Flocking Multi-Agent는 군집 지능을 보여주는 자율 에이전트 시뮬레이션을 위한 모듈식 라이브러리를 제공합니다. 결속, 분리, 정렬의 핵심 조종 행동과 장애물 회피, 동적 목표 추적을 포함합니다. Python과 Pygame을 이용한 시각화를 통해, 이 프레임워크는 이웃 반경, 최대 속도, 회전 힘 등의 파라미터를 조정할 수 있습니다. 사용자 정의 행동 함수와 로보틱스 또는 게임 엔진 통합을 위한 훅을 통해 확장 가능하며, AI, 로보틱스, 게임 개발, 학술 연구에 이상적입니다. 간단한 지역 규칙이 어떻게 복잡한 글로벌 형태를 만들어내는지 보여줍니다.

AgenticIR(Agentic Information Retrieval)는 LLM 기반 에이전트가 자율적으로 IR 워크플로우를 계획하고 실행하는 모듈형 프레임워크입니다. 쿼리 생성자, 문서 검색기, 요약기 등의 에이전트 역할을 정의하고, 이를 사용자 지정 가능한 시퀀스에서 실행할 수 있습니다. 에이전트는 원시 텍스트를 수집하고, 중간 결과를 바탕으로 쿼리를 개선하며, 추출된 구절을 간결한 요약으로 병합할 수 있습니다. 이 프레임워크는 반복적 웹 검색, API 기반 데이터 수집, 로컬 문서 파싱 등 다단계 파이프라인을 지원합니다. 개발자는 에이전트 파라미터를 조정하고, 다양한 LLM을 통합하며, 동작 정책을 세밀하게 조정할 수 있습니다. 또한, 로그 기록, 오류 처리, 병렬 에이전트 실행을 제공하여 대규모 정보 수집이 즉각적으로 가능합니다. 최소한의 코드로 연구자와 엔지니어는 자율 검색 시스템의 프로토타입 제작 및 배포가 가능합니다.

AgentFarm은 다양한 AI 에이전트를 통합하는 시스템을 조율할 수 있는 포괄적인 프레임워크를 제공합니다. 사용자는 Python으로 특화된 에이전트 동작을 스크립트화하고, 역할(매니저, 작업자, 분석가)을 할당하며, 병렬 처리용 작업 큐를 설정할 수 있습니다. OpenAI, Azure OpenAI와 원활하게 연동되어 동적 프롬프트 라우팅과 모델 선택이 가능합니다. 내장된 대시보드는 에이전트 상태 추적, 상호작용 기록, 워크플로우 성능 시각화를 지원합니다. 모듈식 플러그인을 통한 커스텀 API 확장, 오류 처리 자동화, 자원 활용 모니터링도 가능합니다. 다단계 파이프라인 배포에 적합하며, AgentFarm은 신뢰성, 확장성, 유지 관리성을 향상시킵니다.