LinkAgent는 플러그인 가능한 컴포넌트로 구성된 경량 마이크로커널을 제공하며, 사용자는 언어 모델 백엔드, 검색 모듈, 외부 API를 도구로 등록한 후 내장된 플래너와 라우터를 사용하여 워크플로우를 구성할 수 있습니다. 메모리 핸들러를 통해 문맥 지속 및 저장, 동적 도구 호출, 복잡한 다단계 추론을 위한 결정 로직을 지원합니다. 최소한의 코드로, 팀은 QA, 데이터 추출, 프로세스 오케스트레이션, 보고서 생성과 같은 작업을 자동화할 수 있습니다.

Agenite는 자율 에이전트의 생성, 오케스트레이션 및 관리를 간소화하도록 설계된 Python 중심 AI 에이전트 프레임워크입니다. 메모리 저장소, 작업 스케줄러, 이벤트 기반 통신 채널과 같은 모듈형 구성 요소를 제공하여 상태 기반 상호작용, 다단계 추론 및 비동기 워크플로우를 수행할 수 있는 에이전트를 개발할 수 있습니다. 이 플랫폼은 외부 API, 데이터베이스, 메시지 큐에 연결할 수 있는 어댑터를 제공하며, 플러그형 아키텍처는 자연어 처리, 데이터 검색 및 의사결정에 사용할 맞춤형 모듈을 지원합니다. Redis, SQL, 인메모리 캐시용 내장 저장 백엔드를 통해 Agenite는 지속적인 에이전트 상태를 보장하고 확장 가능한 배포를 가능하게 합니다. 또한 원격 제어용 명령줄 인터페이스와 JSON-RPC 서버를 포함하여 CI/CD 파이프라인과 실시간 모니터링 대시보드와의 통합을 용이하게 합니다.

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.

AIPE는 메모리, 계획, 도구 사용 및 다중 에이전트 협력을 위한 플러그인 가능한 모듈로 AI 에이전트 오케스트레이션을 중앙 집중화합니다. 개발자는 에이전트 페르소나를 정의하고, 벡터 저장소를 통해 컨텍스트를 통합하며, 외부 API 또는 데이터베이스를 연동할 수 있습니다. 이 프레임워크는 내장된 웹 대시보드 및 CLI를 제공하여 프롬프트 테스트, 에이전트 상태 모니터링 및 작업 체인을 수행합니다. Redis, SQLite 및 인메모리 등의 다양한 메모리 백엔드를 지원합니다. 다중 에이전트 구성에서는 데이터 추출기, 분석가, 요약자와 같은 역할을 부여하여 협력하여 복잡한 쿼리를 해결할 수 있습니다. 프롬프트 엔지니어링, API 래퍼, 오류 처리를 추상화하여, 문서 QA, 고객 지원 및 자동 workflow를 위한 AI 기반 어시스턴트 배포를 빠르게 합니다.

LightJason 벤치마크는 LightJason 프레임워크 기반의 다중 에이전트 애플리케이션을 위한 스트레스 테스트 및 평가를 위한 사전 정의 및 사용자 지정 가능한 시나리오 전체 세트를 제공합니다. 사용자들은 에이전트 수, 통신 패턴, 환경 파라미터를 구성하여 현실 세계의 작업 부하를 시뮬레이션하고 시스템 동작을 평가할 수 있습니다. 벤치마크는 메시지 처리량, 에이전트 응답 시간, CPU 및 메모리 소비 등 여러 지표를 수집하며, CSV 및 그래픽 형식으로 결과를 출력합니다. JUnit과 연동하여 자동화 테스팅 파이프라인에 원활히 포함 가능하며, 회귀 분석과 성능 테스트를 CI/CD 작업 흐름의 일부로 수행할 수 있습니다. 조정 가능한 설정과 확장 가능한 시나리오 템플릿을 통해 성능 병목 발견, 확장성 검증, 고성능, 탄력적 다중 에이전트 시스템의 아키텍처 최적화를 지원합니다.

MARFT는 재현 가능한 실험과 협력 AI 시스템의 빠른 프로토타이핑을 가능하게 하는 Python 기반의 LLM입니다.

Maxun.dev는 노코드/저코드 AI 에이전트 프레임워크로서, 개발자와 기업이 특정 업무에 적합한 지능형 에이전트를 만들 수 있게 합니다. 사용자들은 시각적 인터페이스를 통해 에이전트 워크플로우를 정의하고, 데이터 출처와 외부 API를 통합하며, 문맥 이해를 위한 메모리 모듈을 설정할 수 있습니다. 이 플랫폼은 다중 에이전트 오케스트레이션, 실시간 모니터링과 성능 분석를 지원하여 에이전트 행동을 최적화합니다. 내장된 협업 도구, 버전 컨트롤, 원클릭 배포로 프로토타입부터 배포까지 전체 라이프사이클을 간소화하여 고객 지원, 문서 관리, 비즈니스 프로세스의 AI 기반 자동화를 빠르게 진행할 수 있습니다.

멀티-에이전트 디베이트는 AI 에이전트 간의 상호작용 토론을 조율하는 포괄적인 도구 모음입니다. 개발자는 저장소를 복제하고 의존성을 설치하며, 구성 파일에서 Pro, Contra, Moderator 역할을 정의합니다. 프레임워크는 OpenAI 또는 호환 LLM API를 활용해 구조화된 토론 라운드(서론, 반론, 결론)를 생성합니다. 각 라운드 후, Moderator 에이전트는 핵심 요점을 통합하고 로그를 기록합니다. 사용자는 토론 길이, 에이전트 페르소나 및 점수 매기기 기준을 조정할 수 있습니다. 모듈식 설계는 사용자 정의 LLM, 플러그인 아키텍처 및 시각화 도구와의 통합을 허용하며, 이를 통해 AI 기반 논증, 협력적 의사결정 및 토론 결과 기반 자동 콘텐츠 생성 연구를 활성화합니다.

MultiAgent-Systems-StarCraft2-PySC2-Raw는 StarCraft II에서 다중 AI 에이전트 개발, 훈련 및 평가를 위한 완전한 툴킷을 제공합니다. 유닛 이동, 대상 지정, 능력에 대한 저수준 제어를 제공하며, 유연한 보상 설계와 시나리오 구성이 가능합니다. 사용자는 맞춤형 신경망 아키텍처를 쉽게 연결하고, 팀 기반 협력 전략을 정의하며, 지표를 기록할 수 있습니다. PySC2를 기반으로 병렬 훈련, 체크포인트 및 시각화를 지원하여 협력과 경쟁 다중 에이전트 강화학습 연구에 이상적입니다.

OpenSpiel은 간단한 행렬 게임부터 체스, 바둑, 포커와 같은 복잡한 보드게임까지 다양한 환경을 제공하며, 가치 반복, 정책 기울기, MCTS 등 여러 강화학습 및 검색 알고리즘을 구현하고 있습니다. 모듈식 C++ 핵심과 Python 바인딩을 통해 사용자 정의 알고리즘을 통합하거나, 새로운 게임을 정의하거나, 표준 벤치마크에서 성능을 비교할 수 있습니다. 확장성을 고려하여 설계되어 있으며, 단일 에이전트 및 다중 에이전트 설정을 지원하여 협력적이고 경쟁적인 시나리오 연구가 가능합니다. 연구자들은 OpenSpiel을 활용하여 빠르게 알고리즘을 프로토타입하고, 대규모 실험을 수행하며, 재현 가능한 코드를 공유합니다.