에이전트의 자발적 통신은 멀티 에이전트 시스템이 자체 통신 프로토콜을 개발하는 방법을 탐구하는 연구자를 위해 설계된 오픈소스 PyTorch 프레임워크입니다. 이 라이브러리는 참조 게임, 결합 게임, 객체 식별 과제 등을 포함하는 협력 강화 학습 과제의 유연한 구현을 제공합니다. 사용자는 발신자와 수신자 에이전트의 아키텍처를 정의하고, 어휘 크기와 시퀀스 길이와 같은 메시지 채널 속성을 지정하며, 정책 기울기 또는 감독 학습과 같은 훈련 전략을 선택할 수 있습니다. 프레임워크에는 실험 수행, 통신 효율성 분석, 자발적 언어 시각화를 위한 엔드투엔드 스크립트가 포함되어 있습니다. 모듈식 설계로 새로운 게임 환경이나 맞춤형 손실 함수를 쉽게 확장할 수 있습니다. 연구자들은 발표된 연구를 재현하고, 새로운 알고리즘을 벤치마킹하며, 자발적 에이전트 언어의 구성적 특성과 의미를 탐구할 수 있습니다.

GA 기반 NQueen 해결사는 각 에이전트가 N-Queen 후보 구성을 인코딩하는 모듈식 2APL 다중 에이전트 아키텍처를 사용합니다. 에이전트는 비공격 퀸 쌍 수를 계산하여 적합도를 평가하고, 높은 적합도 구성을 다른 에이전트와 공유합니다. 선택, 교차, 돌연변이와 같은 유전 연산자는 새로운 후보 체스판 생성에 사용되며, 연속적인 반복을 통해 에이전트들은 유효한 N-Queen 해에 수렴합니다. 이 프레임워크는 자바로 구현되었으며, 인구 크기, 교차율, 돌연변이 확률, 에이전트 통신 프로토콜 등에 대한 매개변수 튜닝을 지원하며, 상세 로그와 진화 과정 시각화를 출력합니다.

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.

Agentic-Systems는 에이전트, 도구, 메모리 구성요소로 이루어진 모듈식 아키텍처를 제공하여 정교한 자율형 AI 애플리케이션 개발을 간소화합니다. 개발자는 외부 API 또는 내부 기능을 캡슐화하는 커스텀 도구를 정의할 수 있으며, 메모리 모듈은 에이전트 반복 간에 맥락 정보를 유지합니다. 내장된 오케스트레이션 엔진은 작업을 스케줄링하고 의존성을 해결하며, 다중 에이전트 간의 상호작용을 관리합니다. 에이전트 로직과 실행 세부 사항을 분리함으로써 빠른 실험, 용이한 확장, 세밀한 에이전트 행동 제어가 가능합니다. 연구 보조 도구 프로토타이핑, 데이터 파이프라인 자동화, 의사결정 지원 에이전트 배치 등 다양한 용도에 적합하며, Agentic-Systems는 이러한 개발을 가속화하기 위한 추상화와 템플릿을 제공합니다.