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.

Agents-Flex는 대규모 언어 모델(LLM) 애플리케이션을 위한 경량화되고 우아한 Java 프레임워크입니다. 개발자는 지역 메서드를 효율적으로 정의, 분석 및 실행할 수 있습니다. 이 프레임워크는 지역 함수 정의, 파싱 기능, LLM을 통한 콜백 및 결과를 반환하는 메서드 실행을 지원합니다. 최소한의 코드로 개발자는 LLM의 힘을 활용하고 애플리케이션에 정교한 기능을 통합할 수 있습니다.

Cyrano는 자연어 프롬프트를 통해 대형 언어 모델과 외부 도구를 오케스트레이션하는 오픈소스 Python 프레임워크 및 CLI입니다. 사용자들은 커스텀 도구(함수)를 정의하고, 메모리와 토큰 제한을 설정하며, 콜백을 처리할 수 있습니다. Cyrano는 LLM의 JSON 응답을 파싱하고 지정된 도구를 순차적으로 실행합니다. 간단함, 모듈성, 외부 의존성 없음에 중점을 두고 있어 개발자가 채팅봇을 프로토타이핑하고, 자동 워크플로우를 구축하며, 신속히 애플리케이션에 AI 기능을 통합할 수 있습니다.

llama-cpp-agent는 완전히 오프라인에서 실행할 수 있는 오픈소스 C++ 프레임워크입니다. llama.cpp 추론 엔진을 활용하여 빠르고 저지연의 상호작용을 제공하며, 모듈식 플러그인 시스템, 구성 가능한 메모리, 작업 실행을 지원합니다. 개발자는 사용자 정의 도구를 통합하고, 다양한 로컬 LLM 모델 간 전환하며, 외부 의존성없이 프라이버시 중심의 대화형 도우미를 구축할 수 있습니다.

multiagent-golang은 Go에서 다중 에이전트 시스템을 구축하는 구조화된 방법을 제공합니다. 각 에이전트는 환경을 인지하는 센서와 행동을 취하는 액추에이터를 갖춘 Agent 추상화를 도입합니다. 에이전트는 Go 루틴을 사용하여 동시 실행되며, 전용 메시징 채널로 통신합니다. 이 프레임워크에는 이벤트 처리, 에이전트 생애주기 관리, 상태 변경 추적 등을 위한 환경 시뮬레이션 계층도 포함되어 있습니다. 개발자는 에이전트 행동을 쉽게 확장하거나 사용자 지정하고, 시뮬레이션 매개변수 구성 및 로그 또는 분석 모듈을 통합할 수 있습니다. 이를 통해 연구 및 프로토타입 개발을 위한 확장 가능하고 동시적인 시뮬레이션을 용이하게 만듭니다.

Pocket AI는 NVIDIA RTX A500 GPU로 장착된 휴대용 AI 가속기입니다. 전력을 제공하면서도 성능 간의 완벽한 균형을 이루도록 엔지니어링되어 있으며, AI 개발자, 데이터 과학자 및 기술 애호가에게 이상적입니다. 컴팩트하고 가벼운 디자인은 휴대성을 보장하며, 사용자가 강력한 AI 기능을 어디서든 가져갈 수 있게 해줍니다. USB PD를 통한 원활한 연결로 Pocket AI는 이동 중에도 AI 프로젝트 실행을 간소화합니다.