AgentSmith는 Python으로 작성된 모듈형 에이전트 오케스트레이션 프레임워크로, 개발자가 여러 AI 에이전트를 정의, 구성 및 협력하여 실행할 수 있도록 합니다. 각 에이전트는 연구원, 기획자, 코더, 리뷰어 등으로 역할을 지정할 수 있으며 내부 메시지 버스를 통해 통신합니다. FAISS, Pinecone와 같은 벡터 저장소를 활용한 메모리 관리, 작업을 서브태스크로 분할, 목표 달성을 위한 자동 감독을 지원합니다. YAML 파일로 구성된 에이전트와 파이프라인은 사용자 친화적이며, OpenAI API 및 커스텀 LLM과 원활하게 통합됩니다. 로깅, 모니터링, 에러 처리 기능이 내장되어 있어 소프트웨어 개발, 데이터 분석, 의사 결정 지원 시스템의 자동화에 적합합니다.

이 저장소는 포괄적인 다중 에이전트 시스템 구성 요소와 분산 AI 조정 기술의 모음을 집약합니다. 합의 알고리즘, 계약 네트 협상 프로토콜, 경매 기반 작업 할당, 연합 형성 전략 및 에이전트 간 통신 프레임워크를 구현하고 있습니다. 사용자들은 내장된 시뮬레이션 환경을 활용하여 다양한 네트워크 토폴로지, 지연 시나리오, 장애 모드에서 에이전트 행동을 모델링하고 테스트할 수 있습니다. 모듈식 설계 덕분에 개발자와 연구원들은 특정 조정 모듈을 통합하거나 확장하거나 맞춤화하여 로봇 스웜, IoT 기기 협력, 스마트 그리드 및 분산 의사 결정 시스템 등에 적용할 수 있습니다.

DeepMind MAS Environment는 다중 에이전트 강화 학습 작업을 구축하고 시뮬레이션할 수 있는 표준 인터페이스를 제공하는 Python 라이브러리입니다. 에이전트 수를 구성하고, 관측 및 행동 공간을 정의하며, 보상 구조를 사용자 지정할 수 있습니다. 이 프레임워크는 에이전트 간 통신 채널, 성능 로깅, 렌더링 기능을 지원합니다. 연구원은 TensorFlow 및 PyTorch와 같은 인기 있는 RL 라이브러리와 원활하게 통합하여 새 알고리즘 벤치마킹, 통신 프로토콜 테스트, 이산 및 연속 제어 도메인 분석이 가능합니다.

IntelligentMASPlatform은 모듈식 구조를 통해 에이전트, 환경, 서비스 계층이 명확히 구분된 아키텍처로, 개발과 배포를 가속화합니다. 에이전트는 FIPA-준수 ACL 메시징을 이용하여 통신하며, 동적 협상과 조율이 가능합니다. 다양한 환경 시뮬레이터를 포함하여 복잡한 시나리오 모델링, 에이전트 작업 일정 수립, 실시간 인터랙션 시각화를 지원하는 대시보드를 제공합니다. 고급 행동을 위해 강화 학습 모듈을 통합했고, 맞춤형 행동 플러그인도 지원합니다. 배포 도구는 에이전트를 독립 실행형 애플리케이션 또는 분산 네트워크로 패키징할 수 있도록 하며, API는 데이터베이스, IoT 기기, 타사 AI 서비스와의 연동도 용이하게 합니다. 연구, 산업 자동화, 스마트 시티와 같은 다양한 용도에 적합합니다.

LiteMultiAgent는 각각 고유한 역할과 책임이 부여된 여러 AI 에이전트를 병렬 또는 순차적으로 구축하고 실행할 수 있는 모듈식 SDK를 제공합니다. 내장 메모리 저장소, 메시징 파이프라인, 플러그인 어댑터, 실행 루프를 갖추어 복잡한 에이전트 간 통신을 관리합니다. 사용자는 에이전트 행동을 커스터마이징하고, 외부 도구 또는 API를 플러그인하며, 로그를 통해 대화를 모니터링할 수 있습니다. 프레임워크의 경량 설계와 종속성 관리 덕분에 신속한 프로토타이핑과 협력 AI 워크플로우의 프로덕션 배포에 이상적입니다.

mcp-agent-graph는 AI 에이전트용 그래프 기반 오케스트레이션 레이어를 제공하여 개발자가 복잡한 다단계 워크플로우를 방향 그래프로 매핑할 수 있게 합니다. 그래프의 각 노드는 작업 또는 함수를 나타내며, 입력, 출력, 종속성을 포착합니다. 간선은 에이전트 간의 데이터 흐름을 정의하여 올바른 실행 순서를 보장합니다. 엔진은 순차 및 병렬 실행 모드를 지원하며, 자동 종속성 해결과 커스텀 파이썬 함수 또는 외부 서비스와의 통합을 제공합니다. 내장 시각화를 통해 사용자들은 그래프 토폴로지를 검사하고 워크플로우를 디버그할 수 있습니다. 이 프레임워크는 데이터 처리, 자연어 워크플로우 또는 결합된 AI 모델 파이프라인을 위한 모듈식이고 확장 가능한 멀티 에이전트 시스템 개발을 촉진합니다.

Rivalz 네트워크는 여러 AI 에이전트 간의 격차를 해소하도록 설계되어 정보를 공유하고 자원을 공유할 수 있게 합니다. 이 협업 접근 방식은 개별 에이전트의 성능을 향상시킬 뿐만 아니라 전체 AI 효율성을 극대화합니다. 안전한 데이터 교환을 통해 에이전트는 서로에게서 배우고 변화에 더 빠르게 적응하며 사용자에게 보다 정교한 솔루션을 제공할 수 있습니다. Rivalz와 함께 조직은 AI 기술의 잠재력을 최대한 활용하여 의사 결정 개선과 운영 간소화를 이끌어낼 수 있습니다.

Team Coordination은 복잡한 작업에 함께 참여하는 다중 AI 에이전트의 오케스트레이션을 간단하게 만드는 경량 Python 라이브러리입니다. 계획자, 실행자, 평가자 또는 통신자와 같은 전문 지정 역할을 정의함으로써 사용자는 높은 수준의 목표를 관리 가능한 하위 작업으로 분해하고, 이를 개별 에이전트에 할당하며, 구조화된 통신을 촉진할 수 있습니다. 이 프레임워크는 비동기 실행, 프로토콜 라우팅, 결과 집계를 담당하여 AI 에이전트 팀이 효율적으로 협력할 수 있게 합니다. 플러그인 시스템은 인기 있는 LLM, API 및 맞춤 논리와의 통합을 지원하여 자동 고객 서비스, 연구, 게임 AI, 데이터 처리 파이프라인 등에 이상적입니다. 명확한 추상화와 확장 가능한 구성요소로, Team Coordination은 확장 가능한 다중 에이전트 워크플로우 개발을 가속화합니다.

이 저장소는 JADE 프레임워크 기반 에이전트 간 양방향 통신의 실습 데모를 제공합니다. 에이전트 설정, FIPA-ACL 호환 메시지 생성, 비동기 행동 처리 예제를 포함합니다. 개발자는 에이전트 A가 REQUEST를 보내고, 에이전트 B가 요청을 처리하며, INFORM 메시지를 반환하는 과정을 학습할 수 있습니다. 코드는 디렉터리 담당자에 에이전트 등록, 순환형 및 단발성 행동 사용, 메시지 템플릿을 통한 메시지 필터링, 대화 시퀀스 로깅을 보여줍니다. 이는 다중 에이전트 교환 프로토콜 개발, 맞춤형 프로토콜 또는 JADE 에이전트를 더 큰 분산 AI 시스템과 통합하는 데 이상적인 출발점입니다.

Fetch.ai의 자율경제에이전트(AEA)는 상호작용, 외부 환경, 디지털 원장과 통신할 수 있는 자율 소프트웨어 에이전트의 설계, 구현, 조정을 가능하게 하는 다목적 프레임워크입니다. 플agin 기반 아키텍처를 활용하며, 통신 프로토콜, 암호화 원장 API, 분산 신원확인 및 맞춤형 의사결정 기술용 사전 제작 모듈을 제공합니다. 에이전트는 분산 시장 내에서 발견되고 거래할 수 있으며, 목표 기반 행동을 수행하고, 실시간 데이터 피드를 통해 적응 가능합니다. 이 프레임워크는 다중 에이전트 시나리오 용 시뮬레이션 도구와 실제 블록체인 또는 P2P 네트워크 배포를 지원합니다. 내장된 상호 운영성과 에이전트 간 메시징으로, 에이전트 간 조정이 핵심인 에너지 거래, 공급망 최적화 및 IoT 스마트 코디네이션 등 복잡한 자율 경제 애플리케이션 개발을 간소화합니다.

A2A(Agent-to-Agent Architecture)는 구글이 개발한 분산형 AI 에이전트의 공동 개발과 운용을 가능하게 하는 오픈소스 프레임워크입니다. 역할, 통신 채널, 공유 메모리를 정의하는 모듈식을 제공합니다. 개발자는 다양한 LLM 제공자를 통합하고, 에이전트 행동을 커스터마이징하며, 다단계 워크플로우를 조율할 수 있습니다. A2A에는 에이전트 간 상호작용을 추적할 수 있는 내장 모니터링, 오류 관리, 리플레이 기능이 포함되어 있습니다. 표준화된 프로토콜을 통해 에이전트 발견, 메시지 전달, 작업 할당을 단순화하여 복잡한 조정 패턴을 간소화하고 다양한 환경에서 에이전트 기반 애플리케이션의 신뢰성을 향상시킵니다.

AgentCrew는 에이전트 수명주기, 메모리 영속성, 작업 스케줄링, 에이전트 간 통신 등과 같은 공통 기능을 추상화하여 AI 에이전트의 생성과 관리를 간소화하는 데 초점을 맞추고 있습니다. 개발자는 사용자 정의 에이전트 프로필을 정의하고 트리거 및 조건을 지정하며, OpenAI와 Anthropic과 같은 주요 LLM 공급자와 쉽게 통합할 수 있습니다. 프레임워크는 Python SDK, CLI 도구, RESTful 엔드포인트, 직관적인 웹 대시보드를 제공하여 에이전트 성능을 모니터링합니다. 워크플로우 자동화 기능을 통해 에이전트는 병렬 또는 연속 작업이 가능하며, 메시지를 교환하고 상호작용을 기록하여 감사 및 재교육에 활용됩니다. 모듈화 된 아키텍처는 플러그인 확장을 지원하여, 고객 서비스 챗봇에서부터 연구 지원, 데이터 추출 파이프라인 등 다양한 용도에 맞게 플랫폼을 맞춤화할 수 있습니다.

Agent Supervisor Demonstrates 저장소는 조정된 워크플로우에서 여러 자율 AI 에이전트를 오케스트레이션하는 방법을 보여줍니다. Python으로 작성된 이 프레임워크는 작업 배포, 에이전트 상태 모니터링, 실패 처리, 응답 집계를 위한 Supervisor 클래스를 정의하고 있습니다. 기본 에이전트 클래스를 확장하거나 다양한 모델 API를 연결하고 일정 정책을 구성할 수 있습니다. 활동을 기록하여 감사, 병렬 실행을 지원하며, 사용자 맞춤화와 대규모 AI 시스템 통합을 위한 모듈식 설계를 제공합니다.

쇼핑몰 추천 다중 에이전트 시스템은 소매 경험 향상을 위해 다중 에이전트 아키텍처 위에 구축된 AI 기반 프레임워크입니다. 방문자의 상호작용을 추적하는 쇼핑객 에이전트, 과거와 실시간 데이터를 분석하는 선호도 에이전트, 맞춤형 상품 및 프로모션 추천을 생성하는 추천 에이전트로 구성되어 있습니다. 에이전트들은 메시지 전달 프로토콜을 통해 통신하며 사용자 모델 업데이트, 에이전트 간 통찰 공유, 추천을 동적으로 조정합니다. 이 시스템은 실시간 재고 및 판매 피드백을 위해 CMS와 POS와 통합됩니다. 모듈식 설계로 개발자는 에이전트 행동을 커스터마이징하고, 신규 데이터 소스를 통합하며, 다양한 플랫폼에 배포할 수 있습니다. 대형 소매 환경에 이상적이며, 정밀하고 맥락에 맞는 추천을 통해 고객 만족도를 높이고 매출을 증대시킵니다.

LangGraph와 함께하는 AI 에이전트는 관계 및 통신을 정의하기 위해 그래프 표현을 활용합니다. 각 노드는 에이전트 또는 도구를 나타내며, 작업 분해, 프롬프트 맞춤화, 동적 액션 라우팅을 가능하게 합니다. 이 프레임워크는 인기 있는 LLM과 원활하게 통합되며, 사용자 정의 도구 함수, 메모리 저장소 및 디버깅용 로깅을 지원합니다. 개발자는 복잡한 워크플로우의 프로토타이핑, 다단계 프로세스 자동화, 협업 에이전트 간 상호작용 실험을 몇 줄의 Python 코드로 수행할 수 있습니다.

CHAMP Multiagent AI는 기업 업무에 협력하는 전문 AI 에이전트를 정의, 훈련, 조율할 수 있는 통합 환경을 제공합니다. 데이터 처리 에이전트, 의사결정 지원 에이전트, 스케줄러 및 모니터링 에이전트를 생성하고, 이들을 시각적 워크플로우 또는 API를 통해 연결할 수 있습니다. 모델 관리, 에이전트간 통신, 성능 모니터링, 기존 시스템과의 통합 기능도 갖추고 있어 확장 가능한 자동화와 엔드 투 엔드 비즈니스 프로세스의 지능적 오케스트레이션을 실현합니다。

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.

Swarms는 개발자 중심의 프레임워크로, 다중 에이전트 AI 워크플로우의 생성, 조정 및 실행을 가능하게 합니다. 특정 역할을 갖는 에이전트를 정의하고, LLM 프롬프트를 통해 행동을 구성하며, 이를 외부 도구 또는 API에 연결합니다. Swarms는 에이전트 간 통신, 작업 계획 및 메모리 지속성을 관리합니다. 플러그인 아키텍처를 통해 검색기, 데이터베이스 또는 모니터링 대시보드와 같은 맞춤 모듈의 원활한 통합을 지원하며, 내장 커넥터는 인기 있는 LLM 공급자를 지원합니다. 데이터 분석, 고객 지원 자동화 또는 복잡한 의사결정 프로세스와 같은 작업에 적합하며, 확장 가능하고 자율적인 에이전트 생태계를 배포하는 데 필요한 구성 요소를 제공합니다.

CAMEL-AI는 개발자와 연구자가 LLM 기반의 여러 자율 AI 에이전트를 구축, 구성, 실행할 수 있도록 하는 파이썬 기반 프레임워크입니다. 검색 증강 생성(RAG), 외부 도구 사용, 에이전트 간 통신, 메모리 및 상태 관리, 스케줄링을 지원하며, 모듈형 구성요소와 손쉬운 통합으로 복잡한 다중 에이전트 시스템 프로토타이핑, 워크플로 자동화, 다양한 LLM 백엔드간 확장이 가능합니다.

이 리포지토리는 FIPA Contract Net 상호작용 프로토콜의 완전한 Java 구현을 제공합니다. 개발자는 관리 에이전트와 계약 에이전트를 생성하여 CFP, 제안, 수락, 거절 등을 에이전트 통신 채널을 통해 교환할 수 있습니다. 주요 모듈에는 작업 브로드캐스팅, 입찰 수집, 사용자 지정 기준에 따른 제안 평가, 계약 수여, 실행 상태 모니터링이 포함되며, 연구 시뮬레이션, 산업 스케줄링, 로봇 협력 등에 활용할 수 있습니다.