Cloudflare Agents는 Cloudflare Workers를 사용하여 네트워크 에지에서 자율 AI 에이전트를 구축, 배포, 관리하는 데 도움을 주도록 설계되었습니다. 통합 SDK를 활용하여 JavaScript 또는 TypeScript로 에이전트 행동, 사용자 정의 액션 및 대화 흐름을 정의할 수 있습니다. 이 프레임워크는 OpenAI, Anthropic 등 주요 LLM 공급자와 원활하게 통합되며, HTTP 요청, 환경 변수, 스트리밍 응답에 대한 내장 지원도 제공합니다. 한 번 구성하면 에이전트는 몇 초 만에 글로벌 배포가 가능하며, 엔드 유저에게 초저지연 인터랙션을 제공합니다. 또한, Cloudflare Agents는 로컬 개발, 테스트, 디버깅 도구를 포함하여 원활한 개발 경험을 보장합니다.

MAPF_G2RL은 그래프 이론과 딥 강화 학습을 연결하여 다중 에이전트 경로 탐색(MAPF) 문제를 해결하는 오픈소스 연구 프레임워크입니다. 노드와 엣지를 벡터 표현으로 인코딩하고, 공간적 및 충돌 인지 보상 함수를 정의하며, DQN, PPO, A2C와 같은 다양한 RL 알고리즘을 지원합니다. 이 프레임워크는 랜덤 그래프 생성 또는 실제 지도 임포트로 시나리오 생성을 자동화하고, 동시에 여러 에이전트의 정책을 최적화하는 훈련 루프를 조율합니다. 학습 후, 에이전트는 시뮬레이션 환경에서 경로 최적성, 소요 시간, 성공률을 평가합니다. 모듈형 설계로 연구자는 핵심 컴포넌트를 확장하고, 새로운 MARL 기법을 통합하며, 기존 솔버와 비교 벤치마킹할 수 있습니다.

Multi-Agent-Blueprint는 복잡한 작업 해결을 위해 협력하는 여러 AI 기반 에이전트를 구축하고 조율하는 포괄적인 오픈소스 코드베이스입니다. 본질적으로 연구자, 분석가, 실행자 등 다양한 역할을 정의하는 모듈식 시스템을 제공하며, 각 역할은 자체 메모리 저장소와 프로프트 템플릿을 갖추고 있습니다. 이 프레임워크는 대형 언어 모델, 외부 지식 API, 맞춤형 도구와 원활하게 통합되어 다이내믹한 작업 위임과 반복 피드백 루프를 가능하게 합니다. 또한, 내장된 로깅과 모니터링 기능으로 에이전트 간 상호작용과 출력을 추적할 수 있습니다. 맞춤형 워크플로와 교체 가능한 구성 요소를 통해 개발자와 연구자는 콘텐츠 생성, 데이터 분석, 제품 개발 또는 고객 지원 자동화와 같은 응용 프로그램을 위한 신속한 멀티에이전트 파이프라인을 프로토타입할 수 있습니다.

Skeernir은 게임 자동화와 프로세스 오케스트레이션을 위한 파펫 마스터 에이전트 개발 속도를 높이기 위해 설계된 오픈소스 AI 에이전트 프레임워크입니다. 이 프로젝트에는 기본 템플릿, 핵심 API, 대상 환경에 에이전트 로직을 연결하는 방법을 보여주는 샘플 모듈이 포함되어 있습니다. 시뮬레이션된 게임 플레이 또는 운영 체제 작업 제어에 활용 가능하며, 확장 가능한 아키텍처를 통해 사용자 정의 의사 결정 전략, 머신러닝 모델 플러그인, Windows, Linux, macOS에서의 에이전트 수명 주기 관리를 지원합니다. 내장 로깅 및 구성 지원으로 테스트, 디버깅, 배포가 간소화됩니다.

Coffee-Shop-AI-Agents는 핵심 커피숍 기능을 자동화하는 전문 AI 에이전트를 구축하고 배포하는 오픈소스 프레임워크입니다. LangChain과 OpenAI 언어 모델을 활용하며, 복잡한 음료 주문을 처리하고 사용자 맞춤 추천 및 재료 가용량 관리를 하는 바리스타 에이전트, 결제 처리와 디지털 영수증 발행, 판매 지표 추적을 하는 계산원 에이전트, 재고 예측, 재입고 일정 제안, 성과 분석을 하는 매니저 에이전트를 제공합니다. 맞춤형 프롬프트와 파이프라인 구성으로 개발자는 매장 정책과 메뉴 항목에 빠르게 적응할 수 있습니다. 리포지터리에는 셋업 스크립트, API 통합, 실시간 고객 상호작용과 운영 분석을 시뮬레이션하는 예제 워크플로우가 포함되어 있어 개발자 친화적인 환경에서 활용 가능합니다.

Colosseum Agent Battles는 사용자 정의 가능한 전투장 내에서 AI 에이전트 경쟁을 위한 모듈식 Python SDK를 제공합니다. 사용자는 특정 지형, 자원, 규칙이 포함된 환경을 정의한 후, 표준 인터페이스를 통해 에이전트 전략을 구현할 수 있습니다. 프레임워크는 전투 스케줄링, 심판 로직 및 실시간 에이전트 행동과 결과의 기록을 관리하며, 토너먼트 실행, 승/패 통계 추적, 차트 기반 성과 시각화 도구를 포함합니다. 개발자는 인기 머신러닝 라이브러리와 연동하여 에이전트를 훈련시키고 전투 데이터를 분석하거나, 커스텀 규칙을 위한 심판 모듈 확장도 할 수 있습니다. 이 모든 것이 AI 전략의 벤치마킹을 간소화하며, JSON 및 CSV 형식으로 로깅도 지원되어 후속 분석이 가능합니다.