MACL é uma estrutura modular em Python projetada para simplificar a criação e orquestração de múltiplos agentes de IA. Permite definir agentes individuais com habilidades personalizadas, configurar canais de comunicação e agendar tarefas em uma rede de agentes. Os agentes podem trocar mensagens, negociar responsabilidades e se adaptar dinamicamente com base nos dados compartilhados. Com suporte integrado para LLMs populares e um sistema de plugins para extensibilidade, o MACL possibilita fluxos de trabalho de IA escaláveis e de fácil manutenção em áreas como automação de atendimento ao cliente, pipelines de análise de dados e ambientes de simulação.

Sistemas Multi-Agentes foi projetado para simplificar a criação, configuração e execução de arquiteturas de agentes distribuídos. Os desenvolvedores podem definir comportamentos de agentes, ontologias de comunicação e descrições de serviços dentro de classes Java. A estrutura gerencia a configuração de containers, transporte de mensagens e ciclo de vida dos agentes. Baseado nos protocolos padrão FIPA, suporta negociação peer-to-peer, planejamento colaborativo e extensão modular. Os usuários podem executar, monitorar e depurar cenários multiagente em uma única máquina ou em hosts conectados em rede, tornando-se ideal para pesquisa, educação e implantações de pequena escala.

Os Agentes Econômicos Autônomos (AEA) da Fetch.ai são uma estrutura versátil que capacita desenvolvedores a projetar, implementar e orquestrar agentes de software autônomos capazes de interagir entre si, com ambientes externos e registros digitais. Utilizando uma arquitetura baseada em plugins, a AEA fornece módulos pré-construídos para protocolos de comunicação, APIs de livros-razão criptográficos, identidade descentralizada e habilidades de tomada de decisão personalizáveis. Os agentes podem descobrir e realizar transações em mercados descentralizados, executar comportamentos orientados a metas e se adaptar através de fluxos de dados em tempo real. A estrutura suporta ferramentas de simulação para testar e depurar cenários multi-agente, além de implantação em blockchains ao vivo ou redes peer-to-peer. Com interoperabilidade integrada e troca de mensagens entre agentes, a AEA simplifica o desenvolvimento de aplicações econômicas autônomas complexas, como comércio de energia, otimização da cadeia de suprimentos e coordenação inteligente de IoT.

Swarms.rs é o núcleo de runtime em Rust para executar programas de agentes de IA baseados em enxame. Possui um sistema modular de plugins para integrar lógica personalizada ou modelos de IA, uma camada de passagem de mensagens para comunicação peer-to-peer e um executor assíncrono para agendar comportamentos de agentes. Juntos, esses componentes permitem que os desenvolvedores projetem, implantem e escalem redes complexas de agentes descentralizados para simulação, automação e tarefas de colaboração multiagentes.

O repositório do Protocol Net Protocol oferece uma implementação completa em Java do protocolo de interação FIPA Contract Net. Desenvolvedores podem criar agentes gerentes e contratantes que trocam CFP (Solicitação de Propostas), propostas, aceitações e rejeições através de canais de comunicação de agentes. O código inclui módulos principais para divulgação de tarefas, coleta de lances, avaliação de propostas baseado em critérios personalizáveis, adjudicação de contratos e monitoramento do estado de execução. Pode ser integrado a grandes frameworks de múltiplos agentes ou usado como uma biblioteca autônoma para simulações de pesquisa, agendamento industrial ou coordenação robótica.

JaCaMo oferece um ambiente unificado para projetar e executar sistemas multiagente (MAS), integrando três componentes principais: a linguagem de programação de agentes Jason para agentes baseados em BDI, CArtAgO para modelagem de ambientes com artefatos, e Moise para definir estruturas organizacionais e papéis. Desenvolvedores podem escrever planos de agentes, definir artefatos com operações e organizar grupos de agentes sob frameworks normativos. A plataforma inclui ferramentas para simulação, depuração e visualização de interações MAS. Com suporte à execução distribuída, repositórios de artefatos e comunicação flexível, JaCaMo permite prototipagem rápida e pesquisa em áreas como inteligência de enxame, robótica colaborativa e tomada de decisões distribuídas. Seu design modular garante escalabilidade e extensibilidade em projetos acadêmicos e industriais.

O GAMA Genstar Plugin adiciona capacidades de IA generativa à plataforma GAMA fornecendo conectores para OpenAI, LLMs locais e endpoints de modelos personalizados. Os usuários definem prompts e pipelines em GAML para gerar decisões de agentes, descrições de ambiente ou parâmetros de cenários instantaneamente. O plugin suporta chamadas API síncronas e assíncronas, cache de respostas e ajuste de parâmetros. Simplifica a integração de modelos de linguagem natural em simulações de grande escala, reduzindo scripts manuais e promovendo comportamentos mais ricos e adaptativos.

JADE-DR-VPP é um framework de código aberto em Java que implementa um sistema de múltiplos agentes para resposta à demanda (DR) em Usinas de Energia Virtuais (VPP). Cada agente representa uma carga ou unidade de geração flexível que se comunica via mensagens JADE. O sistema orquestra eventos de DR, agenda ajustes de carga e agrega recursos para atender aos sinais da rede. Os usuários podem configurar comportamentos de agentes, executar simulações em grande escala e analisar métricas de desempenho de estratégias de gerenciamento de energia.

NVIDIA Isaac é uma plataforma avançada de robótica da NVIDIA, projetada para capacitar os desenvolvedores a criar e implantar sistemas robóticos habilitados para IA. Inclui ferramentas e frameworks poderosos que permitem a integração perfeita de algoritmos de aprendizado de máquina para percepção, navegação e controle. A plataforma suporta simulação, treinamento e implantação de agentes de IA em tempo real, tornando-a adequada para várias aplicações, incluindo automação de armazéns, computação em borda e pesquisa robótica.

Multi-Agent ColComp é uma estrutura extensível de código aberto para orquestrar uma equipe de agentes de IA para trabalhar juntos em tarefas complexas. Desenvolvedores podem definir papéis distintos, configurar canais de comunicação e compartilhar dados de contexto através de um armazenamento de memória unificado. A biblioteca inclui componentes plug-and-play para negociação, coordenação e construção de consenso. Configurações de exemplo demonstram geração de texto colaborativa, planejamento distribuído e simulação multi-agente. Seu design modular suporta fácil extensão, permitindo às equipes criar protótipos e avaliar estratégias multi-agente rapidamente em ambientes de pesquisa ou produção.

multiagent-env é uma biblioteca open-source em Python projetada para simplificar a criação e avaliação de ambientes de aprendizado por reforço multiagente. Os usuários podem definir cenários cooperativos e adversariais especificando o número de agentes, espaços de ação e observação, funções de recompensa e dinâmica ambiental. Suporta visualização em tempo real, renderização configurável e fácil integração com frameworks RL baseados em Python, como Stable Baselines e RLlib. O design modular permite prototipagem rápida de novos cenários e benchmarking simples de algoritmos multiagentes.

ROSA (Sequenciamento e Autonomia de Robôs) é uma estrutura completa de autonomia desenvolvida pelo Jet Propulsion Laboratory do NASA para robótica espacial. Apresenta um planejador de IA modular, escalonador consciente de restrições e simuladores integrados que produzem sequências de comandos validadas para operações de robôs. Os usuários podem definir objetivos de missão, restrições de recursos e regras de segurança; ROSA gerará planos de execução ótimos, detectará conflitos e apoiará o replanejamento rápido em resposta a eventos inesperados. Sua arquitetura de plugins permite integração com sensores personalizados, atuadores e ferramentas de análise de telemetria, facilitando autonomia de missão de ponta a ponta para exploração planetária.

APLib foi projetado para simplificar o desenvolvimento de agentes autônomos impulsionados por IA em ambientes de jogos e simulação. Utilizando uma arquitetura inspirada em Belief-Desire-Intention (BDI), oferece componentes modulares para percepção, tomada de decisão e execução de ações. Os desenvolvedores definem crenças, objetivos e comportamentos dos agentes por meio de APIs intuitivas e árvores de comportamento. Os agentes APLib podem interpretar o estado do jogo por sensores personalizáveis, formular planos usando planejadores integrados e interagir com o ambiente via atuadores. A biblioteca suporta integração com Unity, Unreal e ambientes Java puros, facilitando testes automatizados, pesquisa em IA e simulações. Promove a reutilização de módulos de comportamento, prototipagem rápida e fluxos de trabalho de QA robustos, automatizando cenários de teste repetitivos e simulando comportamentos complexos de jogadores sem intervenção manual.