Java Action Linearprogram 모듈은 LightJason 프레임워크에 특화된 액션을 제공하여 에이전트가 선형 최적화 작업을 모델링하고 해결할 수 있게 합니다. 사용자들은 목표 계수, 등호 및 부등식 제약 조건을 구성하고, 해결 방법을 선택하며, 에이전트의 추론 주기 내에서 해결기를 실행할 수 있습니다. 실행 후, 액션은 최적 변수 값과 목표 점수를 반환하며, 에이전트는 이를 사용해 이후 계획 또는 실행에 활용할 수 있습니다. 이 플러그앤플레이 구성요소는 문제 정의를 Java 인터페이스를 통해 전면 제어하면서 해결기 복잡성을 숨깁니다.

OpenMAS는 분산형 AI 에이전트와 다중 에이전트 조정 전략 개발 및 평가를 돕기 위해 설계되었습니다. 사용자 정의 에이전트 행동, 동적 환경 모델, 에이전트 간 메시징 프로토콜을 정의할 수 있는 모듈식 구조를 갖추고 있습니다. 물리 시뮬레이션, 이벤트 기반 실행, AI 알고리즘 플러그인 지원을 제공합니다. 사용자들은 YAML 또는 Python을 통해 시나리오를 구성하고, 에이전트 상호작용을 시각화하며, 내장된 분석 도구로 성능 지표를 수집할 수 있습니다. OpenMAS는 군집 지능, 협력 로보틱스, 분산 의사 결정 등의 연구 프로토타입을 간소화합니다.

Autogen Studio Research는 GitHub에 호스팅된 연구 프로토타입으로, 다중 에이전트 AI 애플리케이션을 구축, 시각화 및 반복할 수 있습니다. 드래그 앤 드롭 방식으로 에이전트 컴포넌트를 배치하고, 커뮤니케이션 채널을 정의하며, 실행 파이프라인을 구성할 수 있는 웹 기반 UI를 제공합니다. 내부적으로 Python SDK를 사용하여 다양한 LLM 백엔드(OpenAI, Azure, 로컬 모델)에 연결하며, 실시간 로그, 지표, 디버깅 도구를 제공합니다. 이 플랫폼은 신속한 프로토타이핑, 의사결정 워크플로우, 자동화된 작업 오케스트레이션에 적합하도록 설계되었습니다.