이 저장소는 PyTorch를 사용하여 다중 에이전트 강화학습에서 출현하는 커뮤니케이션을 구현합니다. 사용자들은 송신자와 수신자 신경망을 구성하여 참조 게임이나 협력 네비게이션을 수행하게 하고, 에이전트들이 이산 또는 연속 통신 채널을 개발하도록 격려합니다. 학습, 평가, 학습된 프로토콜 시각화 스크립트와 환경 생성, 메시지 인코딩/디코딩 유틸리티를 제공합니다. 연구자들은 맞춤형 작업을 확장하거나 네트워크 구조를 변경하고, 프로토콜 효율성을 분석하여 빠른 실험을 촉진할 수 있습니다.

MAGAIL은 전문가 시범에서 협력 행동을 학습할 수 있도록 하는 다중 에이전트 확장을 구현한 것으로, 파이썬 기반으로 PyTorch(또는 TensorFlow 버전)를 지원하며, 정책(생성기)과 판별자 모듈이 적대적 루프에서 훈련됩니다. 에이전트는 OpenAI Multi-Agent Particle Environment 또는 PettingZoo와 같은 환경에서 궤적을 생성하며, 판별자는 이를 전문 데이터와 일치 여부를 평가하는 데 사용합니다. 반복적인 업데이트를 통해 정책 네트워크는 명시적 보상 함수 없이 전문가와 유사한 전략으로 수렴합니다. MAGAIL의 모듈형 설계는 네트워크 구조, 전문가 데이터 입력, 환경 통합, 학습 하이퍼파라미터를 사용자 정의할 수 있도록 합니다. 또한, 내장된 로깅과 TensorBoard 시각화를 통해 멀티에이전트 학습의 진행 상황과 성능 지표를 모니터링하고 분석할 수 있습니다.

Open ACN은 분산형 멀티에이전트 시스템 구축을 위해 설계된 견고한 AI 플랫폼 및 프레임워크 솔루션입니다. 에이전트 협력을 위한 컨센서스 프로토콜 세트를 제공하며, 지리적으로 분산된 노드 간 신뢰성 있는 의사 결정을 보장합니다. 프레임워크에는 모듈형 통신 계층, 사용자 정의 가능한 전략 플러그인, 종단 간 테스트를 위한 내장 시뮬레이션 환경이 포함되어 있습니다. 개발자는 에이전트 행동을 정의하고 Linux, macOS, Windows 또는 Docker에 배포할 수 있으며, 실시간 로그 기록과 모니터링 도구를 활용할 수 있습니다. 확장 가능한 API와 기존 머신러닝 모델과의 원활한 통합을 통해, Open ACN은 복잡한 오케스트레이션 작업을 간소화하고, 로보틱스, 공급망 자동화, 분산 금융, IoT 분야에 적합한 상호 운용 가능하고 견고한 자율 네트워크를 촉진합니다.

AgentForge는 개별 AI 기술을 정의, 결합, 오케스트레이션하여 유기적인 자율 에이전트로 만드는 구조화된 환경을 제공합니다. 대화 맥락 유지를 위한 대화 기억, 외부 서비스 통합 플러그인, 다중 에이전트 간 통신, 작업 스케줄링, 오류 처리를 지원합니다. 개발자는 사용자 정의 기술 핸들러를 구성하고, 내장 모듈을 활용하여 자연어 이해를 수행하며, OpenAI의 GPT 시리즈와 같은 인기 LLM들과 통합할 수 있습니다. AgentForge의 모듈러 설계는 개발 주기를 가속하고, 테스트를 용이하게 하며, 챗봇, 가상 비서, 데이터 분석 에이전트, 도메인별 자동화 봇의 배포를 간소화합니다.

Isaree Platform은 AI 에이전트 개발과 배포를 효율화하도록 설계되었습니다. 본질적으로 대화, 의사 결정, 협업이 가능한 자율 에이전트를 생성하기 위한 통합 아키텍처를 제공합니다. 개발자는 맞춤 역할을 가진 여러 에이전트를 정의하고, 벡터 기반의 메모리 검색을 활용하며, 플러그인 모듈을 통해 외부 데이터를 통합할 수 있습니다. 플랫폼은 Python SDK와 RESTful API를 포함하며, 실시간 응답 스트리밍을 지원하고, 내장 로깅 및 지표를 제공합니다. 유연한 구성으로 Docker 또는 클라우드 서비스에서 환경 간 확장이 가능합니다. 지속적 맥락이 필요한 챗봇, 다단계 워크플로우 자동화, 연구 지원 에이전트 조정 등 다양한 엔터프라이즈 솔루션에 적합합니다.

autogen_multiagent는 Python에서 여러 AI 에이전트를 인스턴스화, 구성, 조정하기 위한 구조화된 방법을 제공합니다. 동적 에이전트 생성, 에이전트 간 메시징 채널, 작업 계획, 실행 루프, 모니터링 유틸리티를 포함하며, OpenAI API와 원활하게 통합되어 각 에이전트에 플래너, 실행자, 요약자 등의 역할을 부여하고 상호 작용을 조율할 수 있습니다. 이 프레임워크는 모듈식이고 확장 가능한 AI 워크플로우가 필요한 자동화 문서 분석, 고객 지원 오케스트레이션, 다단계 코드 생성 등에 이상적입니다.

Halite II는 사용자 작성 봇 간의 턴제 전략 경기 대회를 주최하는 오픈소스 챌린지 프레임워크입니다. 매 턴마다 인공지는 지도 상태를 수신하고, 이동 및 공격 명령을 발행하며, 가장 많은 영역을 통제하기 위해 경쟁합니다. 플랫폼은 게임 서버, 지도 파서, 시각화 도구를 포함하며, 개발자는 로컬에서 테스트하고, 휴리스틱을 조정하며, 성능을 최적화하고, 온라인 리더보드에 제출할 수 있습니다. 시스템은 반복적인 봇 개선, 다중 에이전트 협력, 전략 연구를 표준화된 환경에서 지원합니다.

Microsoft AutoGen은 메모리 관리, 작업 계획, 도구 통합 및 통신을 위한 모듈형 컴포넌트를 제공하여 엔드 투 엔드 자율 AI 에이전트 개발을 촉진합니다. 개발자는 구조화된 스키마를 갖는 커스텀 도구를 정의하고, OpenAI와 Azure OpenAI 같은 주요 LLM 제공업체에 연결할 수 있습니다. 이 프레임워크는 단일 또는 다중 에이전트 오케스트레이션을 지원하며, 에이전트가 협력하여 복잡한 작업을완수하는 워크플로우를 가능하게 합니다. 플러그 앤 플레이 방식의 아키텍처로 새로운 메모리 저장소, 계획 전략 및 통신 프로토콜을 쉽게 확장할 수 있습니다. 저수준 통합 세부사항을 추상화하여, AutoGen은 다양한 도메인에서 AI 기반 애플리케이션의 프로토타이핑과 배포를 빠르게 합니다.

셰퍼딩은 강화 학습 연구자와 개발자를 위해 설계된 오픈소스 시뮬레이션 프레임워크로, 콘티뉴어스 또는 디스크리트 공간에서 플랭킹, 수집, 분산 목표 그룹과 같은 행동을 수행하도록 에이전트를 훈련시킵니다. 모듈식 보상 설계, 환경 파라미터 설정, 훈련 성능을 모니터링하는 로깅 유틸리티를 포함하며, 사용자 정의 장애물, 동적 에이전트 군집, 맞춤 정책을 TensorFlow 또는 PyTorch로 정의할 수 있습니다. 시각화 스크립트는 궤적 차트와 에이전트 상호작용의 비디오를 생성합니다. 셰퍼딩의 모듈식 설계 덕분에 기존 RL 라이브러리와 원활히 통합되어 재현 가능한 실험, 새로운 협력 전략 벤치마킹, 빠른 AI 기반 목양 솔루션 프로토타이핑이 가능합니다.