MARL Simulatorは、効率的かつスケーラブルなマルチエージェント強化学習（MARL）アルゴリズムの開発を促進するために設計されています。PyTorchの分散バックエンドを利用して、複数のGPUまたはノード間で並列トレーニングを行うことができ、実験の実行時間を大幅に短縮します。シミュレーターは、協調ナビゲーション、プレイヤー対プレイヤー、グリッドワールドなどの標準ベンチマークシナリオと、ユーザー定義のカスタム環境をサポートするモジュール式の環境インターフェイスを提供します。エージェントは、アクションの調整、観測の共有、および報酬の同期にさまざまな通信プロトコルを利用できます。設定可能な報酬と観測空間により、トレーニング動態の詳細な制御が可能です。内蔵のログ記録と可視化ツールにより、パフォーマンス指標のリアルタイムの洞察を提供します。

Autonomys Agentsは、複雑なタスクを手動介入なしで実行できる自律型AIエージェントの作成を開発者に可能にします。Pythonを基盤として、エージェントの振る舞い定義、外部APIやカスタム関数の統合、インタラクション間の会話記憶の維持を行うツールを提供します。エージェントはマルチエージェント環境で協働し、知識を共有しながら行動をコーディネートします。可観測性モジュールはリアルタイムのロギング、パフォーマンストラッキング、デバッグインサイトを提供します。そのモジュラーアーキテクチャにより、コアコンポーネントの拡張や新しいLLMの統合、異なる環境へのエージェント展開が可能です。カスタマーサポートの自動化、データ分析、研究ワークフローのコーディネーションなど、Autonomys Agentsはエンドツーエンドの知的自律システムの開発と管理を効率化します。

Agent Loggingは、AIエージェントフレームワークやカスタムワークフローのための統一されたログフレームワークを提供します。エージェントの実行の各ステージ（プロンプト生成、ツールの呼び出し、LLMの応答、最終出力）をインターセプトし、タイムスタンプやメタデータとともに記録します。ログはJSON、CSVにエクスポートしたり、モニタリングサービスに送信したりできます。カスタマイズ可能なログレベルや観測性プラットフォームとのフック、決定経路を追跡するためのビジュアライゼーションツールもサポートします。Agent Loggingを使用することで、チームはエージェントの挙動を洞察し、パフォーマンスのボトルネックを特定し、監査のための透明な記録を維持できます。