MultiAgentModelは、マルチエージェントシナリオのためのカスタム環境とエージェントクラスを定義する統一APIを提供します。観測空間と行動空間、報酬構造、通信チャネルを指定できます。PPO、DQN、A2Cなどの人気のRLアルゴリズムに標準サポートがあり、最小限の設定で訓練が可能です。リアルタイムの可視化ツールがエージェントのインタラクションとパフォーマンス指標を監視します。モジュール式のアーキテクチャにより、新しいアルゴリズムやカスタムモジュールの統合も容易です。柔軟な設定システムによるハイパーパラメータ調整、実験追跡用のログユーティリティ、シームレスなポータビリティのためのOpenAI Gym環境との互換性も含まれています。ユーザーは共有環境で協力したり、ログインされたセッションをリプレイして分析できます。

AgentSimJSは、JavaScriptで大規模なエージェントベースのモデルの作成と実行を簡素化するように設計されています。モジュール式のアーキテクチャにより、開発者は状態、センサー、意思決定関数、アクチュエータを持つエージェントを定義し、それらをグローバル変数でパラメータ化された動的な環境に統合できます。フレームワークは、離散時間ステップのシミュレーションを調整し、エージェント間のイベント駆動型メッセージングを管理し、相互作用データを記録します。視覚化モジュールは、HTML5 Canvasや外部ライブラリを使用したリアルタイムレンダリングをサポートし、プラグインを通じて統計ツールとの連携も可能です。AgentSimJSは、現代のウェブブラウザとNode.jsの両方で動作し、インタラクティブなWebアプリケーション、学術研究、教育ツール、群知能、集団ダイナミクス、分散AIの実験の迅速なプロトタイピングに適しています。

エージェントスピークは、BDI（Belief-Desire-Intention）自律エージェントの作成と管理を促進するためのJavaをベースとしたオープンソースのAgentSpeak（L）プログラミング言語の実装です。エージェントスピークはエージェントの信念ベースを維持し、イベントをトリガーし、現在の信念と目標に基づいてプランを選択・実行するランタイム環境を備えています。インタプリタは並行エージェントの実行、動的プランの更新、カスタマイズ可能なセマンティクスをサポートします。モジュール設計により、開発者はプラン選択や信念修正などのコアコンポーネントを拡張できます。エージェントスピークは学術・産業界の開発者に、知能エージェントのプロトタイピング、シミュレーション、展開を支援します。

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。

AmongAとマルチエージェントAIシステムの研究。シンプルなPython APIを通じて、ユーザーは任意の数のAIエージェントをインスタンス化し、それぞれにカスタマイズされたペルソナ、プロンプト、記憶バッファを持たせることができます。エージェントは設定可能な会話ループに参加し、ディベート、ブレインストーミング、意思決定、ゲームシミュレーションをサポートします。このフレームワークは、主要なLLM API（例：OpenAI、Anthropic）とシームレスに統合されており、メッセージベースのインタラクションとトランスクリプトのロギングを可能にします。開発者は、エージェントのロールをカスタマイズし、ターンの取り方を制御し、外部データソースを接続することで挙動を拡張できます。AmongAIsはまた、感情分析、スコア評価、セッション再生のユーティリティも提供します。新たな通信、コラボレーションのアイデア出し、デジタルワーカーの調整を研究・実践環境で探求するチームに理想的です。

バークレーPacmanプロジェクトリポジトリは、ユーザーがPacman迷路でAIエージェントを構築・テストできるモジュラーPythonコードベースを提供します。非情報探索（DFS、BFS、A*）、敵対的多エージェント探索（ミニマックス、アルファベータ剪定）、強化学習（特徴抽出を伴うQ学習）を学習者が理解できるようにガイドします。統合されたグラフィカルインターフェースはエージェントの挙動をリアルタイムで可視化し、組み込みのテストケースとオートグレーダーが正確性を検証します。アルゴリズムの実装を反復することで、状態空間探索、ヒューリスティック設計、敵対的推論、報酬ベースの学習に関する実践的な経験を得ることができます。

ComfyUI LLM Partyは、視覚的なAIワークフローと連携してテキスト対話を調整するためのLLMパワードノード群を提供し、ノードベースのComfyUI環境を拡張します。大規模言語モデルと対話するチャットノード、コンテキストを保持するメモリノード、多エージェント対話を管理するルーティングノードを備えています。ユーザーは言語生成、要約、意思決定操作をパイプライン内で連結でき、テキストAIと画像生成を統合します。カスタムプロンプトテンプレート、変数管理、条件分岐もサポートし、ナarrative生成、画像キャプション付け、動的シーン説明を自動化できます。モジュール設計により既存のノードとのシームレスな統合が可能で、アーティストや開発者がプログラミングの専門知識なしに高度なAIエージェントワークフローを構築できます。

UnitMesh Frameworkは、AIエージェントのチェーンを定義、管理、実行するための柔軟でモジュール式の環境を提供します。OpenAI、Anthropic、カスタムモデルとのシームレスな統合を可能にし、PythonやNode.js SDKをサポートし、組み込みのメモリストアやツールコネクタ、プラグインアーキテクチャを備えています。開発者は並列または逐次のエージェントワークフローをオーケストレーションし、実行ログを追跡し、カスタムモジュールを通じて機能拡張も可能です。イベント駆動設計により、クラウドやオンプレミスの展開で高性能と拡張性を実現します。

ElizaOSは、TypeScriptプロジェクト内で自律AIエージェントを設計、テスト、展開するための堅牢なツールセットを提供します。開発者はエージェントのキャラクター、目標、およびメモリ階層を定義し、ElizaOSの計画システムを利用してタスクのワークフローを概説します。モジュラーコネクタアーキテクチャにより、Discord、Telegram、Slack、Xなどの通信プラットフォームやWeb3アダプタを通じたブロックチェーンネットワークとの統合が容易です。ElizaOSは、OpenAI、Anthropic、Llama、Geminiなど複数のLLMバックエンドをサポートし、モデル間のシームレスな切り替えを可能にします。プラグインサポートは、カスタムスキルやロギング、監視機能を拡張します。CLIおよびSDKを使用して、チームはエージェント設定の反復、ライブパフォーマンスの監視、クラウドやオンプレミスでの展開をスケールアップします。ElizaOSは、自動化された顧客対応、ソーシャルメディアエンゲージメント、ビジネスプロセスを自律的なデジタルワーカーで自動化することを可能にします。

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。

GenFuse AIは、ユーザーがさまざまなタスクを自動化するためにカスタムAIエージェントを作成できるノーコードプラットフォームを提供します。ビジュアルワークフロービルダーを使用して、AIエージェントとツールを接続し、マルチエージェント自動化を設計できます。プラットフォームには、自動実行パイプライン、自己学習エージェント、および迅速に始めるための事前構築されたテンプレートが含まれています。GenFuse AIはモデル依存がなく、各エージェントに最適なモデルを選択でき、アプリやカスタムツールと統合できます。

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。

Isekはモジュール式アーキテクチャを持つ開発者向けプラットフォームです。ツールやデータソース用のプラグインシステム、コンテキスト保持のための内蔵メモリー、多段階タスクを調整するプランニングエンジンを備えています。ローカルまたはクラウドにエージェントを展開でき、任意のLLMバックエンドを統合可能。コミュニティやカスタムモジュールを通じて機能を拡張できます。テンプレート、SDK、CLIツールを用いてチャットボット、バーチャルアシスタント、自動化ワークフローの迅速な開発を実現します。

LinkAgentはプラグイン可能なコンポーネントを備えた軽量マイクロカーネルを提供し、ユーザは言語モデルバックエンド、検索モジュール、外部APIをツールとして登録し、内蔵されたプランナーやルーターを用いてワークフローを構築できます。メモリハンドラーにより文脈の継続、動的なツール呼び出し、多段階推論のための決定論理の設定をサポートします。少ないコード量で、QA、データ抽出、プロセスオーケストレーション、レポート生成などのタスクを自動化可能です。

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。

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。

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。

マルチエージェントシステムは、分散エージェントベースのアーキテクチャの作成、設定、および実行を容易にするために設計されています。開発者は、エージェントの動作、通信オントロジー、およびサービスの記述をJavaクラス内で定義できます。フレームワークは、コンテナの設定、メッセージの送受信、およびライフサイクル管理を処理します。標準のFIPAプロトコルに基づいており、ピアツーピア交渉、協力的計画、モジュール拡張をサポートします。ユーザーは、シングルマシンまたはネットワーク上のホスト間でマルチエージェントシナリオを実行、監視、デバッグでき、研究、教育、小規模展開に最適です。

MultiAgent2は、大規模言語モデルを搭載した自律型AIエージェントを統括する包括的なツールキットを提供します。開発者は、カスタマイズ可能なペルソナ、戦略、メモリコンテキストを持つエージェントを定義でき、会話、情報共有、共同問題解決を行えます。長期記憶用のプラグイン可能なストレージ、役割ベースの共有データアクセス、同期または非同期のダイアログ用に設定可能な通信チャネルをサポートします。CLIとPython SDKを用いて、研究実験、自動顧客サポート、コンテンツ生成パイプライン、意思決定支援ワークフローなどでマルチエージェントシステムのプロトタイピング、テスト、展開を迅速に行えます。エージェント間通信とメモリ管理を抽象化することで、複雑なAI駆動型アプリケーションの開発を加速します。

NeuralABMは、PyTorchを利用したオープンソースのPythonライブラリで、ニューラルネットワークをエージェントモデルに統合します。ユーザーは、ニューラルモジュールとしてエージェントのアーキテクチャを指定し、環境ダイナミクスを定義し、シミュレーションステップ全体での逆伝播を用いてエージェントの行動を訓練できます。フレームワークは、カスタム報酬信号、カリキュラム学習、および同期・非同期の更新をサポートし、出現する現象の研究を可能にします。ロギング、可視化、データセットエクスポートのユーティリティを備え、研究者や開発者はエージェントのパフォーマンスを分析し、モデルのデバッグやシミュレーション設計の反復ができます。NeuralABMは、社会科学、経済学、ロボティクス、ゲームNPCのAI駆動行動において、強化学習とABMを組み合わせることを容易にします。環境カスタマイズのためのモジュール式コンポーネント、多エージェント間の相互作用をサポートし、外部データセットやAPIをリアルワールドのシミュレーションに統合するフックも提供します。オープンな設計は、明確な実験設定とバージョン管理の連携により、再現性とコラボレーションを促進します。