Este repositório oferece uma demonstração prática de comunicação bidirecional entre agentes baseados na estrutura JADE. Inclui exemplos de classes Java que mostram a configuração de agentes, criação de mensagens compatíveis com FIPA-ACL e manejo de comportamentos assíncronos. Os desenvolvedores podem estudar como o Agente A envia um REQUEST, o Agente B processa a solicitação e retorna uma mensagem INFORM. O código demonstra o registro de agentes no Facilitador de Diretórios, uso de comportamentos cíclicos e pontuais, aplicação de modelos de mensagens para filtragem e registro de sequência de conversas. É um ponto de partida ideal para prototipagem de fluxos de troca de agentes, protocolos personalizados ou integração de agentes JADE em sistemas maiores de IA distribuída.

AgentMesh fornece uma infraestrutura modular para desenvolvedores criarem redes de agentes de IA, cada um focado em uma tarefa ou domínio específico. Os agentes podem ser descobertos e registrados dinamicamente em tempo de execução, trocar mensagens assíncronas e seguir regras de roteamento configuráveis. A estrutura lida com tentativas de reconexão, fallback e recuperação de erros, permitindo pipelines multi-agente para processamento de dados, suporte à decisão ou casos de uso conversacionais. Integra facilmente com modelos LLM existentes e modelos personalizados via uma interface de plugins simples.

O Framework de Agentes Econômicos Autônomos (AEA) da Fetch.ai é um SDK open-source em Python e um conjunto de ferramentas CLI para criar agentes modulares e autônomos que podem negociar, transacionar e colaborar em ambientes descentralizados. Inclui comandos de scaffolding para gerar projetos de agentes, modelos para protocolos e habilidades, módulos de conexão para integração com múltiplos ledgers (Ethereum, Cosmos, etc.), interfaces de contratos, componentes de comportamento e tomada de decisão, utilitários de teste e simulação, e um mecanismo de publicação para distribuir agentes na rede Open Economic Framework. Os desenvolvedores aproveitam sua arquitetura modular para prototipar rapidamente trabalhadores digitais para negociações DeFi, mercados de dados, coordenação de IoT e automação da cadeia de suprimentos.

O projeto usa o framework JADE (Java Agent DEvelopment) para construir um ambiente multi-agente. Define agentes que se registram no AMS e DF da plataforma, trocam mensagens ACL e executam comportamentos como ciclo, uma só vez e FSM. Cenários de exemplo incluem negociações comprador-vendedor, protocolos de contrato net e alocação de tarefas. Um contêiner GUI de agentes ajuda a monitorar o estado dos agentes em tempo de execução e o fluxo de mensagens.

MultiAgentes fornece uma arquitetura modular para definir ambientes e agentes, apoiando interações multiagente síncronas e assíncronas. Inclui classes base para ambientes e agentes, cenários pré-definidos para tarefas cooperativas e competitivas, ferramentas para personalizar funções de recompensa, e APIs para comunicação entre agentes e compartilhamento de observações. Utilitários de visualização permitem monitoramento em tempo real de comportamentos dos agentes, enquanto módulos de registro gravam métricas de desempenho para análise. A framework integra-se perfeitamente com bibliotecas de RL compatíveis com Gym, permitindo treinamentos usando algoritmos existentes. É projetado para extensibilidade, permitindo que desenvolvedores adicionem novos templates de ambiente, tipos de agentes e protocolos de comunicação para atender a diferentes necessidades de pesquisa e educação.