JADEはJavaベースのエージェント開発フレームワークで、分散型マルチエージェントシステムの作成を容易にします。FIPA準拠のインフラストラクチャ（ランタイム環境、メッセージ転送、ディレクトリファシリテーター、エージェント管理）を提供します。開発者はJavaでエージェントクラスを書き、コンテナに展開し、RMAやSnifferなどのグラフィカルツールを使用してデバッグや監視を行います。JADEはエージェントのモビリティ、動作スケジューリング、ライフサイクル操作をサポートし、研究やIoTコーディネーション、シミュレーション、エンタープライズオートメーションのためのスケーラブルでモジュール化された設計を可能にします。

JARVIS-1は、自然言語インターフェース、メモリモジュール、プラグイン駆動のタスク実行エンジンを組み合わせたモジュール式アーキテクチャを提供します。GPT-index上に構築されており、会話を保持し、コンテキストを取得し、ユーザーのインタラクションとともに進化します。ユーザーはシンプルなプロンプトを通じてタスクを定義し、JARVIS-1はジョブのスケジューリング、コードの実行、ファイル操作、Webブラウジングを調整します。プラグインシステムにより、データベース、メール、PDF、クラウドサービスとのカスタム連携が可能です。Linux、macOS、Windows上のDockerまたはCLI経由で展開でき、オフライン動作と完全なデータ制御を保証し、開発者、DevOpsチーム、パワーユーザーにとって安全で拡張性のある自動化ツールです。

JASAは、マルチエージェントシステムのシミュレーション構築と実行のための包括的なJavaライブラリセットを提供します。エージェントのライフサイクル管理、イベントスケジューリング、非同期メッセージパッシング、環境モデリングをサポートします。開発者はコアクラスを拡張してカスタム動作を実装し、外部データソースと連携し、シミュレーション結果を可視化できます。フレームワークのモジュラー設計と明確なAPIドキュメントにより、迅速なプロトタイピングとスケーラビリティを実現し、学術研究、教育、エージェントベースのモデリングの概念実証に適しています。

Julep AIは、データサイエンスチームが迅速にマルチステップのAIワークフローを構築、反復、デプロイできるように設計されたオープンソースプラットフォームです。Julepを使用すると、エージェント、タスク、ツールを使ってスケーラブルで耐久性のある長期間実行可能なAIパイプラインを作成できます。このプラットフォームのYAMLベースの設定は、複雑なAIプロセスを簡素化し、製品準備が整ったワークフローを保証します。迅速なプロトタイピング、モジュール設計、既存システムとのシームレスな統合をサポートし、数百万の同時ユーザーを処理しながらAI業務の完全な可視化を提供します。

LangChainは、外部データソースやツールと連携して高度なAIアプリケーションを作成するためのモジュール式フレームワークです。連続したLLM呼び出し用のチェーン抽象化、意思決定ワークフローのためのエージェントオーケストレーション、コンテキスト維持のためのメモリモジュール、ドキュメントローダー、ベクトルストア、APIツールとの連携を提供します。PythonとJavaScriptのSDKに対応し、チャットボットやQAシステム、パーソナライズされたアシスタントのプロトタイピングと展開を加速します。

LangChainは、開発者向けに設計されたフレームワークで、知能的なAIエージェントおよびアプリケーションの作成を効率化します。LLM呼び出しのチェーン、ツール連携を備えたエージェント挙動、コンテキスト保持のためのメモリ管理、カスタマイズ可能なプロンプトテンプレートの抽象化を提供します。ドキュメントローダー、ベクトルストア、さまざまなモデルプロバイダーのサポートにより、検索強化生成パイプライン、自律型エージェント、APIやデータベース、外部システムと連携する会話補助ツールを構築できます。

Langchainrbは、エージェント、チェーン、ツールのモジュール式フレームワークを提供するオープンソースのRubyライブラリです。開発者は、プロンプトテンプレートを定義し、LLM呼び出しのチェーンを組み立て、コンテキストを保持するためのメモリコンポーネントを統合し、ドキュメントローダーや検索APIなどのカスタムツールと連携できます。意味検索のための埋め込み生成、組み込みのエラー処理、モデルの柔軟な設定もサポートします。エージェントの抽象化により、ユーザー入力に基づいてツールやチェーンを適切に選択する会話支援システムの実装も可能です。拡張性の高いアーキテクチャにより、チャットボット、要約パイプライン、Q&Aシステム、自動化されたワークフローのプロトタイプ作成が容易です。

LangGraph Cookbookは、ワークフローを有向グラフとして表現することで高度なAIエージェントを構築するためのレシピを提供します。各ノードは、プロンプト、ツール呼び出し、データコネクタ、後処理ステップをカプセル化できます。レシピは、ドキュメントの質問応答、要約、コード生成、多ツールコーディネーションなどのタスクをカバーします。開発者はこれらのパターンを学び、カスタムLLM搭載アプリの迅速な試作に適用しやすく、モジュール性、再利用性、実行の透明性を高めることができます。

LifelongAgentBenchは、実世界の継続的学習環境をシミュレートするよう設計されており、開発者は進化するタスクのシーケンスにわたってAIエージェントをテストできます。フレームワークは、新しいシナリオを定義し、データセットを読み込み、メモリ管理ポリシーを設定するためのプラグアンドプレイAPIを提供します。内蔵の評価モジュールは、フォワードトランスファー、バックワードトランスファー、忘却率、累積パフォーマンスなどの指標を計算します。ユーザはベースライン実装を展開したり、独自のエージェントを統合したりして、同一の設定下で直接比較できます。結果は標準化されたレポートとしてエクスポートされ、インタラクティブなグラフや表を備えています。モジュール式アーキテクチャは、カスタムデータローダーや指標、可視化プラグインの拡張をサポートし、多様な応用分野に適応可能です。

LLM to MCP Integration Engineは、大規模言語モデル（LLMs）をさまざまなメッセージ通信プラットフォーム（MCP）と統合するためのオープンソースフレームワークです。OpenAIやAnthropicなどのLLM APIに対応したアダプターと、Slack、Discord、Telegramなどのチャットプラットフォーム向けコネクタを提供します。エンジンはセッションの状態を管理し、コンテキストを拡充し、双方向にメッセージをルーティングします。そのプラグインベースのアーキテクチャにより、新しいプロバイダーのサポート拡張やビジネスロジックのカスタマイズが可能で、AIエージェントの本番環境での展開を促進します。

LLMWareは、大規模言語モデルによるAIエージェント構築のための包括的なツールキットです。再利用可能なチェーンの定義、外部ツールの簡単なインターフェースによる統合、コンテキストメモリの管理、多言語モデルと下流サービス間での多段階推論のオーケストレーションを行えます。LLMWareを使用すると、開発者はさまざまなモデルバックエンドをプラグインし、エージェントの意思決定ロジックを設定し、Web閲覧、データベースクエリ、API呼び出しなどのタスクにカスタムツールキットを追加できます。モジュラー設計により、自律型エージェント、チャットボット、研究アシスタントの迅速なプロトタイピングが可能です。ビルトインのロギング、エラー処理、展開用アダプターも備え、開発と本番環境の両方に対応します。

MAGI（モジュラーAIジェネレーティブインテリジェンス）は、AIエージェントの作成と管理を容易にするために設計されたオープンソースフレームワークです。プラグインアーキテクチャによりカスタムツールの統合、永続的なメモリモジュール、思考の連鎖による計画、リアルタイムのマルチステップワークフローの調整を提供します。外部APIやローカルスクリプトをエージェントツールとして登録し、メモリバックエンドを設定し、タスクポリシーを定義できます。MAGIの拡張可能な設計は同期および非同期のタスクの両方に対応しており、チャットボット、自動化パイプライン、研究プロトタイプに最適です。

MAPF_G2RLは、グラフ理論と深層強化学習を橋渡しし、マルチエージェント経路探索（MAPF）問題に取り組むオープンソースの研究フレームワークです。ノードとエッジをベクトル表現にエンコードし、空間的かつ衝突認識型の報酬関数を定義し、DQN、PPO、A2CなどのさまざまなRLアルゴリズムをサポートします。このフレームワークは、ランダムなグラフを生成したり、実世界の地図をインポートしてシナリオを自動作成し、複数のエージェントのポリシーを最適化する訓練ループを調整します。学習後、エージェントはシミュレーション環境で評価され、経路の最適性、所要時間、成功率を測定します。そのモジュール化設計により、研究者はコアコンポーネントを拡張し、新しいMARL手法を統合し、従来のソルバーと比較評価することができます。

MARL-DPPは、決定点過程（DPP）を用いて多様性を強制するマルチエージェント強化学習（MARL）を可能にするオープンソースのフレームワークです。従来のMARLアプローチは、しばしばポリシーが似た行動へ収束してしまう問題があり、MARL-DPPはこれをDPPベースの指標を取り入れることで、エージェントが多様な行動分布を維持できるよう支援します。ツールキットは、DPPを訓練目的、ポリシーサンプリング、探索管理に組み込むためのモジュール化されたコードを提供します。標準のOpenAI Gym環境やMulti-Agent Particle Environment（MPE）との即時連携、ハイパーパラメータ管理、ロギング、多様性指標の可視化ツールも備えています。研究者は、多様性制約が協調タスク、資源配分、競争ゲームに与える影響を評価できます。拡張性の高い設計により、カスタム環境や高度なアルゴリズムの導入も容易で、新しいMARL-DPPバリアントの探索を促進します。

PersonalAIは、高度なLLMの統合と持続的なセマンティックメモリ、拡張可能なプラグインシステムを組み合わせた包括的なエージェントフレームワークを提供します。開発者はRedis、SQLite、PostgreSQL、またはベクトルストアなどのメモリバックエンドを設定し、埋め込みを管理し過去の会話を呼び出すことができます。内蔵プラグインは、Web検索、ファイルの読み書き、Pythonコードの実行などをサポートし、堅牢なプラグインAPIによりカスタムツールの作成が可能です。エージェントはLLMのプロンプトとツール呼び出しを管理し、コンテキストに基づく応答と自動化を実現します。ローカルのHugging FaceのLLMや、クラウドサービスのOpenAIやAzure OpenAIを利用できます。個別のドメインに特化したアシスタント、研究ロボット、自律学習型のナレッジマネジメントエージェントの迅速なプロトタイピングを可能にする、モジュラーな設計です。

Mavaは、マルチエージェント強化学習システムの開発、訓練、評価のためのJAXベースのオープンソースライブラリです。 MAPPOやMADDPGなどの協調・競合アルゴリズムをあらかじめ実装し、単一ノードや分散ワークフローをサポートする設定可能なトレーニングループを備えています。研究者はPettingZooから環境をインポートしたり、カスタム環境を定義したりして、政策最適化、リプレイバッファ管理、指標ロギングのためのモジュールを利用できます。フレームワークの柔軟な設計により、新しいアルゴリズムやカスタム観測空間、報酬構造のシームレスな統合が可能です。JAXの自動ベクトル化とハードウェア加速機能を活用し、効率的な大規模実験と、多様なマルチエージェントシナリオでの再現性のあるベンチマークを保証します。

MCP Browser Agentは、大規模言語モデルを活用したブラウザベースの自律AIエージェントフレームワークであり、ウェブナビゲーション、データスクレイピング、コンテンツ要約、フォーム操作、自動化タスクシーケンスを実行します。軽量なJavaScriptライブラリとして構築されており、OpenAIのGPT APIとシームレスに統合され、開発者はカスタムアクション、メモリストア、プロンプトチェーンをプログラムで定義できます。エージェントはリンクをクリックし、フォームを記入し、表データを抽出し、ページ内容を要約します。非同期実行、エラーハンドリング、ブラウザストレージを用いたセッション保持もサポートしています。柔軟なインタフェースと拡張可能なアクションモジュールにより、知的ブラウザアシスタントの作成を簡素化し、生産性向上やワークフローの効率化、手動ブラウジングタスクの削減に寄与します。

Micro-agentは、大規模言語モデルを使用した高度なAIエージェントの作成を容易にする、軽量で意見を持たないJavaScriptライブラリです。エージェント、ツール、プランナー、メモリストアなどのコア抽象を公開し、開発者はカスタムの会話フローを組み立てることができます。エージェントは、外部APIや内部ユーティリティをツールとして呼び出し、動的なデータ取得やアクション実行を可能にします。このライブラリは、短期的な会話のメモリと長期的な永続メモリの両方をサポートし、セッション間のコンテキストを維持します。プランナーは、思考の連鎖を調整し、複雑なタスクをツール呼び出しや言語モデルのクエリに分解します。設定可能なプロンプトテンプレートと実行戦略により、Micro-agentはフロントエンドWebアプリ、Node.jsサービス、エッジ環境にシームレスに適応し、チャットボットやバーチャルアシスタント、自律意思決定システムの基盤を提供します。

micro-agentは最小限かつ強力な抽象化を提供し、TypeScriptで構築されており、ブラウザとNode.jsの両方でシームレスに動作します。カスタムのプロンプトテンプレート、意思決定ロジック、拡張可能なツール統合を持つエージェントの定義が可能です。思考の連鎖推論を活用し、外部APIと連携し、会話またはタスク固有のメモリを保持できます。本ライブラリにはAPIレスポンス処理、エラー管理、セッション永続化用のユーティリティが含まれ、workflowの自動化や会話インターフェースの構築、データ処理パイプラインのオーケストレーションなど、さまざまなタスク向けのエージェントの試作と導入を、より小さなフレームワークの負荷なしで行えます。そのモジュール式設計と明確なAPIによって、拡張や既存アプリへの統合が容易です。

MIDCAは、インテリジェントエージェントの完全な認知ループをサポートするために設計されたモジュール式認知アーキテクチャです。感覚入力を知覚モジュールで処理し、データを解釈して目標を生成および優先順位付けし、計画者を利用して行動シーケンスを作成し、タスクを実行し、その結果をメタ認知層で評価します。二重サイクルの設計により、素早い反応と遅い熟慮的推論が分離され、エージェントの動的適応を可能にします。MIDCAの拡張性の高いフレームワークとオープンソースのコードベースは、自律的意思決定、学習、自己反省を追求する研究者や開発者に最適です。