このリポジトリは、JADEフレームワーク上に構築されたエージェント間の双方向通信のハンズオンデモを提供します。エージェントのセットアップ、FIPA-ACL準拠のメッセージ作成、非同期動作の処理を示すJavaクラスの例を含みます。開発者は、エージェントAがREQUESTを送信し、エージェントBがリクエストを処理し、INFORMメッセージを返す様子を学習できます。コードは、エージェントのDIrectory Facilitatorへの登録、循環型と一回限りの行動の使用、メッセージテンプレートによるメッセージのフィルタリング、会話シーケンスのログ記録を示しています。これは、マルチエージェント間の交換、カスタムプロトコルの試作、JADEエージェントをより大規模な分散AIシステムに統合するための理想的な出発点です。

Fetch.aiの自律経済エージェント（AEA）は、相互作用、外部環境、デジタル台帳と通信できる自律型ソフトウェアエージェントの設計、実装、調整を可能にする多用途なフレームワークです。プラグインベースのアーキテクチャを利用し、通信プロトコル、暗号化された台帳API、分散型ID、カスタマイズ可能な意思決定スキルの事前構成されたモジュールを提供します。エージェントは分散マーケットプレイス内で発見し、取引を行い、目標駆動の行動を取り、リアルタイムデータフィードを通じて適応できます。このフレームワークは、マルチエージェントシナリオのテストとデバッグのためのシミュレーションツール、ライブブロックチェーンやピアツーピアネットワークへの展開もサポートします。内蔵の相互運用性とエージェント間のメッセージングにより、AEAはエネルギー取引、サプライチェーンの最適化、IoTのスマートコーディネーションなどの複雑な自律経済アプリケーションの開発を効率化します。

Fetch.aiのAutonomous Economic Agents (AEA)フレームワークは、分散型環境で交渉、取引、協力できるモジュール式の自律エージェントを作成するためのオープンソースのPython SDKおよびCLIツールセットです。エージェントプロジェクト生成のためのスキャフォールディングコマンド、プロトコルとスキルのテンプレート、EthereumやCosmosなどの複数台帳と連携するコネクションモジュール、コントラクトインターフェース、行動・意思決定コンポーネント、テスト・シミュレーションツール、Open Economic Frameworkネットワーク上にエージェントを配布する公開メカニズムを含みます。開発者は、そのモジュラーアーキテクチャを活用して、DeFi取引、データマーケット、IoTコーディネーション、サプライチェーン自動化のためのデジタルワーカーの高速プロトタイピングを行います。

JaCaMoは、マルチエージェントシステム（MAS）の設計と実行のための統一環境を提供し、3つのコアコンポーネントを統合しています。BDIベースのエージェント用のJasonエージェントプログラミング言語、アーティファクトベースの環境モデル用のCArtAgO、そして組織構造や役割を指定するMoiseです。開発者は、エージェントの計画を書き、操作を持つアーティファクトを定義し、規範的フレームワークでエージェントグループを組織できます。システムには、MASの相互作用のシミュレーション、デバッグ、ビジュアライゼーションのツールが含まれています。分散実行、アーティファクトリポジトリ、および柔軟なメッセージングをサポートし、JaCaMoは群知能、共同ロボット工学、分散意思決定などの分野での迅速な試作と研究を可能にします。そのモジュール式設計により、学術および産業プロジェクトでのスケーラビリティと拡張性が保証されます。

このプロジェクトは、JADE（Java Agent DEvelopment）フレームワークを使用してマルチエージェント環境を構築します。エージェントはプラットフォームのAMSとDFに登録し、ACLメッセージを交換し、循環、ワンショット、FSMなどのビヘイビアを実行します。例のシナリオには、購入者と売り手の交渉、契約ネットプロトコル、タスク配分が含まれます。GUIエージェントコンテナは、ランタイム中のエージェントの状態とメッセージの流れを監視するのに役立ちます。

MultiAgentesは、環境とエージェントを定義するためのモジュラーアーキテクチャを提供し、同期および非同期のマルチエージェント間の相互作用をサポートします。環境とエージェントの基本クラス、協力および競争タスクの事前定義されたシナリオ、報酬関数のカスタマイズツール、エージェント間の通信と観察共有のAPIを含みます。ビジュアリゼーションツールはエージェントの行動をリアルタイムで監視可能にし、ロギングモジュールはパフォーマンスメトリクスの記録と分析を行います。このフレームワークはGym互換の強化学習ライブラリとシームレスに統合されており、既存のアルゴリズムを用いてエージェントの訓練が可能です。MultiAgentesは拡張性を念頭に設計されており、新しい環境テンプレート、エージェントタイプ、通信プロトコルを追加して多様な研究や教育用途に対応できます。

MultiAgentSystemsは、マルチエージェント強化学習(MARL)アプリケーションの構築と評価のプロセスを簡素化することを目的としています。このプラットフォームには、MADDPG、QMIX、VDNを含む最先端のアルゴリズムの実装や、集中訓練と分散実行を行う環境が含まれます。OpenAI Gymと互換性のあるモジュール式の環境ラッパー、エージェント間の通信プロトコル、報酬調整や収束率などの指標を追跡するロギングユーティリティを備えています。研究者は、エージェントアーキテクチャのカスタマイズ、ハイパーパラメータ調整、協力ナビゲーション、資源分配、敵対的ゲームなどのシミュレーションを行うことができます。PyTorch、GPUアクセラレーション、TensorBoardのサポートにより、協力と競争のマルチエージェントの分野での実験とベンチマークを加速させます。

OpenAgentSpecは、AIエージェントのための包括的なJSONスキーマ、APIインターフェース、プロトコルガイドラインを定めています。登録、能力宣言、メッセージ形式、イベントハンドリング、メモリ管理、拡張メカニズムをカバーします。規格に従うことで、組織は信頼できる通信を行うエージェントを作り出し、統合努力を削減し、高い再利用性を持つ相互運用可能なAIコンポーネントのエコシステムを促進できます。

SuperSwarmは、複数の専門的なエージェントがリアルタイムで通信・協働することにより、AI駆動のワークフローをオーケストレーションするために設計されています。主要なコントローラーエージェントが複雑な目標をサブタスクに分解し、専門のエージェントに割り当てる動的タスク分解をサポートします。エージェントはコンテキストを共有し、メッセージを伝達し、中間結果に基づいてアプローチを適応させることができます。Webダッシュボード、RESTful API、CLIを用いた展開と監視を提供します。開発者はカスタム役割を定義し、スウォームトポロジーを設定し、プラグインを通じて外部ツールと連携可能です。SuperSwarmはコンテナオーケストレーションを利用して水平スケーリングを行い、負荷の高い作業でも堅牢なパフォーマンスを保証します。ログ、メトリクス、可視化によりエージェント間の相互作用を最適化し、高度な研究、カスタマーサポートの自動化、コード生成、意思決定プロセスなどに適しています。

AgentMeshは、個々のAIエージェントを登録し、動的なネットワークに接続できる開発者向けのフレームワークです。各エージェントは、LLMのプロンプト、リトリーブ、カスタムロジックなど、特定のタスクに特化でき、そのネットワーク全体のルーティング、負荷分散、エラー処理、テレメトリーもAgentMeshが担います。複雑な多段階のワークフロー、エージェントのダイジーチェーン化、水平スケーリングを実現します。プラグイン可能なトランスポート、状態保持セッション、拡張フックにより、堅牢で分散型のAIエージェントシステム作成を高速化します。

AgentSmithは、複数のAIエージェントを協力して定義、設定、および実行できるPython製のモジュール式エージェントオーケストレーションフレームワークです。各エージェントはリサーチャー、プランナー、コーダー、レビュアーなどの役割を割り当てられ、内部メッセージバスを介して通信します。メモリ管理にはFAISSやPineconeなどのベクトルストアを使用し、タスクのサブタスク化や自動監督もサポートします。エージェントとパイプラインは人間が読めるYAMLファイルで構成され、OpenAI APIやカスタムLLMとシームレスに統合できます。ロギング、モニタリング、エラー処理も内蔵し、ソフトウェア開発フローの自動化、データ分析、意思決定支援システムに最適です。