Multi-Agent-AI-Models-and-Path-Planningは、古典的および現代的な経路計画手法と組み合わせたマルチエージェントシステムの開発とテストのための包括的なツールキットを提供します。A*、ダイクストラ、RRT、ポテンシャルフィールドなどのアルゴリズムの実装とカスタマイズ可能なエージェント行動モデルを含みます。シミュレーションと可視化モジュールを備え、シナリオ作成、リアルタイム監視、パフォーマンス分析がシームレスに行えます。拡張性を考慮して設計されており、新しい計画アルゴリズムやエージェント決定モデルをプラグインして、複雑な環境での協調ナビゲーションやタスク割り当てを評価できます。

Open Agent Leaderboardは、オープンソースのAIエージェントの評価パイプラインを提供します。推論、計画、質問応答、ツール使用をカバーする厳選されたタスク群、自動実行可能なハーネス、成功率、実行時間、リソース消費などのパフォーマンス指標を収集するスクリプトを備えています。結果は集約され、フィルターやチャート、履歴比較が可能なウェブベースのリーダーボードに表示されます。Dockerによる再現性のある設定、人気のエージェントアーキテクチャ向けの統合テンプレート、拡張可能な構成により、新しいタスクや指標を容易に追加できます。

Vellum AIは、企業が大型言語モデル（LLM）アプリケーションをプロトタイプから生産へと移行させるための包括的なプラットフォームを提供します。プロンプトエンジニアリング、意味検索、モデルバージョン管理、プロンプトチェイニング、そして厳格な定量テストといった高度なツールを備えており、開発者は自信を持ってAI駆動機能を構築・展開することができます。このプラットフォームは、モデルをエージェントと統合するのを支援し、RAGやAPIを使用してAIアプリケーションのシームレスな展開を確保します。

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。