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。

Ageniteは、Pythonを中心としたAIエージェントフレームワークであり、自律型エージェントの作成、オーケストレーション、管理を合理化します。メモリストア、タスクスケジューラー、およびイベント駆動型通信チャネルなどのモジュール式コンポーネントを提供し、状態を持つ相互作用、多段階推論、および非同期ワークフローを実現できるエージェントを構築可能です。外部API、データベース、メッセージキューへ接続するアダプターを提供し、そのプラガブルアーキテクチャは自然言語処理、データ取得、意思決定用のカスタムモジュールをサポートします。Redis、SQL、インメモリキャッシュ用のストレージバックエンドを内蔵し、永続的なエージェントの状態を保証し、スケーラブルなデプロイメントを可能にします。また、リモート制御用のコマンドラインインターフェースとJSON-RPCサーバも備えています。

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。

AIPEは、メモリ、プランニング、ツール使用、多エージェント協力のためのプラガブルモジュールを備え、AIエージェントのオーケストレーションを集中管理します。開発者はエージェンターソナを定義し、ベクトルストアを介してコンテキストを取り込み、外部APIやデータベースを統合できます。フレームワークは、プロンプトのテスト、エージェントの状態監視、タスクのチェイン化のためのWebダッシュボードとCLIを内蔵しています。RedisやSQLite、インメモリストアなど、多様なメモリバックエンドに対応しています。複数のエージェント設定では、データ抽出、分析、要約といった役割を割り当てて協力します。プロンプトエンジニアリングやAPIラッパー、エラー処理を抽象化することで、ドキュメントQA、顧客支援、自動化ワークフローの展開を加速します。

LightJason Benchmarkは、LightJasonフレームワーク上に構築されたマルチエージェントアプリケーションのストレステストと評価のための事前定義およびカスタマイズ可能なシナリオの包括的なセットを提供します。ユーザーはエージェント数、通信パターン、環境パラメータを設定して、実世界の負荷をシミュレートし、システムの動作を評価できます。測定指標には、メッセージのスループット、エージェントの応答時間、CPUとメモリの消費量が含まれ、CSVやグラフ形式で結果を出力します。JUnitと連携することで、自動化されたテストパイプラインにシームレスに組み込み、回帰やパフォーマンステストをCI/CDの一部として実行可能です。調整可能な設定と拡張可能なシナリオテンプレートにより、性能のボトルネックを特定し、スケーラビリティを検証、ハイパフォーマンスで弾力的なマルチエージェントシステムのアーキテクチャ最適化を支援します。

MARFTはPythonベースのLLMを対象とし、再現性のある実験と協調AIシステムの迅速なプロトタイピングを可能にします。

Maxun.devは、ノーコード/ローコードのAIエージェントフレームワークであり、開発者や企業が特定のタスクに合わせたインテリジェントエージェントを作成できるようにします。ユーザーは視覚的なインターフェースを通じてエージェントのワークフローを定義し、外部APIやデータソースを統合し、コンテキスト理解用のメモリモジュールを設定できます。プラットフォームは複数エージェントの調整、リアルタイム監視、パフォーマンス分析をサポートし、エージェントの動作を最適化します。コラボレーションツール、バージョン管理、一クリック展開により、プロトタイプから本番までのライフサイクルを簡素化し、カスタマーサポート、ドキュメント管理、ビジネスプロセスのAI駆動の自動化を加速します。

マルチエージェント・ディベートは、AIエージェント間のインタラクティブな議論を調整するための包括的なツールキットを提供します。開発者はリポジトリをクローンし、依存関係をインストールし、設定ファイルでPro、Con、Moderatorなどの役割を定義します。フレームワークはOpenAIや互換性のあるLLM APIを利用して、構造化された議論のラウンド（開会声明、反論、締めくくり）を生成します。各ラウンド後、モデレーターエージェントが重要なポイントを合成し、ログを記録します。ユーザーは議論の長さやエージェントの性格、スコアリングメトリクスを調整できます。モジュール式設計により、カスタムLLMやプラグイン、分析用の可視化ツールとの統合が可能です。これにより、AI駆動の議論、コラボレーティブな意思決定、自動コンテンツ生成の研究を加速します。

MultiAgent-Systems-StarCraft2-PySC2-Rawは、StarCraft IIで複数のAIエージェントを開発、訓練、評価するための完全なツールキットを提供します。ユニットの移動やターゲット指定、能力制御の低レベルコントロールを公開し、柔軟な報酬設計とシナリオ構成を可能にします。ユーザーはカスタムニューラルネットワークアーキテクチャを簡単に組み込み、チーム間の協調戦略を定義し、メトリクスを記録できます。PySC2上に構築されており、並列訓練、チェックポイント作成、可視化をサポートし、協調型・対抗型のマルチエージェント強化学習の研究を進めるのに理想的です。

OpenSpielは、シンプルな行列ゲームからチェス、囲碁、ポーカーなどの複雑なボードゲームまでの幅広い環境を提供し、価値反復法、方針勾配法、MCTSなどのさまざまな強化学習と探索アルゴリズムを実装しています。そのモジュール式のC++コアとPythonバインディングにより、ユーザーはカスタムアルゴリズムの導入や新しいゲームの定義、標準ベンチマーク間での性能比較が可能です。拡張性を念頭に設計されており、単一エージェントおよび多エージェントの設定をサポートし、協調と競争のシナリオの研究を可能にします。研究者はOpenSpielを活用してアルゴリズムを迅速に試作し、大規模な実験を行い、再現可能なコードを共有しています。