Microsoft AutoGen разработан для облегчения разработки от начала до конца автономных AI-агентов с помощью модульных компонентов для управления памятью, планирования задач, интеграции инструментов и коммуникации. Разработчики могут определять собственные инструменты с структурированными схемами и подключать их к основным поставщикам LLM, таким как OpenAI и Azure OpenAI. Framework поддерживает оркестрацию как одного, так и нескольких агентов, позволяя создавать совместные рабочие процессы, где агенты координируют выполнение сложных задач. Его архитектура «подключи и используй» позволяет легко расширять систему новыми хранилищами памяти, стратегиями планирования и протоколами связи. Инкапсулируя детали низкоуровневой интеграции, AutoGen ускоряет создание прототипов и развертывание приложений на базе искусственного интеллекта по различным направлениям, таким как поддержка клиентов, анализ данных и автоматизация процессов.

LM-Kit представляет собой комплексный пакет инструментов C#, разработанных для интеграции продвинутых решений ИИ-агентов в приложения .NET. Он позволяет разработчикам создавать настраиваемых ИИ-агентов, разрабатывать новые агенты и оркестровать многогранные системы. С возможностями, включая анализ текста, перевод, генерацию текста, оптимизацию модели и многое другое, LM-Kit поддерживает эффективные выводы на устройстве, безопасность данных и снижение задержки. Более того, он разработан для повышения производительности ИИ-моделей при обеспечении бесшовной интеграции на различных платформах и аппаратных конфигурациях.

ManasAI — это основанный на Python фреймворк, позволяющий создавать автономных AI-агентов с встроенным состоянием и модульной архитектурой. Он предоставляет основные абстракции для рассуждения агентом, краткосрочной и долгосрочной памяти, интеграции внешних инструментов и API, обработки событий на основе сообщений и оркестрации mehrere агентов. Агентов можно настраивать для управления контекстом, выполнения задач, обработки повторных попыток и сбора обратной связи. Его расширяемая архитектура позволяет разработчикам адаптировать бэкенды памяти, инструменты и оркестраторы под конкретные рабочие процессы, что делает его идеальным для прототипирования чат-ботов, цифровых работников и автоматизированных пайплайнов, требующих устойчивого контекста и сложных взаимодействий.

Intelligence позволяет разработчикам собирать ИИ-агентов, комбинируя компоненты, управляющие состоянием памяти, интеграцией языковых моделей вроде OpenAI GPT и подключением к внешним инструментам (API, базы данных и базы знаний). В системе есть плагинная система для кастомных функций, модули наблюдения для отслеживания решений и метрик, а также утилиты оркестрации для координации нескольких агентов. Разработчики устанавливают с помощью pip, определяют агентов на Python с помощью простых классов и настраивают бекенды памяти (в памяти, Redis или векторные хранилища). REST API-сервер обеспечивает простое развертывание, а CLI-утилиты помогают с отладкой. Intelligence упрощает тестирование, версионирование и масштабирование агентов, делая его подходящим для чат-ботов, поддержки клиентов, получения данных, обработки документов и автоматизированных рабочих процессов.

MARFT — это основанный на Python инструмент для больших языковых моделей (LLM), позволяющий воспроизводить эксперименты и быстро прототипировать системы совместного ИИ.

MASlite предоставляет понятный API для создания классов агентов, регистрации поведения и обработки событийной обмена сообщениями между агентами. В него входит планировщик для управления задачами агентов, моделирование окружения для симуляции взаимодействий и система плагинов для расширения основных возможностей. Разработчики могут быстро создавать прототипы сценариев с несколькими агентами на Python, определяя методы жизненного цикла, подключая агентов через каналы и запуская симуляции в безголовом режиме или с использованием инструментов визуализации.

Maxun.dev — это платформа без кода/с минимальными знаниями кода, позволяющая разработчикам и бизнесу создавать интеллектуальных агентов, адаптированных под конкретные задачи. Пользователи могут определять рабочие процессы агентов через визуальный интерфейс, интегрировать источники данных и внешние API, а также настраивать модули памяти для контекстного понимания. Платформа поддерживает оркестрацию нескольких агентов, мониторинг в реальном времени и аналитику производительности для оптимизации поведения агентов. Встроенные инструменты для совместной работы, контроль версий и опции однокликового развертывания упрощают весь жизненный цикл — от прототипа до производства, ускоряя автоматизацию на базе ИИ в сферах поддержки клиентов, управления документами и бизнес-процессов.

Многоагентный анализ акций — это рамочная платформа с открытым исходным кодом, которая использует множество специализированных ИИ-агентов — DataCollector, SentimentAnalyst, Predictor и Reporter — для оптимизации полного цикла исследования акций. Агент DataCollector собирает котировки в реальном времени и финансовые новости. SentimentAnalyst обрабатывает новости для оценки рыночных настроений. Predictor использует модели машинного обучения для прогнозирования будущих движений акций. В конце, Reporter создает подробные обзоры и визуализации. Модульная архитектура поддерживает легкую настройку под разные активы, модели и форматы отчетов.

Multi-Agent Systems предоставляет полный набор инструментов для создания, управления и наблюдения за взаимодействиями автономных агентов. Разработчики могут определить классы агентов с собственной логикой принятия решений, настроить сложные среды с ресурсами и правилами, а также реализовать каналы связи для обмена информацией. Framework поддерживает синхронное и асинхронное планирование, реагирование на события и включает логирование для метрик производительности. Пользователи могут расширять основные модули или интегрировать внешние модели ИИ для повышения интеллекта агентов. Визуализационные средства отображают симуляции в реальном времени или после их выполнения, что помогает анализировать возникающие поведенческие паттерны и оптимизировать параметры системы. От академических исследованиях до прототипных распределенных систем — Multi-Agent Systems упрощает полный цикл симуляций с несколькими агентами.

Crewai предоставляет библиотеку на Python для проектирования и выполнения систем с несколькими ИИ-агентами. Пользователи могут определять отдельных агентов с специализированными ролями, настраивать каналы для обмена сообщениями между агентами и реализовывать динамичные планировщики для распределения задач в зависимости от текущего контекста. Модульная архитектура позволяет интегрировать различные LLM или пользовательские модели для каждого агента. Встроенные инструменты логирования и мониторинга отслеживают диалоги и решения, что обеспечивает беспрепятственную отладку и итеративное улучшение поведения агентов.

Multi-Agent System предоставляет легковесный, но мощный набор инструментов для проектирования и выполнения симуляций с несколькими агентами. Пользователи могут создавать собственные классы агентов для инкапсуляции логики принятия решений, определять объекты Environment для моделирования состояний и правил мира, а также настраивать движок симуляции для организации взаимодействий. Фреймворк поддерживает модульные компоненты для логирования, сбора метрик и базовой визуализации для анализа поведения агентов в кооперативных или враждебных сценариях. Подходит для быстрого прототипирования ройной робототехники, распределения ресурсов и экспериментов по децентрализованному управлению.

MultiAgentPacman предлагает среду для игры на Python, в которой пользователи могут реализовывать, визуализировать и сравнивать нескольких AI-агентов в области Pacman. Поддерживаются алгоритмы поиска противника, такие как minimax, expectimax, alpha-beta-отсечение, а также пользовательные агенты на основе обучения с подкреплением или эвристик. Фреймворк включает простое GUI, командную строку и инструменты для ведения статистики игр и сравнения эффективности агентов в соревновательных или совместных сценариях.

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.

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.

MultiAgentModel предоставляет единый API для определения пользовательских окружений и классов агентов для сценариев с множеством агентов. Разработчики могут задавать пространства наблюдения и действий, структуры награды и каналы связи. Встроенная поддержка популярных RL-алгоритмов, таких как PPO, DQN и A2C, позволяет тренировать модели с минимальной настройкой. Инструменты визуализации в реальном времени помогают отслеживать взаимодействия агентов и показатели их эффективности. Модульная архитектура обеспечивает легкую интеграцию новых алгоритмов и пользовательских модулей. Также включает гибкую систему конфигурации для настройки гиперпараметров, утилиты логирования для отслеживания экспериментов и совместимость с OpenAI Gym для бесшовной портативности. Пользователи могут совместно работать над общими окружениями и воспроизводить зафиксированные сессии для анализа.

Этот репозиторий содержит универсальную коллекцию компонентов многопользовательских систем и методов распределенной ИИ-координации. Он включает реализации алгоритмов согласия, протоколов переговоров Contract-Net, аукционных методов распределения задач, стратегий формирования коалиций и коммуникационных framework между агентами. Пользователи могут использовать встроенные среды моделирования для моделирования и тестирования поведения агентов при различных топологиях сети, сценариях задержки и отказах. Модульная структура позволяет разработчикам и исследователям интегрировать, расширять или настраивать отдельные модули координации для приложений в робототехнике, Интернете вещей, умных сетях и системах распределенного принятия решений.

GenFuse AI предлагает платформу без кода, где пользователи могут создавать настраиваемых ИИ-агентов для автоматизации различных задач. С помощью визуального конструктора рабочих процессов вы можете подключать ИИ-агентов и инструменты, чтобы разрабатывать многогранную автоматизацию. Платформа включает в себя автоматические конвейеры, самообучающихся агентов и заранее подготовленные шаблоны, которые помогут вам быстро начать. GenFuse AI является независимым от модели, позволяя вам выбирать лучшую модель для каждого агента и интегрироваться с вашими приложениями и пользовательскими инструментами.

Isek — платформа для разработки ИИ-агентов с модульной архитектурой. Она предлагает систему плагинов для инструментов и источников данных, встроенную память для сохранения контекста и движок планирования для координации многошаговых задач. Можно запускать агентов локально или в облаке, интегрировать любой бэкенд LLM и расширять функциональность через сообщества или пользовательские модули. Isek ускоряет создание чат-ботов, виртуальных помощников и автоматизированных рабочих процессов, предоставляя шаблоны, SDK и CLI-инструменты для быстрой разработки.

Python AGNO Memory Agent предоставляет структурированный подход к памяти агента, организуя её через фреймворк AGNO. Он использует модели вложений для преобразования текстовой памяти в векторные представления и хранит их в настраиваемых векторных хранилищах, таких как ChromaDB, FAISS или SQLite. Агентам доступны добавление новой памяти, запросы релевантных прошлых событий, обновление устаревших записей или удаление нерелевантных данных. Библиотека предлагает отслеживание событий по времени, области памяти с пространственной сегрегацией для многоагентных сценариев и настраиваемые пороги поиска по сходству. Она легко интегрируется с популярными фреймворками LLM и может быть расширена пользовательскими моделями вложений для различных применений ИИ.