Мультияентные системы предназначены для упрощения создания, настройки и запуска распределенных архитектур на основе агентов. Разработчики могут определять поведение агентов, онтологии коммуникации и описание сервисов через классы Java. Фреймворк управляет настройкой контейнеров, передачей сообщений и жизненным циклом агентов. На основе стандартных протоколов FIPA он поддерживает P2P-переговоры, совместное планирование и модульное расширение. Пользователи могут запускать, отслеживать и отлаживать сценарии с несколькими агентами на одном устройстве или в сети, что делает его идеальным для исследований, обучения и небольших развертываний.

Автономные экономические агенты (AEA) Fetch.ai — это универсальный фреймворк, который дает возможность разработчикам проектировать, реализовывать и управлять автономными программными агентами, способными взаимодействовать друг с другом, с внешними средами и цифровыми реестрами. Используя архитектуру на основе плагинов, AEA предоставляет заранее подготовленные модули для протоколов связи, API криптографических реестров, децентрализованной идентичности и навыков принятия решений. Агенты могут обнаруживать и совершать транзакции на децентрализованных рынках, выполнять целенаправленное поведение и адаптироваться за счет потоков данных в реальном времени. Фреймворк поддерживает инструменты моделирования для тестирования и отладки сценариев с несколькими агентами, а также развертывания в реальных блокчейнах или пиринговых сетях. Благодаря встроенной совместимости и обмену сообщениями между агентами, AEA облегчает разработку сложных автономных экономических приложений, таких как торговля энергией, оптимизация цепочек поставок и координация IoT.

Swarms.rs — это основной рантайм на Rust для выполнения программ с роевыми AI-агентами. Он включает модульную систему плагинов для интеграции пользовательской логики или моделей ИИ, слой обмена сообщениями для p2p-коммуникации и асинхронный исполнитель для планирования поведения агентов. Все эти компоненты позволяют создавать, развертывать и масштабировать сложные децентрализованные сети агентов для моделирования, автоматизации и совместных задач.

Репозиторий Protocol Net Protocol предоставляет полную Java-реализацию взаимодействия по протоколу FIPA Contract Net. Разработчики могут создавать управляющих и контрактных агентов, которые обмениваются CFP (запросами предложений), предложениями, принятием и отказами через коммуникационные каналы агентов. В код включены основные модули для распространения задач, сбора ставок, оценки предложений на основе настраиваемых критериев, присуждения контрактов и мониторинга выполнения. Его можно интегрировать в большие системы с несколькими агентами или использовать как автономную библиотеку для исследований, промышленных расписаний или командной работы роботов.

JaCaMo предоставляет единое окружение для разработки и запуска многоагентных систем (MAS), объединяя три основных компонента: язык программирования агентов Jason для агентов на базе BDI, CArtAgO для моделирования окружающей среды с помощью артефактов и Moise для задания организационных структур и ролей. Разработчики могут писать планы агентов, определять артефакты с операциями и организовывать группы агентов в рамках нормативных структур. Платформа включает инструменты для симуляции, отладки и визуализации взаимодействий MAS. Благодаря поддержке распределённого выполнения, репозиториям артефактов и гибкому обмену сообщениями, JaCaMo позволяет быстро создавать прототипы и проводить исследования в областях, таких как ройоподобный интеллект, коллаборативная робототехника и распределённое принятие решений. Его модульная архитектура обеспечивает масштабируемость и расширяемость для академических и промышленных проектов.

Плагин GAMA Genstar добавляет возможность работы с генеративным ИИ в платформу GAMA, предоставляя коннекторы к OpenAI, локальным LLM и эндпоинтам пользовательских моделей. Пользователи определяют подсказки и пайплайны в GAML для генерации решений агентов, описаний сред и параметров сценариев на лету. Плагин поддерживает синхронные и асинхронные API-запросы, кэширование ответов и настройку параметров. Он упрощает интеграцию моделей на естественном языке в крупномасштабные симуляции, уменьшая объем ручного скриптинга и стимулируя создание более богатого и адаптивного поведения агентов.

JADE-DR-VPP — это открытая Java-библиотека, реализующая систему многоагентов для отклика на спрос (DR) в виртуальных электростанциях (VPP). Каждый агент представляет собой гибкий нагрузочный или генерирующий блок, взаимодействующий через сообщения JADE. Система управляет событиями DR, планирует корректировки нагрузки и агрегирует ресурсы для выполнения сигналов сети. Пользователи могут настраивать поведение агентов, запускать масштабные симуляции и анализировать показатели эффективности стратегий управления энергией.

NVIDIA Isaac - это продвинутая платформа робототехники от NVIDIA, предназначенная для предоставления разработчикам возможностей для создания и развертывания роботов с поддержкой ИИ. Она включает в себя мощные инструменты и фреймворки, которые позволяют без труда интегрировать алгоритмы машинного обучения для восприятия, навигации и управления. Платформа поддерживает моделирование, обучение и развертывание агентов ИИ в реальном времени, что делает ее подходящей для различных применений, включая автоматизацию складов, периферийные вычисления и робототехнические исследования.

Multi-Agent ColComp — это расширяемая, с открытым исходным кодом структура для организации команды агентов ИИ при выполнении сложных задач. Разработчики могут задавать различные роли агентов, настраивать каналы связи и обмениваться контекстными данными через единое хранилище памяти. Библиотека включает компоненты plug-and-play для переговоров, координации и построения консенсуса. В примерах демонстрируются совместное создание текста, распределенное планирование и моделирование мультиагентов. Модульный дизайн облегчает расширение, позволяя командам быстро прототипировать и оценивать стратегии мультиагентов в исследованиях или в производственной среде.

multiagent-env — это открытая библиотека на Python, предназначенная для упрощения создания и оценки сред обучения с несколькими агентами. Пользователи могут определять как кооперативные, так и враждебные сценарии, задавая количество агентов, пространства действий и наблюдений, функции наград и динамику окружающей среды. Она поддерживает визуализацию в реальном времени, настраиваемую визуализацию и легкую интеграцию с RL-фреймворками на базе Python, такими как Stable Baselines и RLlib. Модульный дизайн позволяет быстро прототипировать новые сценарии и легко сравнивать алгоритмы.

ROSA (Rover Sequencing & Autonomy) — это комплексная система автономии, разработанная Jet Propulsion Laboratory НАСА для космической робототехники. В ней есть модульный планировщик ИИ, чувствительный к ограничениям планировщик и встроенные симуляторы, которые создают проверенные командные последовательности для работы ровера. Пользователи могут задавать цели миссии, ограничения ресурсов и правила безопасности; ROSA создаст оптимальные планы выполнения, обнаружит конфликты и поддержит быструю переработку в случае непредвиденных событий. Архитектура с плагинами позволяет интегрировать пользовательские датчики, приводы и инструменты анализа телеметрии, обеспечивая автономию миссии от начала до конца для планетарных исследований.

APLib разработан для упрощения создания автономных агентов на базе ИИ в игровых и симуляционных средах. Используя архитектуру, вдохновлённую Belief-Desire-Intention (BDI), он предлагает модульные компоненты для восприятия, принятия решений и выполнения действий. Разработчики задают убеждения, цели и поведение через интуитивно понятные API и деревья поведения. Агенты APLib могут интерпретировать состояние игры через настраиваемые сенсоры, формировать планы с помощью встроенных планировщиков и взаимодействовать с окружением через исполнительные механизмы. Библиотека поддерживает интеграцию с Unity, Unreal и чистыми Java-окружениями, что облегчает автоматическое тестирование, исследования ИИ и симуляции. Она способствует повторному использованию модулей поведения, быстрому прототипированию и созданию надёжных QA-рабочих процессов за счёт автоматизации повторяющихся сценариев тестирования и моделирования сложного поведения игроков без ручных вмешательств.

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.