此儲存庫利用PyTorch實作多代理增強學習中的新興通信。使用者可配置發送與接收神經網路來進行參照遊戲或合作導航，促使代理建立離散或連續的通信通道。提供訓練、評估與視覺化的腳本，以及用於環境建立、訊息編碼與解碼的工具。研究人員可加入自訂任務、修改網路架構，並分析協議效率，加速新興代理通信的實驗。

MACL 是一個模組化的 Python 框架，旨在簡化多個 AI 智能體的創建與協調。它允許你定義具有自訂技能的獨立智能體，設置通信通道，並在智能體網絡中排程任務。智能體可以交換訊息、協商責任，並根據共享資料動態調整。內建支援常用 LLMs，以及擴展性的插件系統，使 MACL 能在客戶服務自動化、數據分析流程和模擬環境等領域中實現可擴展且易於維護的 AI 工作流程。

VillagerAgent提供一套完整的工具箱，用於構建利用大型語言模型的AI代理。核心在於定義模組化的工具介面，如網路搜尋、資料擷取或自定義API。框架管理代理記憶，透過存儲對話上下文、事實和會話狀態，實現無縫多回合互動。彈性提示範本系統確保訊息一致與行為控制。進階功能包括協調多個代理完成任務和背景作業排程。VillagerAgent採用Python編寫，支持透過pip輕鬆安裝，並與主流LLM供應商結合。不論是建構客服聊天機器人、研究助手或流程自動化工具，VillagerAgent皆能簡化智能代理的設計、測試與部署。

Agent-Baba 提供完整工具包，用於建立和管理適合特定任務的自主AI代理。其具有擴展能力的插件架構、能保存會話語境的記憶系統，以及能進行序列任務執行的工作流程自動化。開發者可以將網頁爬蟲、資料庫和自訂API等工具整合到代理中。此框架透過宣告式YAML或JSON結構簡化配置，支援多代理協作，並提供監控儀表板，以追蹤代理表現和日誌，促進迭代改進和多環境無縫部署。

Agent-FLAN設計的目的是透過將任務分割為規劃角色和執行角色，來簡化複雜AI代理應用的建立。用戶透過設定檔定義代理行為與工作流程，指定輸入格式、工具介面與通訊協定。規劃代理會生成高層次的任務計畫，而執行代理則執行特定行動，如呼叫API、處理資料或使用大型語言模型產生內容。其模組化架構支援即插即用的工具適配器、自定義prompt範本與即時監控儀表板。它能無縫整合OpenAI、Anthropic及Hugging Face等主流LLM供應商，讓開發者快速 prototypes、測試，以及部署多代理工作流程，用於自動化研究助手、動態內容產生管道與企業流程自動化等場景。

AgentForge提供一個有結構的環境，用於定義、組合與協調個別的AI技能，形成連貫的自主代理人。它支援對話記憶以保持上下文、插件整合以連接外部服務、多代理人通信、任務排程及錯誤處理。開發者可以配置自訂技能處理器、利用內建模組進行自然語言理解，並與如OpenAI的GPT系列等流行的大型語言模型（LLM）整合。模組化設計加速開發週期，促進測試，並簡化聊天機器人、虛擬助理、資料分析代理人與特定領域自動化機器人的部署。

Agentic-Systems旨在簡化複雜自主式AI應用的開發，提供由代理、工具及記憶體元件組成的模組化架構。開發者可以定義自訂工具，封裝外部API或內部函數，同時記憶模組則在代理迭代中保存上下文資訊。內建的協調引擎排程任務、解決依賴並管理多代理互動，以支援協作流程。透過將代理邏輯與執行細節解耦，這個框架能快速實驗、輕鬆擴展並細緻控制代理行為。無論是建立研究助理原型、資料流水線自動化，或部署決策支援代理，Agentic-Systems都提供必要的抽象與模板，加速端到端的AI解決方案開發。

Agentic Shared Memory為基於AI的多代理環境提供一個強大的上下文數據管理解決方案。使用向量嵌入和高效資料結構，存儲代理的觀察、決策與狀態轉移，實現無縫的上下文檢索與更新。代理可查詢共享記憶，以存取過去的互動或全球知識，促進行為的一致性與合作解決問題。此函式庫支援與LangChain等流行AI框架或自訂代理協調者的即插即用整合，提供可定制的保留策略、上下文窗口及搜索功能。透過抽象記憶管理，開發者專注於代理邏輯，同時確保在分散或集中的部署中記憶體的可擴展性與一致性，提升系統整體性能，減少重複計算，並增強代理智力。

AWS Bedrock Multi-Agent Blueprint提供一個模組化的框架，用以在AWS Bedrock上實現多代理架構。包含定義代理角色（規劃者、研究員、執行者與評估者）的範例程式碼，這些角色透過共用訊息佇列合作。每個代理都可調用不同的Bedrock模型，配合自訂提示語，並將中間輸出傳遞給下一個代理。內建CloudWatch日誌記錄、錯誤處理範例，以及同步或非同步執行支援，展示如何管理模型選擇、批次任務與端到端協調。開發者可克隆資源庫、設定AWS IAM角色與Bedrock端點，然後透過CloudFormation或CDK部署。開源設計鼓勵擴展角色、跨任務擴充代理，並整合S3、Lambda與Step Functions。

Swarms World提供一個統一界面，用於設計多代理系統，允許用戶以視覺或程式碼定義角色、通信協定和工作流程。代理可以協作、委派子任務，並實時匯總結果。平台支持本地、雲端和邊緣部署，擁有內建日誌、性能指標和自動擴展功能。一個去中心化的市場允許用戶發現、分享和貨幣化代理模組。支援流行的LLMs、API和定製模型，Swarms World加速建構穩健的企業級AI自動化。

CrewAI Studio是一個基於網頁的平台，允許開發者設計、可視化和監控多代理AI工作流程。用戶可以透過圖形畫布配置每個代理的提示語、鏈式邏輯、記憶設置及外部API集成。該工作室連接到流行的向量資料庫、LLM提供者和插件端點。它支援即時除錯、對話記錄追蹤，以及一鍵部署到自定義環境，簡化了強大數位助理的建立。

DSpy Agents是一套開源Python工具包，簡化自主AI代理的創建。提供模組化架構，用於組合具自定工具的代理，支援網頁爬取、文件分析、資料庫查詢、語言模型整合（OpenAI、Hugging Face）。開發者可利用預設模板或自定義工具集，建立研究摘要、客戶支援、資料流程等自動化任務。內建記憶管理、記錄、檢索增強生成、多代理協作，並可用容器化或無伺服器環境快速部署，無需繁瑣程式碼，快速推動代理驅動應用開發。

智能體中的新興通訊是一個開源的PyTorch框架，專為探索多智能體系統如何發展自己的通訊協議的研究人員設計。該資料庫提供靈活的合作強化學習任務實現，包括參照游戲、組合彩游戲和對象識別挑戰。用戶定義說話者和聽者的架構，指定訊息通道的屬性（如詞匯大小和序列長度），並選擇訓練策略（如策略梯度或監督學習）。框架包括端到端的腳本用於執行實驗、分析通訊效率和可視化新興語言。其模組化設計允許輕鬆擴展新的游戲環境或自定義損失函數。研究人員可以復現已發表的研究、基準測試新算法，並探究新興智能體語言的組合性和語意。

基於GA的N皇后解算器採用模組化的2APL多代理架構，每個代理編碼一個候選的N皇后配置。代理評估適應度（如非攻擊的皇后對數）後，與其他代理共享高適應度配置。通過選擇、交叉和突變等遺傳操作，生成新的候選棋盤。在多次迭代中，代理集體收斂至有效的N皇后解决方案。此框架用Java實現，支持調整群體大小、交叉率、突變概率和通信協議，並提供詳細日誌和演化過程的視覺化。

GenWorlds是一個旨在促進多代理系統創建的AI開發框架。它利用基於事件的通信框架通過websocket，允許開發者設置互動環境，自主代理可以非同步地相互互動及其周圍環境。這些代理協作、規劃行動並共同執行複雜任務，讓GenWorlds成為創建可擴展且靈活的AI生態系統的強大平台。

GPT-agents is a developer-focused toolkit that streamlines the creation and orchestration of autonomous AI agents using GPT. It offers built-in Agent classes, a modular tool integration system, and persistent memory management to support ongoing context. The framework handles conversational planning loops and multi-agent collaboration, allowing you to assign objectives, schedule sub-tasks, and chain agents on complex workflows. It supports customizable tools, model selection, and error handling to deliver robust, scalable automation for various domains.

LiteSwarm 是一個完整的 AI 代理人協調框架，旨在促進多專精代理人之間的協作。用戶定義各個代理人的角色，如資料抓取、分析、摘要或外部 API 呼叫，並在視覺化工作流程中連結它們。LiteSwarm 處理代理人間的通訊、持久記憶存取、錯誤恢復及記錄。它支援 API 集成、客製化程式碼擴展與即時監控，使團隊能快速原型、測試並部署複雜的多代理解決方案，減少工程負擔。

Swarms.ai提供一個視覺界面來定義並連接多個AI代理，形成智慧型工作流程。每個代理可以配置特定角色、資料來源和自訂API整合。代理透過傳遞訊息、觸發行動和分享背景來協作，從而端對端處理複雜任務。平台還提供角色基礎的存取控制、版本控制和即時分析，以監控群聚性能。無需程式碼：用戶只需拖放組件、設置觸發器並連接輸出，即可設計自動化流程，應用於支援、銷售、營運等。

Meta-Agent-with-More-Agents 是一個擴展性開源框架，實現了元代理架構，使多個專門的子代理可以合作完成複雜任務。它利用LangChain進行代理調度，並使用OpenAI API進行自然語言處理。開發者可以定義自訂的代理，用於數據擷取、情感分析、決策或內容生成。元代理負責任務分解、將目標派發給相應的代理、收集它們的輸出，並通過反饋循環不斷完善結果。其模組化設計支持平行處理、日誌記錄和錯誤處理。非常適合自動化多步工作流程、研究管道和動態決策支持系統，並簡化建立穩健的分散式AI系統，抽象化代理間通信與生命週期管理。

Multi-Agent-LLM的設計旨在簡化由大型語言模型驅動的多個人工智能代理的協調。用戶可以定義具有獨特個人角色、記憶存儲和整合外部工具或API的獨立代理。一個中心的AgentManager管理通信循環，允許代理在共享環境中交換訊息並共同推進複雜目標。該框架支援切換LLM提供商（如OpenAI、Hugging Face）、靈活的提示範本、對話歷史和逐步工具上下文。開發者可利用內建的日誌、錯誤處理及動態代理生成工具，實現多步驟工作流程、研究任務和決策管道的可擴展自動化。