Swarms.rs는 군집 기반 AI 에이전트 프로그램 실행용 Rust 핵심 런타임입니다. 커스텀 로직 또는 AI 모델 통합을 위한 모듈식 플러그인 시스템, 피어투피어 통신을 위한 메시지 전달 계층, 에이전트 행동 스케줄링을 위한 비동기 실행기를 특징으로 하며, 이를 통해 개발자는 복잡한 분산 에이전트 네트워크를 설계, 배포, 확장할 수 있습니다. 이 구성요소들은 시뮬레이션, 자동화, 다중 에이전트 협력 작업에 적합합니다.

DEf-MARL(멀티 에이전트 강화 학습을 위한 분산 실행 프레임워크)는 중앙 제어자가 없는 협력 에이전트의 수행과 학습을 위한 견고한 인프라를 제공합니다. 피어 투 피어 통신 프로토콜을 활용하여 정책과 관측 정보를 공유하며, 로컬 상호작용을 통해 조정을 수행합니다. 이 프레임워크는 PyTorch 및 TensorFlow와 원활하게 통합되며, 사용자 정의 환경 래퍼, 분산 롤아웃 수집 및 그래디언트 동기화 모듈을 제공합니다. 사용자들은 에이전트별 관측 공간, 보상 함수, 통신 토폴로지를 정의할 수 있습니다. DEf-MARL은 런타임 동안 에이전트의 동적 추가 및 제거를 지원하며, 노드 간 중요한 상태를 복제하여 장애 내성을 갖추고, 탐색과 활용의 균형을 위한 적응형 통신 스케줄링도 수행합니다. 환경 시뮬레이션을 병렬화하고 중앙 병목 현상을 줄여 훈련 속도를 높이며, 대규모 MARL 연구와 산업용 시뮬레이션에 적합합니다.

uAgents는 개발자가 자율적이고 분산된 AI 에이전트를 구축할 수 있는 모듈형 JavaScript 프레임워크로, 이 에이전트들은 피어를 발견하고 메시지를 교환하며 작업에 협력하고 학습을 통해 적응합니다. 에이전트는 libp2p 기반의 가십 프로토콜을 사용하여 통신하며, 온체인 등록소를 통해 능력을 등록하고, 스마트 계약으로 서비스 수준 계약을 협상합니다. 핵심 라이브러리는 에이전트의 수명 이벤트, 메시지 라우팅, 강화 학습 및 시장 기반 작업 할당과 같은 확장 가능한 동작을 처리합니다. 맞춤형 플러그인을 통해 uAgents는 Fetch.ai의 원장, 외부 API, 오라클 네트워크와 통합되어, 에이전트가 실세계 행동을 수행하고 데이터를 수집하며 분산 환경에서 중앙화 없는 의사결정을 할 수 있도록 합니다.