CodeFuse-muAgentは、複数の自律AIエージェントを協調させて複雑なタスクを共同解決するためのPythonベースのオープンソースフレームワークです。開発者は、データ処理、自然言語理解、外部APIとのインタラクションなどの専門スキルを持つ個別のエージェントを定義し、動的なタスク委譲のための通信プロトコルを設定します。このフレームワークは、集中メモリ管理、ロギング、モニタリングを提供しながら、モデルに依存しない設計になっており、一般的なLLMsやカスタムAIモデルとの連携もサポートします。CodeFuse-muAgentを活用することで、チームはモジュール化されたAIワークフローを構築し、マルチステップのプロセスを自動化し、多様な環境での展開を拡張できます。設定ファイルの柔軟性とAPIの拡張性により、迅速なプロトタイプ作成、テスト、微調整が可能であり、カスタマーサポート、コンテンツ生成パイプライン、リサーチアシスタントなどのユースケースに適しています。

このリポジトリは、FIPA Contract Netインタラクションプロトコルの完全なJava実装を提供します。管理エージェントと契約エージェントを作成し、CFP（提案呼び出し）、提案、承認、拒否をエージェント通信チャネル経由で交換できます。主要モジュールには、タスクのブロードキャスト、入札収集、カスタマイズ可能な基準による提案評価、契約の授与、実行状況の監視が含まれ、研究シミュレーションや工業スケジューリング、ロボット協調に利用可能です。

CrewAIエージェントジェネレーターは、コマンドラインインターフェースを活用して、新しいAIエージェントプロジェクトを導入します。意見の分かれるフォルダ構造、サンプルプロンプトテンプレート、ツール定義、テストスタブを備えています。OpenAI、Azure、またはカスタムLLMエンドポイントへの接続設定が可能で、ベクトルストアを使用したエージェントのメモリ管理、多数のエージェントを協調させるワークフローの調整、詳細な会話ログの閲覧、Vercel、AWS Lambda、Dockerへの展開が可能なビルトインスクリプトで迅速な開発と一貫したアーキテクチャを確保します。

demo_smolagentsは、大規模言語モデルを活用した自律型AIエージェントを作成するためのPythonベースのマイクロフレームワークであるSmolAgentsのリファレンス実装です。このデモには、特定のツールキットを使用した個別エージェントの構成、エージェント間の通信チャネルの確立、タスクの動的な引き継ぎ管理の例が含まれます。LLM統合、ツール呼び出し、プロンプト管理、およびマルチエージェントシステムの調整パターンを披露し、ユーザ入力や中間結果に基づいて協調動作できるシステムの構築を可能にします。

Dial4JaCaは、JaCaMo多エージェントプラットフォーム用のJavaライブラリプラグインであり、エージェント間のメッセージを傍受し、エージェントの意図をエンコードし、それらをLLMバックエンド（OpenAI、ローカルモデル）にルーティングします。対話のコンテキストを管理し、信念ベースを更新し、応答生成をAgentSpeak(L)の推論サイクルに直接統合します。開発者はプロンプトをカスタマイズし、対話アーティファクトを定義し、非同期呼び出しを処理でき、エージェントがユーザー発話を解釈し、タスクを調整し、外部情報を自然言語で取得できるようにします。そのモジュール式設計は、エラー処理、ロギング、多重LLM選択をサポートし、研究、教育、会話MASの迅速なプロトタイピングに最適です。

RAG-Llama3 Multi-AGI Django Webサイトコード生成器は、リトリーバル拡張生成技術を複数のLlama3ベースエージェントと組み合わせた専門的なAIフレームワークです。ユーザー定義の要件と外部ドキュメントを処理し、関連コードの断片を抽出します。複数のAIエージェントを調整して、協力しながらDjangoモデル定義、ビューのロジック、テンプレート、URLルーティング、プロジェクト設定をドラフトします。この反復的なアプローチにより、生成されたコードがユーザーの期待とベストプラクティスに沿うよう保証します。ユーザーは最初にドキュメントやコードサンプルの知識ベースを設定し、特定の機能についてエージェントに促します。システムは、モジュール化されたアプリ、REST APIエンドポイント、カスタマイズ可能なテンプレートを備えた完全なDjangoプロジェクトのスキャフォールドを返します。モジュール化された構造により、開発者は独自のビジネスロジックを統合し、直接本番環境に展開できます。

Fetch.aiは、分散型ネットワーク上にデジタルツインを表現する自律エージェントを構築するためのオープンソースプラットフォームとソフトウェア開発キットです。PythonとRustのSDK、ピア探索用のOpen Economic Framework（OEF）、および安全な取引のための台帳とのシームレスな連携を提供します。開発者は、マーケットメイキング、データ提供、タスク入札などのカスタムエージェントスキルを定義し、テストネットやメインネットに展開できます。Fetch.aiのエージェントは、自律的に通信し、交渉し、スマートコントラクトを実行し、供給チェーン、IoTエコシステム、モビリティサービス、エネルギー網などの多エージェント協調を可能にします。

エマージング・コミュニケーション・イン・エージェンツは、多エージェントシステムが独自の通信プロトコルを開発する仕組みを研究する研究者向けのPyTorchベースのオープンソースフレームワークです。リファレンスゲーム、組合せゲーム、物体識別課題など、協調型強化学習タスクの柔軟な実装を提供しています。ユーザーはスピーカーとリスナーのエージェントアーキテクチャを定義し、語彙数やシーケンス長などのメッセージチャネルのプロパティを指定し、方策勾配や教師あり学習などのトレーニング戦略を選択します。このフレームワークには、実験の実行、通信効率性の分析、エマージング・ランゲージの可視化のためのエンドツーエンドのスクリプトが含まれます。モジュール式設計により、新しいゲーム環境やカスタム損失関数を容易に拡張可能です。研究者は公開済み研究の再現、新アルゴリズムのベンチマーク、エージェント言語の構成性と意味論の調査が行えます。

Esquilaxは、複雑なAIエージェントワークフローの構築とオーケストレーションのために設計された軽量のTypeScriptフレームワークです。エージェントの宣言的定義、メモリモジュールの割り当て、API呼び出しやデータベースクエリなどのカスタムプラグインアクションを提供します。コンテキスト処理とマルチエージェント調整をサポートし、チャットボットやデジタルアシスタント、オートメーションを簡素化します。イベント駆動のアーキテクチャにより、タスクの連鎖や動的トリガーが可能で、ロギング・デバッグツールによりエージェントの動作を完全に可視化します。ボイラープレートコードを抽象化することで、大規模なAI駆動アプリの迅速なプロトタイプ作成を支援します。

F1Tenth Two-Agent Simulatorは、ROSとGazebo上に構築された特殊なシミュレーションフレームワークで、カスタムトラック上でレースまたは協力する2つの1/10スケールの自律車両をエミュレーションします。リアルなタイヤモデルの物理、センサーエミュレーション、衝突検出、データロギングをサポートします。ユーザーは自分のプランニングや制御アルゴリズムを接続し、エージェントのパラメータを調整し、性能、安全性、協調戦略を評価する対決シナリオを実行できます。

Fabrice AIは、Node.jsとブラウザ環境で大規模言語モデル（LLMs）を活用した高度なAIエージェントシステムの構築を可能にします。会話履歴を保持するためのビルトインメモリモジュール、カスタムAPIとのツール統合、コミュニティ駆動の拡張性を持つプラグインシステム、型安全なプロンプトテンプレート、多エージェントの調整、設定可能なランタイム動作により、チャットボット、タスクの自動化、バーチャルアシスタントの作成を簡素化します。クロスプラットフォーム設計により、Webアプリ、サーバーレス関数、デスクトップアプリへのシームレスな展開を実現し、インテリジェントでコンテキスト認識型のAIサービスの開発を促進します。

GenWorldsは、マルチエージェントシステムの作成を促進するために設計されたAI開発フレームワークです。WebSocketを介してイベントベースの通信フレームワークを利用し、開発者が自律エージェントが非同期で互いおよび周囲と相互作用できるインタラクティブな環境を設定できるようにします。これらのエージェントは協力、行動を計画し、複雑なタスクを共同で実行することで、GenWorldsをス évolutifで柔軟なAIエコシステムを構築するための強力なプラットフォームにしています。

AWS Bedrock Multi-Agent Collaborationは、複雑なタスクを実行するために、基礎モデルを搭載した複数のAIエージェントをオーケストレーションできる管理サービスの機能です。ユーザーはエージェントのペルソナと役割を設定し、通信のためのメッセージングスキーマを定義し、コンテキスト保持のための共有メモリを設定します。実行中は、エージェントは下流のソースからデータを要求したり、サブタスクを委譲したり、相互の出力を集約したりできます。この協調的アプローチは反復的な推論ループをサポートし、タスクの精度を向上させ、負荷に応じてエージェントを動的にスケールします。AWSコンソール、CLI、SDKと統合されており、サービスはエージェントの相互作用やパフォーマンス指標を視覚化する監視ダッシュボードを提供し、開発と運用の複雑さを軽減します。

Hashiru AgentXは、Hugging Face Spaces上にホストされた統一されたAIワークフローオーケストレーターです。利用者は自然言語の指示を入力し、事前構築されたエージェントから選択してコード実行、ウェブ検索、ドキュメント分析を行うことができます。裏側では、ツールチェーンを動的に構成し、安全なサンドボックス内でPythonスニペットを実行し、オンラインリソースをクエリし、アップロードされたファイルから洞察を抽出します。結果は会話形式で返され、反復的な改善や出力の簡単なダウンロードが可能です。

HMASは、階層型マルチエージェントシステムの開発を可能にするオープンソースのPythonフレームワークです。エージェント階層の定義、相互通信プロトコル、環境との連携、ビルトイン訓練ループの抽象化を提供します。研究者や開発者は、HMASを使用して複雑なエージェント間の相互作用のプロトタイピング、協調ポリシーの訓練、シミュレーション環境でのパフォーマンス評価を行えます。そのモジュール式設計により、エージェント、環境、訓練戦略の拡張とカスタマイズが容易です。

HFO_DQNは、PythonとTensorFlowを組み合わせて、Deep Q-Networkを使用したサッカーエージェント訓練のための完全なパイプラインを提供します。ユーザーはリポジトリをクローンし、HFOシミュレータやPythonライブラリを含む依存関係をインストールし、YAMLファイルで訓練パラメータを設定できます。このフレームワークは、経験再生、ターゲットネットワークの更新、ε-greedy探索、ハーフフィールドオフェンス向けの報酬調整を実装しています。エージェント訓練、性能ログ記録、評価マッチ、結果のプロット用スクリプトを備えています。モジュール式のコード構造により、カスタムニューラルネットアーキテクチャ、代替RLアルゴリズム、マルチエージェントコーディネーションの統合が可能です。出力には訓練されたモデル、性能指標、挙動の可視化が含まれ、強化学習やマルチエージェントシステムの研究を促進します。

Microsoft AutoGenは、メモリ管理、タスク計画、ツール統合、通信のためのモジュラーコンポーネントを提供し、エンドツーエンドの自律型AIエージェント開発を促進します。開発者は構造化スキーマを持つカスタムツールを定義し、OpenAIやAzure OpenAIの主要なLLMプロバイダーと接続できます。フレームワークは単一または複数のエージェントの協働をサポートし、複雑なタスクを完了するための協調ワークフローを可能にします。プラグインのようなアーキテクチャにより、記憶ストア、計画戦略、通信プロトコルを容易に拡張できます。詳細な低レベルの統合を抽象化し、AutoGenはさまざまなドメインでのAI駆動型アプリケーションのプロトタイピングと展開を高速化します。

JADEはJavaベースのエージェント開発フレームワークで、分散型マルチエージェントシステムの作成を容易にします。FIPA準拠のインフラストラクチャ（ランタイム環境、メッセージ転送、ディレクトリファシリテーター、エージェント管理）を提供します。開発者はJavaでエージェントクラスを書き、コンテナに展開し、RMAやSnifferなどのグラフィカルツールを使用してデバッグや監視を行います。JADEはエージェントのモビリティ、動作スケジューリング、ライフサイクル操作をサポートし、研究やIoTコーディネーション、シミュレーション、エンタープライズオートメーションのためのスケーラブルでモジュール化された設計を可能にします。

jason-RLは、Jasonのマルチエージェントフレームワークに強化学習層を追加し、AgentSpeak BDIエージェントが報酬フィードバックを通じて行動選択ポリシーを学習できるようにします。Q学習とSARSAのアルゴリズムを実装し、学習パラメータ（学習率、割引ファクター、探索戦略）の設定をサポートし、トレーニングの指標をログに記録します。エージェントの計画で報酬関数を定義し、シミュレーションを実行することで、開発者はエージェントが時間とともに意思決定を改善し、環境の変化に適応する様子を観察できます。

Layraは、さまざまなツールやメモリストレージと統合されたモジュール式アーキテクチャを提供することで、LLM駆動のエージェントの開発を簡素化します。タスクをサブゴールに分解するプランナー、会話や文脈を格納するメモリモジュール、外部APIやカスタム関数との接続を可能にするプラグインシステムを備えています。複数のエージェントインスタンスを協調させ、複雑なワークフローに対応できる協調制御もサポートします。ツール、メモリ、ポリシー定義の抽象化を通じて、開発者は顧客サポート、データ分析、RAGなどの知的エージェントを迅速に試作・展開できます。フレームワークに依存せず、OpenAI、Hugging Face、ローカルLLMをサポートします。