Este repositorio ofrece una demostración práctica de comunicación bidireccional entre agentes construidos sobre el framework JADE. Incluye clases Java de ejemplo que muestran configuración de agentes, creación de mensajes conformes a FIPA-ACL y manejo asincrónico de comportamientos. Los desarrolladores pueden observar cómo el Agente A envía una solicitud REQUEST, el Agente B procesa la petición y devuelve un mensaje INFORM. El código ilustra el registro de agentes con el Facilitador de Directorios, uso de comportamientos cíclicos y únicos, aplicación de plantillas de mensajes para filtrarlos y registro de secuencias de conversación. Es un punto de partida ideal para prototipar intercambios multi-agente, protocolos personalizados o integrar agentes JADE en sistemas de IA distribuidos más grandes.

AgentMesh proporciona una infraestructura modular para que los desarrolladores creen redes de agentes IA, cada uno enfocado en una tarea o dominio específicos. Los agentes pueden ser descubiertos y registrados dinámicamente en tiempo de ejecución, intercambiar mensajes de manera asíncrona y seguir reglas de enrutamiento configurables. El framework gestiona reintentos, respaldos y recuperación ante errores, permitiendo tuberías multi-agente para procesamiento de datos, apoyo en decisiones o casos de uso conversacionales. Se integra fácilmente con LLM existentes y modelos personalizados mediante una interfaz de plugins sencilla.

El marco Autonomous Economic Agents (AEA) de Fetch.ai es un SDK open-source en Python y un conjunto de herramientas CLI para crear agentes modulares y autónomos que negocian, transan y colaboran en entornos descentralizados. Incluye comandos de scaffolding para generar proyectos de agentes, plantillas para protocolos y habilidades, módulos de conexión para integrar múltiples ledger (Ethereum, Cosmos, etc.), interfaces de contrato, componentes de comportamiento y toma de decisiones, herramientas de prueba y simulación, y un mecanismo de publicación para distribuir agentes en la red Open Economic Framework. Los desarrolladores aprovechan su arquitectura modular para prototipar rápidamente trabajadores digitales para comercio DeFi, mercados de datos, coordinación IoT y automatización de la cadena de suministro.

El proyecto utiliza el framework JADE (Java Agent DEvelopment) para construir un entorno multi-agente. Define agentes que se registran en AMS y DF de la plataforma, intercambian mensajes ACL y ejecutan comportamientos como cíclicos, de una sola vez y FSM. Los escenarios ejemplo incluyen negociaciones comprador-vendedor, protocolos de contrato en red y asignación de tareas. Un contenedor GUI de agentes ayuda a monitorear los estados de los agentes en tiempo de ejecución y los flujos de mensajes.

MultiAgentes ofrece una arquitectura modular para definir entornos y agentes, soportando interacciones multiagente síncronas y asíncronas. Incluye clases base para entornos y agentes, escenarios predefinidos para tareas cooperativas y competitivas, herramientas para personalizar funciones de recompensa y APIs para comunicación entre agentes y compartición de observaciones. Utilidades de visualización permiten monitorización en tiempo real de comportamientos de agentes, mientras que módulos de registro guardan métricas de rendimiento para análisis. El marco se integra perfectamente con bibliotecas RL compatibles con Gym, permitiendo entrenar agentes con algoritmos existentes. MultiAgentes está diseñado para extensibilidad, permitiendo a desarrolladores agregar nuevos modelos de entornos, tipos de agentes y protocolos de comunicación para diversas aplicaciones de investigación y educativas.