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。

EthicalEvalMASは、正義、自律性、プライバシー、透明性、善行などの重要な倫理的次元において、多エージェントシステムを評価するためのモジュール式環境を提供します。ユーザーはカスタムシナリオを生成したり、ビルトインのテンプレートを利用したり、独自のメトリクスを定義したり、自動評価スクリプトを実行したり、ビルトインのレポートツールで結果を可視化したりできます。その拡張可能なアーキテクチャは、既存のMASプラットフォームとの統合をサポートし、異なるエージェントの行動に対して再現性のある倫理的ベンチマークを促進します。

Ollama Workflowsは、Ollama LLMフレームワーク上に構築されたカスタマイズ可能なAIエージェントパイプラインのオープンソースライブラリです。要約、翻訳、コードレビュー、データ抽出、メールドラフトなど、多数の即時利用可能なワークフローをYAMLまたはJSON定義でチェーン化できます。ユーザーはOllamaをインストールし、リポジトリをクローンし、ワークフローを選択またはカスタマイズし、CLIを介して実行します。すべての処理はローカルで行われ、データプライバシーを保護しながら迅速な反復と一貫性のある出力を維持できます。

multiagent_envsは、マルチエージェント強化学習の研究開発向けに設計されたモジュール式のPython環境群です。協調ナビゲーション、捕食者-獲物、社会的ジレンマ、競争アリーナなどのシナリオを含みます。各環境ではエージェント数や観測特徴、報酬関数、衝突ダイナミクスを設定可能です。フレームワークはStable BaselinesやRLlibなどの人気RLライブラリとシームレスに統合されており、ベクトル化された学習ループ、並列実行、ログ記録が容易です。既存シナリオの拡張や新規作成もAPIを通じて容易に行え、MADDPG、QMIX、PPOなどのアルゴリズムを用いた実験を一貫した再現性のある環境で加速します。