モール推奨マルチエージェントシステムは、小売体験を向上させるためにマルチエージェントアーキテクチャ上に構築されたAI駆動のフレームワークです。来訪者の操作を追跡するショッパーエージェント、過去とリアルタイムデータを分析する嗜好エージェント、そして個別に最適化された商品とプロモーションを提案する推奨エージェントで構成されています。エージェントはメッセージパッシングプロトコルを介して通信し、ユーザーモデルの更新、クロスエージェントの洞察共有、および推奨の動的調整を行います。システムはCMSとPOSと連携し、リアルタイムで在庫と販売情報をフィードバックします。モジュール設計により、開発者はエージェントの動作をカスタマイズし、新しいデータソースを統合し、さまざまなプラットフォームに展開できます。大規模小売環境に最適で、正確かつコンテキスト重視の推薦によって顧客満足度を向上させ、売上を増加させます。

AWS Bedrock Multi-Agent Blueprintは、AWS Bedrock上にマルチエージェントアーキテクチャを実装するためのモジュール式フレームワークを提供します。共有メッセージキューを用いて協調する、プランナー、リサーチャー、エグゼキューター、エバリュエーターなどのエージェントの役割を定義するサンプルコードを含みます。各エージェントはカスタムプロンプトを用いて異なるBedrockモデルを呼び出し、中間出力を次のエージェントに渡せます。ビルトインのCloudWatchロギングやエラー処理パターン、同期・非同期実行のサポートを通じ、モデル選択やバッチ処理の管理、end-to-endのオーケストレーションの方法を示します。開発者はリポジトリをクローンし、AWS IAMロールとBedrockエンドポイントを設定し、CloudFormationやCDKを用いて展開します。オープンソース設計により、役割の拡張やエージェントのスケール、S3やLambda、Step Functionsとの連携も可能です。

Swarmsは、マルチエージェントAIワークフローの作成、調整、および実行を可能にする開発者向けのフレームワークです。特定の役割を持つエージェントを定義し、LLMプロンプトを介して動作を設定し、外部ツールやAPIにリンクします。Swarmsは、エージェント間の通信、タスク計画、メモリの永続化を管理します。そのプラグインアーキテクチャは、リトリーバー、データベース、監視ダッシュボードなどのカスタムモジュールのシームレスな統合を可能にし、ビルトインコネクタは主要なLLMプロバイダをサポートします。連携したデータ分析、自動化された顧客サポート、複雑な意思決定パイプラインなど、多様なニーズに対応します。

Multi-Agent-Blueprintは、複雑なタスクに取り組むために協力する複数のAI駆動エージェントを構築・調整するための包括的なオープンソースコードベースです。コアには、研究者、アナリスト、実行者などの異なるエージェントの役割を定義し、それぞれに専用のメモリストアとプロンプトテンプレートを持つモジュールシステムを提供します。このフレームワークは、大規模言語モデル、外部知識API、カスタムツールとシームレスに統合され、動的なタスク委譲やエージェント間の反復的なフィードバックループを可能にします。さらに、組み込みのロギングと監視機能により、エージェントのやり取りと出力を追跡できます。カスタマイズ可能なワークフローと交換可能なコンポーネントにより、開発者や研究者はコンテンツ生成、データ分析、製品開発、自動化された顧客サポートなどのアプリケーション向けに素早くマルチエージェントパイプラインを試作できます。

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。

Nuzon-AIは、タスクの定義、会話の記憶管理、プラグインによる機能拡張を可能にするPythonベースのエージェントフレームワークです。主要なLLM（OpenAI、ローカルモデル）との連携をサポートし、Webインタラクション、データ分析、自動化されたワークフローを実行できます。アーキテクチャにはスキルレジストリ、ツール呼出しシステム、多エージェント調整層が含まれ、顧客サポート、調査支援、個人の生産性向上のためのエージェントを構築可能です。設定ファイルにより、各エージェントの動作、メモリ保持ポリシー、デバッグや監査のためのログを調整できます。

このリポジトリは、タクシーコールセンターを模擬するためのカスタマイズ可能なマルチエージェントフレームワークを提供します。顧客の乗車要求を行うCustomerAgent、近接性に基づきドライバーを選択するDispatchAgent、割当を確認しステータスを更新するDriverAgent、請求・メッセージを担当するNotificationAgentが定義されています。エージェントは、OpenAI GPT呼び出しとメモリを使用したコレオグラフループを介して対話し、非同期チャット、エラー処理、ログ記録を可能にします。開発者はエージェントのプロンプトを拡張・調整したり、リアルタイムシステムを統合したりしながら、会話型AIを用いたカスタマーサービスや配車ワークフローの素早いプロトタイピングが可能です。

Java-Action-Datetimeは、LightJasonマルチエージェントシステムフレームワークのアドオンモジュールであり、エージェント内でのすべての時間操作を処理します。現在のタイムスタンプの取得、日付/時間文字列のJava時間オブジェクトへのパース、カスタムフォーマットパターンの適用、期間の加算や減算、日付時刻間の差異の計算、およびタイムゾーン間の変換を行うアクションを提供します。これらのアクションはLightJasonエージェントコードにシームレスに統合され、ボイラープレートを削減し、分散エージェント展開全体で信頼できる一貫した時間的推論を可能にします。

MASChatは、言語モデルで駆動される複数のAIエージェント間の会話を柔軟に調整するフレームワークを提供します。研究者、サマライザー、批評家などの特定の役割を持つエージェントを定義し、それらのプロンプト、権限、通信プロトコルを指定できます。MASChatの中央管理者がメッセージルーティング、コンテキスト維持、インタラクションの記録を行い、トレーサビリティを確保します。専門化されたエージェントを調整し、研究、コンテンツ作成、データ分析などの複雑なタスクを並列ワークフローに分解し、効率と洞察を向上させます。OpenAIのGPT APIまたはローカルのLLMと連携し、カスタム行動のためのプラグイン拡張も可能です。MASChatはプロトタイピング、多エージェント戦略のシミュレーション、コラボレーション環境の探索、AIシステムにおけるエマージェント行動の研究に最適です。