワークです。リトリーバル増強生成（RAG）、外部ツールの使用、エージェント間通信、メモリおよび状態管理、スケジューリングをサポートしています。モジュール式コンポーネントと簡単な統合により、チームは複雑なマルチエージェントシステムのプロトタイピング、ワークフローの自動化、異なるLLMバックエンド間での実験のスケーリングが可能です。

このリポジトリは、FIPA Contract Netインタラクションプロトコルの完全なJava実装を提供します。管理エージェントと契約エージェントを作成し、CFP（提案呼び出し）、提案、承認、拒否をエージェント通信チャネル経由で交換できます。主要モジュールには、タスクのブロードキャスト、入札収集、カスタマイズ可能な基準による提案評価、契約の授与、実行状況の監視が含まれ、研究シミュレーションや工業スケジューリング、ロボット協調に利用可能です。