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.

AgentMesh는 개발자가 특정 작업 또는 도메인에 집중하는 AI 에이전트 네트워크를 생성할 수 있는 모듈식 인프라를 제공합니다. 에이전트는 런타임에 동적으로 검색 및 등록되고, 메시지를 비동기적으로 교환하며, 구성 가능한 라우팅 규칙을 따릅니다. 이 프레임워크는 재시도, 폴백, 오류 복구를 처리하여 데이터 처리, 의사결정 지원 또는 대화용 케이스를 위한 다중 에이전트 파이프라인을 가능하게 합니다. 기존 LLM 및 사용자 정의 모델과 간단한 플러그인 인터페이스를 통해 쉽게 통합할 수 있습니다.

Fetch.ai의 Autonomous Economic Agents (AEA) 프레임워크는 분산 환경에서 협상, 거래, 협력을 할 수 있는 모듈형 자율 에이전트를 생성하기 위한 오픈소스 Python SDK 및 CLI 도구 세트입니다. 에이전트 프로젝트 생성용 스캐포딩 명령, 프로토콜 및 기술 템플릿, 이더리움, Cosmos 등의 여러 블록체인과 통합하는 연결 모듈, 계약 인터페이스, 행동 및 의사결정 구성 요소, 테스트와 시뮬레이션 도구, Open Economic Framework 네트워크 내 에이전트 배포를 위한 게시 메커니즘을 포함합니다. 개발자는 모듈식 아키텍처를 활용하여 DeFi 거래, 데이터 마켓, IoT 협력, 공급망 자동화를 위한 디지털 워커를 빠르게 프로토타이핑합니다.

이 프로젝트는 JADE(Java Agent DEvelopment) 프레임워크를 사용하여 다중 에이전트 환경을 구축합니다. 에이전트는 플랫폼의 AMS와 DF에 등록하고, ACL 메시지를 교환하며, 순환, 일회성, FSM과 같은 행동을 수행합니다. 예제 시나리오에는 구매자-판매자 협상, 계약 넷 프로토콜, 작업 배분이 포함됩니다. GUI 에이전트 컨테이너는 런타임 동안 에이전트 상태와 메시지 흐름을 모니터링하는 데 도움이 됩니다.

MultiAgentes는 환경과 에이전트 정의를 위한 모듈식 아키텍처를 제공하며, 동기 및 비동기 멀티 에이전트 상호 작용을 지원합니다. 환경과 에이전트용 기본 클래스, 협력 및 경쟁 작업용 사전 정의된 시나리오, 보상 함수 사용자 지정 도구, 에이전트 간 메시징 및 관찰 공유를 위한 API를 포함합니다. 시각화 유틸리티는 에이전트 행동을 실시간으로 모니터링할 수 있으며, 로깅 모듈은 성능 메트릭을 기록하여 분석합니다. 이 프레임워크는 Gym 호환 강화 학습 라이브러리와 원활하게 통합되어 기존 알고리즘을 사용한 에이전트 훈련이 가능합니다. 확장성을 고려하여 개발자가 새로운 환경 템플릿, 에이전트 유형 및 통신 프로토콜을 추가할 수 있으며, 다양한 연구 및 교육 용도에 적합합니다.