SonAgent는 Python에서 AI 에이전트를 구축, 구성 및 실행하기 위해 설계된 확장 가능한 오픈 소스 프레임워크입니다. 메모리 저장, 도구 래퍼, 계획 논리, 비동기 이벤트 처리를 위한 핵심 모듈을 제공합니다. 개발자는 맞춤형 도구 등록, 언어 모델 통합, 장기 에이전트 메모리 관리, 여러 에이전트를 조정하여 복잡한 작업에 협력하게 할 수 있습니다. SonAgent의 모듈화된 설계는 대화형 봇, 워크플로우 자동화, 분산 에이전트 시스템 개발을 가속화합니다.

xBrain은 Python 애플리케이션 내에서 자율 에이전트를 생성, 구성, 오케스트레이션하는 모듈러 구조를 제공합니다. 사용자들은 데이터 검색, 분석 또는 생성과 같은 특정 능력을 갖춘 에이전트를 정의하고, 이를 워크플로우에 조합하여 각 에이전트가 통신하고 작업을 위임하도록 합니다. 프레임워크에는 비동기 실행을 관리하는 스케줄러, 외부 API 통합을 위한 플러그인 시스템, 실시간 모니터링과 디버깅용 로그 메커니즘이 포함됩니다. xBrain의 유연한 인터페이스는 맞춤형 메모리 구현과 에이전트 템플릿을 지원하여 다양한 도메인에 맞게 행동을 조정할 수 있습니다. 챗봇과 데이터 파이프라인, 연구 실험 등에 활용하여 최소한의 반복 코드를 통해 복잡한 다중 에이전트 시스템 개발을 가속화합니다.

MultiAgentModel은 멀티에이전트 시나리오를 위한 맞춤형 환경 및 에이전트 클래스를 정의하는 통합 API를 제공합니다. 개발자는 관측 및 행동 공간, 보상 구조, 통신 채널을 지정할 수 있습니다. PPO, DQN, A2C와 같은 인기 RL 알고리즘을 기본 지원하여 최소한의 구성으로 훈련할 수 있습니다. 실시간 시각화 도구를 통해 에이전트 상호작용과 성능 지표를 모니터링합니다. 모듈식 아키텍처는 새로운 알고리즘과 맞춤형 모듈의 손쉬운 통합을 가능하게 하며, 하이퍼파라미터 튜닝을 위한 유연한 구성 시스템, 실험 추적을 위한 로깅 유틸리티, 원활한 포터블성을 위한 OpenAI Gym 환경과의 호환성을 포함합니다. 사용자들은 공유 환경에서 협력하거나, 기록된 세션을 재생하여 분석할 수 있습니다.

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.

AmongA와 다중 에이전트 AI 시스템에 대한 연구. 간단한 파이썬 API를 통해, 사용자들은 원하는 수의 AI 에이전트를 인스턴스화하여 각각 맞춤형 페르소나, 프롬프트, 메모리 버퍼를 부여할 수 있습니다. 에이전트는 구성 가능한 대화 루프에 참여하며, 토론, 브레인스토밍, 의사 결정 또는 게임 시뮬레이션을 지원합니다. 이 프레임워크는 주요 LLM API(예: OpenAI, Anthropic)와 원활하게 통합되어 메시지 기반의 상호작용과 트랜스크립트 기록이 가능합니다. 개발자는 에이전트 역할을 커스터마이징하고 턴 교대 논리, 외부 데이터 소스를 연결하여 행동을 확장할 수 있습니다. AmongAIs는 감성 분석, 점수 기반 평가, 세션 재생 유틸리티도 제공합니다. 이는 신흥 커뮤니케이션, 협력적 아이디어 창출, 디지털 워커 조율 시험 등을 연구하는 팀에 이상적입니다.

ComfyUI LLM Party는 텍스트 상호작용을 조율하기 위해 설계된 LLM 기반 노드 집합을 제공하여, 시각적 AI 워크플로우와 연결된 노드 기반 환경을 확장합니다. 대형 언어 모델과 소통하는 채팅 노드, 컨텍스트를 유지하는 메모리 노드, 다중 에이전트 대화를 관리하는 라우팅 노드를 제공합니다. 사용자들은 언어 생성, 요약, 의사결정 작업을 파이프라인 내에서 연결하여 텍스트 AI와 이미지 생성이 결합된 복합 워크플로우를 구성할 수 있습니다. 커스텀 프롬프트 템플릿, 변수 관리, 조건 분기 등도 지원하여 내러티브 생성, 이미지 캡션, 동적 장면 설명을 자동화할 수 있습니다. 모듈형 설계로 기존 노드와의 원활한 통합이 가능하며, 아티스트와 개발자가 프로그래밍 경험 없이 정교한 AI 에이전트 워크플로우를 구축할 수 있습니다.

Isek는 모듈형 아키텍처를 갖춘 개발자 중심 플랫폼입니다. 도구와 데이터 소스를 위한 플러그인 시스템, 컨텍스트 유지를 위한 내장 메모리, 그리고 다단계 작업 조정을 위한 계획 엔진을 제공합니다. 로컬 또는 클라우드에 배포 가능하며, 어떤 LLM 백엔드도 통합할 수 있고, 커뮤니티 또는 커스텀 모듈을 통해 확장할 수 있습니다. Isek는 템플릿, SDK, CLI 도구를 통해 챗봇, 가상 비서, 자동화 워크플로의 빠른 개발을 간소화합니다.

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.

NKC 다중 에이전트 모델은 연구자와 개발자에게 다중 에이전트 강화 학습 시스템을 설계, 훈련, 평가하기 위한 종합 도구 키트를 제공합니다. 사용자 정의 에이전트 정책, 환경 동역학, 보상 구조를 정의하는 모듈형 아키텍처를 특징으로 합니다. OpenAI Gym과 원활하게 통합되어 빠른 프로토타이핑이 가능하며, TensorFlow와 PyTorch 지원으로 유연한 백엔드 선택이 가능합니다. 이 프레임워크는 경험 재생, 중앙집중식 훈련과 분산 실행, 여러 GPU를 활용한 분산 훈련 유틸리티를 포함하고 있으며, 확장된 로깅과 시각화 모듈은 성능 지표를 수집하여 벤치마킹과 하이퍼파라미터 튜닝을 돕습니다. 협력, 경쟁, 혼합 동기 시나리오의 구성을 간소화하여 NKC 다중 에이전트 모델은 자율차, 로봇 무리, 게임 AI 등의 분야에서 실험을 가속화합니다.

RainbowGPT는 OpenAI 모델을 사용하는 AI 에이전트의 설계, 맞춤화, 배포를 위한 완벽한 프레임워크를 제공합니다. FastAPI 백엔드, 도구 및 메모리 관리를 위한 LangChain 통합, 에이전트 생성과 테스트를 위한 React 기반 UI를 포함합니다. 사용자는 문서를 업로드하여 벡터 기반의 지식 검색을 하거나, 사용자 정의 프롬프트 및 행동을 정의하고, 외부 API 또는 함수를 연결할 수 있습니다. 이 플랫폼은 대화 내역을 기록하여 분석하며, 다중 에이전트 워크플로우를 지원하여 복잡한 자동화와 대화형 파이프라인을 구현합니다.

SquadflowAI Studio는 역할, 태스크, 에이전트 간 통신을 시각적으로 구성하여 AI 에이전트를 만듭니다. 에이전트를 체인으로 연결하여 복잡한 다단계 프로세스—데이터베이스 또는 API 쿼리, 작업 수행, 컨텍스트 전달—를 처리할 수 있습니다. 플랫폼은 플러그인 확장, 실시간 디버깅, 단계별 로그를 지원하며, 개발자는 프롬프트 구성, 메모리 상태 관리, 조건부 논리 설정을 코드 작성 없이 수행할 수 있습니다. OpenAI, Anthropic, 로컬 LLM 모델이 지원되며, 팀은 REST 또는 WebSocket 엔드포인트를 통해 워크플로우를 배포하고 성능 지표를 모니터링하며 중앙 대시보드에서 에이전트 행동을 조정할 수 있습니다.

Team of AI Agents는 모듈식 아키텍처를 통해 다중 에이전트 시스템을 구축하고 배포할 수 있도록 합니다. 각 에이전트는 고유 역할을 수행하며, 글로벌 메모리와 로컬 컨텍스트를 이용해 지식을 유지합니다. 비동기 메시징, 어댑터를 통한 도구 활용, 결과에 따른 동적 재할당을 지원합니다. 사용자들은 YAML 또는 Python 스크립트로 에이전트를 구성해 주제 특화, 목표 계층, 우선순위 처리를 가능하게 합니다. 내장 성능 평가 및 디버깅 지표로 빠른 반복이 가능합니다. 확장 가능한 플러그인 아키텍처로 사용자 정의 NLP 모델, 데이터베이스 또는 외부 API를 통합할 수 있습니다. Team of AI Agents는 전문화된 에이전트들의 집단 지능을 활용하여 복잡한 워크플로우를 가속화하며, 연구, 자동화, 시뮬레이션 환경에 적합합니다.

ThreeAgents는 Python으로 구축되었으며, OpenAI의 채팅 완료 API를 활용하여 역할이 다른 여러 AI 에이전트를 인스턴스화합니다(시스템, 어시스턴트, 사용자). 에이전트 프롬프트, 역할 기반 메시지 처리, 맥락 메모리 관리를 위한 추상화를 제공합니다. 개발자는 커스텀 프롬프트 템플릿을 정의하고, 에이전트 성격을 설정하며, 상호작용을 연결하여 현실적인 대화 또는 작업 중심 워크플로우를 시뮬레이션할 수 있습니다. 프레임워크는 메시지 전달, 컨텍스트 창 관리, 로깅을 처리하여 협력적 의사결정 또는 계층적 작업 분해에 대한 실험을 지원합니다. 환경 변수 및 모듈형 에이전트 지원으로 OpenAI와 로컬 LLM 백엔드 간의 전환이 원활하며, 빠른 프로토타이핑이 가능합니다. 예제 스크립트와 Docker 지원으로 빠른 설정이 가능합니다.

VMAS는 딥 강화 학습을 활용하여 다중 에이전트 시스템을 구축하고 훈련하는 종합 도구 키트입니다. 수백 개의 환경 인스턴스에 대한 GPU 기반 병렬 시뮬레이션을 지원하여 높은 처리량의 데이터 수집과 확장 가능한 훈련을 가능하게 합니다. 인기 있는 MARL 알고리즘인 PPO, MADDPG, QMIX, COMA의 구현과 빠른 프로토타이핑을 위한 모듈형 정책 및 환경 인터페이스를 포함합니다. 프레임워크는 분산 실행을 지원하는 중앙 집중식 훈련(CTDE)을 촉진하며, 사용자 정의 보상 조정, 관측 공간, 로깅 및 시각화를 위한 콜백 훅을 제공합니다. 모듈식 설계 덕분에 VMAS는 PyTorch 모델과 외부 환경과 원활하게 통합되어 협력형, 경쟁형, 혼합 목적의 작업에서 연구에 적합하며, 로보틱스, 교통 제어, 자원 배분, 게임 AI 시나리오에 이상적입니다.

Wumpus LLM 에이전트는 사전 구축된 오케스트레이션 유틸리티, 구조화된 프롬프트 템플릿, 원활한 도구 통합을 제공하여 고급 소크라테스형 AI 에이전트 개발을 간소화하도록 설계되었습니다. 사용자는 에이전트 페르소나, 도구 세트, 대화 흐름을 정의하고, 투명한 사고 관리를 위한 내장 체인-오브-생각(chain-of-thought)을 활용할 수 있습니다. 프레임워크는 컨텍스트 전환, 오류 복구, 메모리 저장을 처리하여 다단계 결정 프로세스를 지원하며, API, 데이터베이스, 맞춤 함수용 플러그인 인터페이스도 포함되어 있어 웹 브라우징, 지식 베이스 질의, 코드 실행이 가능합니다. 포괄적인 로그와 디버깅 기능을 통해 개발자는 각 추론 단계를 추적하고, 에이전트 행동을 미세 조정하며, Python 3.7+를 지원하는 모든 플랫폼에 배포할 수 있습니다.

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.

Agent Forge는 AI 에이전트를 정의, 실행 및 조정하기 위한 모듈형 아키텍처를 제공합니다. 내장된 작업 오케스트레이션 API를 통해 작업을 순차적 또는 병렬로 수행하며, 장기 맥락 유지를 위한 메모리 모듈과 외부 서비스(예: LLM, 데이터베이스, 타사 API)를 통합하는 플러그인 시스템을 포함하고 있습니다. 개발자는 복잡한 워크플로우를 저수준 인프라 관리를 하지 않고도 신속하게 프로토타입, 테스트 및 배포할 수 있습니다.

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 ChatRoom은 다중 에이전트 대화 시스템을 구축하고 실행하는 유연한 환경을 제공합니다. 사용자는 고유한 페르소나와 프롬프트를 가진 에이전트를 생성하고, 에이전트 간 메시지를 라우팅하며, 세련된 UI에서 대화 기록을 볼 수 있습니다. OpenAI API와 통합되며, 에이전트 동작의 맞춤 구성이 가능하고 어떤 정적 호스팅 서비스에서도 배포할 수 있습니다. 개발자는 모듈식 아키텍처, 손쉬운 프롬프트 튜닝, 실시간 AI 협력 시나리오 테스트용 반응형 인터페이스의 이점을 누립니다.