このリポジトリは、PyTorchを使用したマルチエージェント強化学習における出現通信を実現します。ユーザーは送信者および受信者のニューラルネットワークを設定し、指示ゲームや協力ナビゲーションをプレイさせることで、離散または連続の通信チャネルを開発させます。訓練、評価、学習されたプロトコルの可視化のためのスクリプトや、環境作成、メッセージのエンコード・デコードのユーティリティも提供されています。研究者はカスタムタスクの追加やネットワークアーキテクチャの変更、プロトコルの効率性解析などを行い、エージェント通信の迅速な実験を促進します。

MAGAILは、生成的敵対的模倣学習のマルチエージェント拡張を実装し、エージェントのグループが専門家のデモから協調動作を学習できるようにします。Pythonで構築されており、PyTorch（またはTensorFlowのバリアント）をサポートし、政策（ジェネレーター）とディスクリミネーターのモジュールから構成され、敵対的ループで訓練されます。エージェントは、OpenAIマルチエージェントパーティクル環境やPettingZooのような環境で軌跡を生成し、ディスクリミネーターがそれらを専門家のデータに照らして真偽を評価します。反復的な更新により、政策ネットワークは明示的な報酬関数なしで専門家に似た戦略に収束します。MAGAILのモジュラー設計は、ネットワークアーキテクチャ、専門家データの入力、環境統合、訓練ハイパーパラメータのカスタマイズを可能にします。さらに、標準搭載のログ記録とTensorBoardの可視化により、マルチエージェント学習の進捗とパフォーマンスの監視と分析を促進します。

Open ACNは、分散型のマルチエージェントシステムを構築するために設計された堅牢なAIプラットフォームおよびフレームワークソリューションです。エージェントの協力を促進するための合意プロトコルのスイートを提供し、信頼性の高い意思決定を可能にします。フレームワークにはモジュール式の通信層、カスタマイズ可能な戦略プラグイン、エンドツーエンドのテストを行うためのビルトインシミュレーション環境が含まれます。開発者はエージェントの動作を定義し、Linux、macOS、Windows、またはDocker上に展開でき、リアルタイムのログ記録とモニタリングツールを活用できます。拡張可能なAPIや機械学習モデルとのシームレスな統合により、Open ACNは複雑なオーケストレーションタスクを簡素化し、ロボティクス、サプライチェーン自動化、分散型金融、IoTのアプリケーションに適した相互運用性の高い堅牢な自律ネットワークを促進します。

AgentForgeは、個々のAIスキルを定義、組み合わせ、オーケストレーションし、一貫した自律エージェントにするための構造化された環境を提供します。会話メモリによるコンテキスト保持、外部サービス連携のためのプラグイン、多エージェント間の通信、タスクのスケジューリング、エラー処理をサポートします。開発者はカスタムスキルハンドラーを設定し、自然言語理解用の内蔵モジュールを利用し、OpenAIのGPTシリーズなどの主要なLMMと連携できます。AgentForgeのモジュール設計は、開発サイクルを加速し、テストを促進し、チャットボット、バーチャルアシスタント、データ分析エージェント、ドメイン固有の自動化ボットの展開を簡素化します。

Isaree Platformは、AIエージェントの開発と展開を効率化することを目的としています。基本的には、自律的に会話、意思決定、協力が可能なエージェントを作成するための統一されたアーキテクチャを提供します。開発者は、カスタムロールを持つ複数のエージェントを定義し、ベクトルベースのメモリ取得を活用し、プラグイン可能なモジュールを通じて外部データソースと統合できます。本プラットフォームは、Python SDKとRESTful APIを備え、リアルタイムなレスポンスストリーミングをサポートし、内蔵のロギングと指標を提供します。その柔軟な設定により、Dockerやクラウドサービスを用いた環境間のスケーリングが可能です。永続的なコンテキストを持つチャットボットの構築、多段階ワークフローの自動化、調査支援エージェントの調整など、多様な用途において高い拡張性と信頼性を備えたエンタープライズ向けAIソリューションを実現します。

autogen_multiagentは、Pythonで複数のAIエージェントをインスタンス化、設定、調整するための体系的な方法を提供します。動的なエージェント作成、エージェント間メッセージングチャネル、タスク計画、実行ループ、監視ユーティリティを備えています。OpenAI APIとシームレスに連携し、プランナー、エクゼキューター、サマライザーなどの役割を各エージェントに割り当て、その相互作用を調整します。本フレームワークは、自動文書分析、カスタマーサポートの自動化、多段階のコード生成など、モジュール化・スケーラブルなAIワークフローを必要とするシナリオに最適です。

Halite IIは、ユーザー作成のボット間でターン制戦略マッチを開催するオープンソースのチャレンジフレームワークです。各ターン、エージェントはマップの状態を受信し、移動や攻撃のコマンドを発行し、最も多くの領域を制御するために競います。プラットフォームにはゲームサーバー、マップパーサ、ビジュアライゼーションツールが含まれ、開発者はローカルでテストし、ヒューリスティックを調整し、パフォーマンスを最適化し、オンラインリーダーボードに提出できます。システムは反復的なボットの改善、多エージェント協力、戦略研究を標準化された環境でサポートします。

Microsoft AutoGenは、メモリ管理、タスク計画、ツール統合、通信のためのモジュラーコンポーネントを提供し、エンドツーエンドの自律型AIエージェント開発を促進します。開発者は構造化スキーマを持つカスタムツールを定義し、OpenAIやAzure OpenAIの主要なLLMプロバイダーと接続できます。フレームワークは単一または複数のエージェントの協働をサポートし、複雑なタスクを完了するための協調ワークフローを可能にします。プラグインのようなアーキテクチャにより、記憶ストア、計画戦略、通信プロトコルを容易に拡張できます。詳細な低レベルの統合を抽象化し、AutoGenはさまざまなドメインでのAI駆動型アプリケーションのプロトタイピングと展開を高速化します。

Shepherdingは、マルチエージェントの牧羊タスクを研究・実装するためのオープンソースのシミュレーションフレームワークです。Gym互換の環境を提供し、エージェントは連続または離散空間でターゲットグループを追跡、収集、分散させる行動を学習できます。フレームワークにはモジュール式の報酬調整関数、環境パラメータ化、トレーニングパフォーマンス監視のためのロギングユーティリティが含まれています。ユーザーはTensorFlowやPyTorchを用いて障害物や動的エージェント群、カスタムポリシーを定義できます。可視化スクリプトは軌跡のプロットやエージェントのやり取りの動画記録を生成します。Shepherdingのモジュール式設計により、既存のRLライブラリとシームレスに統合でき、再現性のある実験や新しい協調戦略のベンチマーク、AI駆動の牧羊ソリューションの迅速なプロトタイピングを可能にします。