OpenSpiel — это исследовательский фреймворк, обеспечивающий широкий спектр окружений (от простых матричных игр до сложных настольных игр, таких как шахматы, го и покер) и реализующий различные алгоритмы обучения с укреплением и поиска (например, итерацию значений, градиент политики, Монтекарло-дерево поиска). Его модульное ядро на C++ и привязки к Python позволяют пользователям вставлять собственные алгоритмы, определять новые игры и сравнивать эффективность на стандартных бенчмарках. Спроектированный с учетом расширяемости, он поддерживает сценарии с одним и несколькими агентами, позволяя изучать кооперативные и соревновательные ситуации. Исследователи используют OpenSpiel для быстрого прототипирования алгоритмов, проведения масштабных экспериментов и обмена воспроизводимым кодом.

Ребята RL-агенты для PettingZoo — это библиотека на Python, обеспечивающая готовые алгоритмы DQN, PPO и A2C для многопользовательского обучения с подкреплением в средах PettingZoo. Включает стандартизированные скрипты обучения и оценки, настраиваемые гиперпараметры, встроенное логирование в TensorBoard и поддержку как соревновательных, так и кооперативных игр. Исследователи и разработчики могут клонировать репозиторий, настраивать параметры среды и алгоритмов, запускать тренировки и визуализировать метрики для быстрой разработки и сравнения своих экспериментов по многопользовательскому RL.

RoboCup Rescue Agent Simulation — это рамочная платформа с открытым исходным кодом, моделирующая городские катастрофические ситуации, где несколько управляемых ИИ агентов сотрудничают для поиска и спасения жертв. Она предоставляет интерфейсы для навигации, картографии, связи и интеграции сенсоров. Пользователи могут писать собственные стратегии агентов, запускать пакетные эксперименты и визуализировать показатели эффективности агентов. Платформа поддерживает настройку сценариев, ведение логов и анализ результатов, что ускоряет исследования в области мультиагентных систем и алгоритмов реагирования на бедствия.

ROCKET-1 — это платформа с открытым исходным кодом, предназначенная для оркестровки сложных многопроцессорных систем. Позволяет определять конвейеры агентов с помощью модульного API, обеспечивая легкую цепочку из языковых моделей, плагинов и хранилищ данных. Основные функции включают семантическую память для сохранения контекста между сессиями, динамическую интеграцию инструментов с внешними API и базами данных, а также встроенные панели мониторинга для отслеживания производительности. Разработчики могут настраивать рабочие процессы с минимальным количеством кода, масштабировать горизонтально с помощью контейнерных решений и расширять функциональность через архитектуру плагинов. ROCKET-1 поддерживает режим реального времени для отладки, автоматические повторные попытки и меры безопасности, что делает его идеальным решением для ботов поддержки клиентов, исследовательских помощников и автоматизации предприятий.

VacuumWorld — платформа с открытым исходным кодом, предназначенная для разработки и оценки алгоритмов обучения с подкреплением для мультиагентов. Она предоставляет сеточные среды, в которых виртуальные роботы-пылесосы работают, чтобы обнаруживать и устранять грязь в настраиваемых макетах. Пользователи могут регулировать параметры, такие как размер сетки, распределение грязи, стохастический шум движений и структуры вознаграждения, моделируя разные сценарии. В рамках встроена поддержка протоколов коммуникации между агентами, информационных панелей в реальном времени и логирующих утилит для отслеживания эффективности. С помощью простых API на Python исследователи могут быстро интегрировать свои алгоритмы RL, сравнивать кооперативные и соревновательные стратегии и проводить воспроизводимые эксперименты, что делает VacuumWorld идеальным для академических исследований и обучения.

Salieri — это инновационная платформа, разработанная для оптимизации разработки ИИ-проектов с помощью многоагентных приложений. Используя передовые ИИ-технологии, Salieri повышает производительность и эффективность, упрощая командам автоматизацию рабочих процессов. Интуитивный дизайн и мощные функции Salieri позволяют пользователям переводить детализированные идеи в интерактивные иллюстрированные истории, идеально подходящие для проектов, ориентированных на нарратив, игр и других целей. Salieri предлагает надежные и эффективные системы, интегрируя графы знаний и формальные движки для повышения точности и рентабельности ИИ-моделей.

SARL предназначен для поддержки принятия решений и динамического развития с помощью Eclipse IDE, предоставляя средства редактирования, генерации кода, отладки и тестирования. Исполняющая среда может быть направлена на различные платформы, включая симуляционные фреймворки (например, MadKit, Janus) и реальные системы в робототехнике и IoT. Разработчики могут структурировать сложные приложения MAS, собирая модульные навыки и протоколы, упрощая разработку адаптивных, распределённых систем ИИ.

Шепортинг — это открытая симуляционная платформа, предназначенная для исследований и разработок в области обучения с подкреплением с целью изучения и реализации задач пастушества с несколькими агентами. Она предоставляет среду, совместимую с Gym, в которой агенты могут обучаться выполнять поведение, такое как охватывание, сбор и рассеивание целевых групп в непрерывных или дискретных пространствах. В рамках реализованы модульные функции формировки наград, параметризация среды и утилиты для мониторинга обучения. Пользователи могут задавать препятствия, динамичные популяции агентов и собственные политики с использованием TensorFlow или PyTorch. Скрипты визуализации создают траектории и видео взаимодействия агентов. Модульная структура Шепортинга обеспечивает легкую интеграцию с существующими библиотеками RL, что позволяет воспроизводимые эксперименты, сравнение новых стратегий координации и быстрое создание прототипов решений на базе ИИ.

OpenAI Swarm — это универсальная библиотека оркестрации, позволяющая параллельно выполнять задачи и принимать решения на базе консенсуса через множество AI-агентов. Она广播ит задачи независимым моделям, собирает их результаты и применяет настраиваемые схемы голосования или ранжирования для выбора наивысшего результата. Разработчики могут настраивать количество агентов, пороги голосования и комбинации моделей для повышения надежности, уменьшения индивидуальных предубеждений и улучшения качества решений. Swarm поддерживает цепочки ответов, итерационные обратные связи и подробные логи рассуждений для аудита, повышая эффективность в задачах суммирования, классификации, генерации кода и сложных рассуждениях за счет коллективного интеллекта.

SuperSwarm предназначен для оркестрации рабочих процессов на базе ИИ с участием нескольких специализированных агентов, которые взаимодействуют и сотрудничают в режиме реального времени. Он поддерживает динамическую декомпозицию задач, при которой главный контролирующий агент разбивает сложные цели на подсущности и назначает их экспертным агентам. Агенты могут делиться контекстом, обмениваться сообщениями и адаптировать свои подходы с учетом промежуточных результатов. Платформа предлагает веб-интерфейс, REST API и CLI для развертывания и мониторинга. Разработчики могут определять пользовательские роли, конфигурировать топологии роя и интегрировать внешние инструменты через плагины. SuperSwarm масштабируется горизонтально с использованием оркестрации контейнеров, обеспечивая надежную работу при больших нагрузках. Логи, метрики и визуализации помогают оптимизировать взаимодействия агентов, делая ее подходящей для передовых исследований, автоматизации поддержки клиентов, генерации кода и процессов принятия решений.

AgentSpeak — это open-source реализация на Java языка программирования AgentSpeak(L), разработанная для облегчения создания и управления автономными агентами BDI (Вера—Желание— Намерение). Он включает среду выполнения, которая парсит код AgentSpeak(L), поддерживает базы убеждений агентов, инициирует события и выбирает и выполняет планы на основе текущих убеждений и целей. Интерпретатор поддерживает параллельное выполнение агентов, динамическое обновление планов и настраиваемую семантику. Благодаря модульной архитектуре, разработчики могут расширять ключевые компоненты, такие как выбор планов и редактирование убеждений. AgentSpeak позволяет академикам и промышленным компаниям прототипировать, моделировать и развёртывать интеллектуальных агентов в симуляциях, IoT-системах и сценариях мультиагентов.

Репозиторий Berkeley Pacman Projects предлагает модульную кодовую базу на Python, в которой пользователи могут создавать и тестировать агентов ИИ в лабиринте Pacman. Мы руководствуемся обучением без предварительной информации и с ней (DFS, BFS, A*), состязательным многоагентным поиском (minimax, alpha-beta-отсечение) и обучением с подкреплением (Q-обучение с извлечением признаков). Встроенные графические интерфейсы визуализируют поведение агентов в реальном времени; встроенные тесты и автоградера проверяют правильность. Итеративно совершенствуя алгоритмы, пользователи приобретают практический опыт в исследовании пространства состояний, проектировании эвристик, состязательном рассуждении и обучении на основе наград в рамках единой игровой среды.

UnitMesh предлагает гибкую, модульную среду для определения, управления и выполнения цепочек AI-агентов. Обеспечивается бесшовная интеграция с OpenAI, Anthropic и пользовательскими моделями, поддержка SDK для Python и Node.js, встроенные хранилища памяти, подключатели инструментов и архитектура плагинов. Разработчики могут оркестрировать параллельные или последовательные рабочие процессы, отслеживать логи выполнения и расширять функциональность через пользовательские модули. Архитектура, основанная на событиях, гарантирует высокую производительность и масштабируемость в облачных и локальных развертываниях.

ElizaOS предоставляет надежный набор инструментов для проектирования, тестирования и внедрения автономных AI-агентов в проектах на TypeScript. Разработчики определяют личности агентов, цели и архитектуру памяти, затем используют систему планирования ElizaOS для определения последовательности задач. Модульная архитектура подключателей упрощает интеграцию с системами коммуникации — Discord, Telegram, Slack, X — и блокчейн-сетями через Web3-адаптеры. ElizaOS поддерживает различные бекенды LLM (OpenAI, Anthropic, Llama, Gemini), позволяя легко переключаться между моделями. Поддержка плагинов расширяет функциональность с помощью пользовательских навыков, логирования и мониторинга. Через CLI и SDK команды могут менять конфигурации агентов, отслеживать производительность и масштабировать развертывания в облачных или локальных средах. ElizaOS позволяет автоматизировать взаимодействия с клиентами, маркетинг в соцсетях и бизнес-процессы с помощью автономных цифровых работников.

EthicalEvalMAS обеспечивает модульную среду для оценки систем с несколькими агентами по ключевым этическим аспектам, таким как справедливость, автономия, конфиденциальность, прозрачность и благотворительность. Пользователи могут генерировать пользовательские сценарии или использовать встроенные шаблоны, задавать собственные метрики, запускать автоматические скрипты оценки и визуализировать результаты с помощью встроенных инструментов отчетности. Его расширяемая архитектура облегчает интеграцию с существующими платформами MAS и поддерживает воспроизводимое этическое бенчмаркинг для различных поведений агентов.

IntelligentMASPlatform создавалась для ускорения разработки и развертывания систем с несколькими агентами, предлагая модульную архитектуру с отдельными слоями для агентов, окружения и сервисов. Агенты взаимодействуют через совместимую с FIPA коммуникацию ACL, что обеспечивает динамические переговоры и координацию. В платформу входит универсальный моделятор окружения, позволяющий моделировать сложные сценарии, планировать задачи агентов и визуализировать взаимодействия в реальном времени с помощью встроенной панели. Для расширенного поведения реализованы модули обучения с подкреплением и поддерживаются пользовательские плагины поведения. Инструменты развертывания позволяют упаковать агентов в автономные приложения или распределенные сети. Также API платформы обеспечивает интеграцию с базами данных, IoT-устройствами и сторонними сервисами ИИ, что делает её подходящей для исследований, промышленной автоматизации и умных городов.

LinkAgent предоставляет легкий микронуклеус для создания ИИ-агентов с плагиныными компонентами. Пользователи могут регистрировать бэкенды языковых моделей, модули поиска и внешние API как инструменты, а затем собирать их в рабочие процессы с помощью встроенных планировщиков и маршрутизаторов. LinkAgent поддерживает обработчики памяти для сохранения контекста, динамический вызов инструментов и настраиваемую логику принятия решений для сложных многосвязанных рассуждений. Минимальный код позволяет автоматизировать задачи, такие как контроль качества, извлечение данных, оркестровка процессов и создание отчетов.

MACL — это модульный фреймворк на Python, предназначенный для упрощения создания и оркестрации нескольких ИИ-агентов. Позволяет определять отдельных агентов с индивидуальными навыками, настраивать каналы связи и планировать задачи в сети агентов. Агенты могут обмениваться сообщениями, договариваться о ответственности и динамически адаптироваться на основе общих данных. Встроенная поддержка популярных LLM и система плагинов для расширяемости позволяют MACL обеспечивать масштабируемые и удобные в обслуживании рабочие процессы ИИ в таких областях, как автоматизация клиентского сервиса, аналитика данных и симуляционные среды.

MultiAgent2 предоставляет комплексный набор инструментов для оркестровки автономных AI-агентов на базе больших языковых моделей. Разработчики могут определять агентов с настраиваемыми персонажами, стратегиями и контекстами памяти, что позволяет им вести диалоги, делиться информацией и решать задачи совместно. Фреймворк поддерживает плагины для хранения долгосрочной памяти, доступ на основе ролей к общим данным и настраиваемые каналы коммуникации для синхронного или асинхронного диалога. CLI и Python SDK позволяют быстро прототипировать, тестировать и развертывать системы с несколькими агентами для исследований, автоматической поддержки клиентов, пайплайнов по созданию контента и систем поддержки принятия решений. Благодаря абстракции коммуникации между агентами и управлению памятью, MultiAgent2 ускоряет разработку сложных AI-приложений.

NeuralABM — это open-source библиотека на Python, использующая PyTorch для интеграции нейронных сетей в агентное моделирование. Пользователи могут задавать архитектуру агентов в виде нейронных модулей, определять динамику среды и обучать поведение агентов с помощью обратного распространения ошибок на этапах симуляции. Фреймворк поддерживает пользовательские сигналы вознаграждения, обучение по куррикулуму и синхронное или асинхронное обновление, что позволяет исследовать возникающие феномены. В комплект входят утилиты для логирования, визуализации и экспорта наборов данных, что позволяет исследователям и разработчикам анализировать производительность агентов, отлаживать модели и оптимизировать дизайн симуляций. NeuralABM упрощает сочетание обучения с подкреплением и ABM для приложений в области социальных наук, экономики, робототехники и AI-управляемого поведения NPC в играх. Он предоставляет модульные компоненты для настройки среды, поддерживает взаимодействие нескольких агентов и позволяет внедрять внешние датасеты или API для реальных симуляций. Открытая архитектура способствует воспроизводимости и совместной работе благодаря ясной конфигурации экспериментов и интеграции систем контроля версий.