AmongAとマルチエージェントAIシステムの研究。シンプルなPython APIを通じて、ユーザーは任意の数のAIエージェントをインスタンス化し、それぞれにカスタマイズされたペルソナ、プロンプト、記憶バッファを持たせることができます。エージェントは設定可能な会話ループに参加し、ディベート、ブレインストーミング、意思決定、ゲームシミュレーションをサポートします。このフレームワークは、主要なLLM API（例：OpenAI、Anthropic）とシームレスに統合されており、メッセージベースのインタラクションとトランスクリプトのロギングを可能にします。開発者は、エージェントのロールをカスタマイズし、ターンの取り方を制御し、外部データソースを接続することで挙動を拡張できます。AmongAIsはまた、感情分析、スコア評価、セッション再生のユーティリティも提供します。新たな通信、コラボレーションのアイデア出し、デジタルワーカーの調整を研究・実践環境で探求するチームに理想的です。

Agents-Deep-Researchは、モジュール化および拡張性の高いコードベースを提供することで、自律型AIエージェントの開発とテストを効率化します。ユーザー定義の目標をサブタスクに分解するタスク計画エンジン、コンテキストを保存・取得する長期記憶モジュール、外部APIや模擬環境と連携できるツール統合層を備えています。また、エージェントのパフォーマンスをさまざまなシナリオで測定する評価スクリプトとベンチマークツールも提供します。Python上に構築され、多様なLLMバックエンドに適応可能であり、研究者や開発者が新しいエージェントアーキテクチャを迅速にプロトタイプ化し、再現性のある実験を行い、制御された条件下で異なる計画戦略を比較できるようにします。

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。