Данное репозитории реализует появляющуюся коммуникацию в задачах обучения с подкреплением для нескольких агентов с помощью PyTorch. Пользователи могут настроить нейронные сети для отправителей и получателей для игры в референциальные игры или совместную навигацию, побуждая агентов развивать дискретный или непрерывный канал связи. Включены скрипты для обучения, оценки и визуализации изученных протоколов, а также утилиты для создания окружений, кодирования и декодирования сообщений. Исследователи могут расширять их пользовательскими задачами, изменять архитектуру сетей и анализировать эффективность протоколов, что способствует быстрому экспериментированию в области появления коммуникации агентов.

MAGAIL реализует расширение генеративного противоборствующего имитационного обучения для мультиагентов, позволяя группам агентов обучаться скоординированному поведению, основываясь на демонстрациях экспертов. Построенный на Python с поддержкой PyTorch (или вариантов TensorFlow), MAGAIL состоит из модулей политики (генератора) и дискриминатора, обучающихся в противоборственном цикле. Агенты генерируют траектории в средах, таких как OpenAI Multi-Agent Particle Environment или PettingZoo, которые дискриминатор использует для оценки подлинности по сравнению с данными экспертов. Через итеративные обновления сети политики сходятся к стратегиям, похожим на стратегии экспертов, без явных функций награды. Модульная архитектура MAGAIL позволяет настраивать архитектуры сетей, загрузку данных экспертов, интеграцию среды и гиперпараметры обучения. Кроме того, встроенное логирование и визуализация с помощью TensorBoard облегчают мониторинг и анализ прогресса обучения и показателей эффективности мультиагентов.

Open ACN — это надёжное решение платформ и фреймворков AI, разработанное для построения децентрализованных мультиагентных систем. Оно предлагает набор протоколов согласования, предназначенных для совместной работы агентов, обеспечивая надёжное принятие решений между геодистрибутивными узлами. В фреймворк входит модульный уровень коммуникации, настраиваемые плагины стратегий и встроенная среда симуляции для комплексных тестов. Разработчики могут определять поведение агентов, запускать их на Linux, macOS, Windows или Docker и использовать систему логирования и мониторинга в реальном времени. Предоставляя расширяемые API и гладкую интеграцию существующих моделей машинного обучения, Open ACN упрощает сложные задачи оркестрации и способствует созданию интероперабельных, устойчивых автономных сетей, пригодных для робототехники, автоматизации цепочек поставок, децентрализованных финансов и IoT.

AgentForge предоставляет структурированную среду для определения, объединения и оркестрации отдельных навыков ИИ в целостных автономных агентов. Поддерживает память для сохранения контекста, интеграцию с внешними сервисами через плагины, коммуникацию между несколькими агентами, планирование задач и обработку ошибок. Разработчики могут настраивать собственные обработчики навыков, использовать встроенные модули для понимания естественного языка и интегрироваться с популярными LLM, такими как серия GPT от OpenAI. Модульный дизайн ускоряет циклы разработки, упрощает тестирование и развёртывание чатботов, виртуальных помощников, агентов анализа данных и ботов автоматизации по области.

Платформа Isaree предназначена для упрощения разработки и внедрения AI-агентов. В своей основе она предоставляет унифицированную архитектуру для создания автономных агентов, способных вести диалог, принимать решения и сотрудничать. Разработчики могут определять несколько агентов с пользовательскими ролями, использовать поиск памяти на базе векторов и интегрировать внешние источники данных через плагины. В комплект входит SDK на Python и REST API для бесшовного взаимодействия, поддержка потоковой выдачи ответов в реальном времени и встроенная регистрация и метрики. Гибкая настройка позволяет масштабировать системы через Docker или облачные сервисы. Будь то создание чат-ботов с сохранением контекста, автоматизация многошаговых процессов или оркестровка исследовательских помощников — платформа Isaree обеспечивает расширяемость и надежность для решений корпоративного уровня.

autogen_multiagent предоставляет структурированный способ создания, настройки и координации нескольких AI-агентов в Python. Он предлагает динамическое создание агентов, каналы обмена сообщениями, планирование задач, циклы выполнения и утилиты мониторинга. Благодаря бесшовной интеграции с API OpenAI, можно назначать специализированные роли — такие как планировщик, исполнитель, резюме — каждому агенту и управлять их взаимодействием. Эта рамка идеально подходит для сценариев, требующих модульных и масштабируемых AI-работых процессов, таких как автоматизированный анализ документов, организация поддержки клиентов и многошаговая генерация кода.

Halite II — это открытый фреймворк соревнований, который проводит пошаговые стратегические матчи между пользователями, написавшими своих ботов. В каждом ходе агенты получают состояние карты, посылают команды перемещения и атаки, и борются за контроль наибольшей территории. Платформа включает игровой сервер, парсер карт и инструмент визуализации. Разработчики могут тестировать локально, дорабатывать эвристики, оптимизировать производительность под временные ограничения и публиковать ботов в онлайн-листинг. Система поддерживает итеративное улучшение ботов, сотрудничество мультиигроков и разработку стратегий в стандартизированной среде.

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.

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.