Vanilla Agentsは、モジュール化され拡張可能なコア強化学習エージェントの実装を提供する軽量なPyTorchベースのフレームワークです。DQN、ダブルDQN、PPO、A2Cなどのアルゴリズムをサポートし、OpenAI Gymと互換性のあるプラグイン可能な環境ラッパーを備えています。ユーザーはハイパーパラメータの設定、トレーニングメトリクスのログ記録、チェックポイントの保存、学習曲線の可視化を行えます。コードベースは明確に構成されており、研究のプロトタイピング、教育用途、新しいアイデアのベンチマークに最適です。

Agent Scriptは、大規模言語モデル上に宣言型スクリプト層を提供し、YAMLまたはJSONのスクリプトを書いてエージェントのワークフロー、ツール呼び出し、メモリ使用を定義できます。OpenAIやローカルLLM、その他のプロバイダーをプラグインし、外部APIをツールとして接続し、長期メモリバックエンドを設定可能です。このフレームワークは、コンテキスト管理、非同期実行、詳細なロギングを標準で処理します。最小限のコードでチャットボット、RPAワークフロー、データ抽出エージェント、カスタム制御ループのプロトタイピングが可能であり、AI駆動の自動化の構築、テスト、展開を容易にします。

Minimalist Agentは、PythonでAIエージェントを構築するためのベーシックなフレームワークです。LangChainのエージェントクラスとOpenAIのAPIを活用し、マルチステップ推論、ツールの動的選択、関数の実行を行います。リポジトリをクローンし、OpenAI APIキーを設定し、カスタムツールやエンドポイントを定義して、CLIスクリプトを実行してエージェントと対話できます。設計は明快さと拡張性を重視しており、コアエージェントの挙動を学習、変更、拡張しやすくなっています。

組み込みBDIは完全なBDIライフサイクルエンジンを提供します：環境に関するエージェントの信念をモデル化し、進化する願望や目標を管理し、計画ライブラリから意図を選択し、リアルタイムで挙動を実行します。フレームワークには、信念ベースのストレージ、計画ライブラリの定義、イベントトリガー、およびメモリ制約のあるマイクロコントローラ向けの並行制御のモジュールが含まれます。シンプルなAPIにより、開発者は信念に注釈を付け、願望を指定し、コード内で計画を実装できます。スケジューラは優先度に基づく意図の実行を処理し、センサー、アクチュエータ、ネットワーク通信用のハードウェアインターフェースと連携します。これにより、自律的なIoTデバイスやモバイルロボット、産業用コントローラーに最適です。

実践的には、LlamaSimを使って複数のAIエージェントをLlamaモデルで定義し、インタラクションシナリオを設定し、制御されたシミュレーションを実行できます。Python APIを用いてエージェントの性格、意思決定ロジック、通信チャネルをカスタマイズ可能です。フレームワークはプロンプトの構築、応答の解析、および会話状態の追跡を自動的に処理します。全てのインタラクションを記録し、応答の一貫性、タスク完了率、遅延時間などのビルトイン評価指標を提供します。プラグインアーキテクチャにより、外部データソースの統合やカスタム評価関数の追加が可能です。また、LlamaSimの軽量コアは、ローカル開発、CIパイプライン、クラウド展開に適しており、再現性のある研究やプロトタイプの検証を可能にします。

MASliteは、エージェントクラスを作成し、動作を登録し、エージェント間のイベント駆動型メッセージングを処理するための明確なAPIを提供します。エージェントのタスクを管理するスケジューラー、相互作用をシミュレートするための環境モデル、およびコア機能を拡張するプラグインシステムを含みます。開発者は、エージェントのライフサイクルメソッドを定義し、チャネルを介してエージェントを接続し、ヘッドレスモードでシミュレーションを実行するか、可視化ツールと統合して迅速にマルチエージェントシナリオをプロトタイピングできます。

SelfDrivingCarSimulatorは、Pygame上に構築された軽量のPythonフレームワークで、強化学習を用いた自律車両エージェントのための2D運転環境を提供します。カスタマイズ可能なコースレイアウト、LiDARやカメラエミュレーションなどのセンサーモデル、リアルタイムの視覚化、およびパフォーマンス分析のためのデータロギングをサポートします。開発者はRLアルゴリズムの統合、物理パラメータの調整、速度や衝突率、報酬関数の監視を行い、自動運転の研究や教育プロジェクトを迅速に反復できます。

DocumentAI-Backendは、ドキュメントからのテキスト、フォームフィールド、構造化データの抽出を自動化する軽量なバックエンドフレームワークです。PDFや画像をアップロードするREST APIエンドポイントを提供し、Google Document AIとOCRフォールバックを使用して処理し、解析結果をJSONで返します。Python、FastAPI、およびDockerを使用して構築されており、既存システムへの迅速な統合、拡張可能なデプロイメント、設定可能なパイプラインやミドルウェアによるカスタマイズを可能にします。