GAベースのNQueenソルバーは、候補Nクイーン配置をエンコードする各エージェントを持つモジュール式の2APLマルチエージェントアーキテクチャを使用します。エージェントは非攻撃クイーンペア数をカウントして適応度を評価し、高い適応度の構成を他のエージェントと共有します。選択、交差、突然変異の遺伝子操作は、エージェント集団全体に適用され、新たな候補盤を生成します。反復を重ねることで、エージェントは有効なNクイーン解に収束していきます。このフレームワークはJavaで実装されており、集団サイズ、交差率、突然変異確率、エージェント通信プロトコルのパラメータ調整をサポートし、詳細なログや進化過程の可視化を出力します。

JasonEnvironmentsは、Jasonマルチエージェントシステム専用に設計された環境モジュールのコレクションを提供します。各モジュールは標準化されたインターフェースを公開し、追跡-回避、リソース採取、協力タスクなど、多様なシナリオでエージェントが認識、行動、相互作用できるようになっています。このライブラリは既存のJasonプロジェクトに簡単に統合可能で、JARを含め、エージェントの設定ファイルで環境を構成し、シミュレーションを起動します。開発者はさらにパラメータやルールを拡張・カスタマイズして、研究や教育の目的に合わせることも可能です。

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。

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。

このフレームワークは、ユーザーが中央のオーケストレーターを介してJSONメッセージで通信する複数のAIエージェントを設計、構成、展開できるようにします。各エージェントは異なる役割、プロンプト、メモリモジュールを持つことができ、プロバイダーインターフェースを実装することで任意のLLMプロバイダーを組み込めます。システムは持続可能な会話履歴、動的ルーティング、モジュール式拡張をサポートします。議論のシミュレーション、カスタマーサポートフローの自動化、マルチステップのドキュメント生成の調整に最適で、Pythonで動作し、Dockerサポートもあります。

MultiMindは、データ分析、サポートチャットボット、コンテンツ生成などのタスクのために特殊化されたエージェントを定義してマルチエージェントワークフローを構築できるAIプラットフォームです。視覚的なワークフロービルダーに加えてPythonとJavaScriptのSDKを提供し、エージェント間の通信を自動化し、持続的なメモリを保持します。外部APIを統合し、MultiMindクラウドや独自のインフラ上にプロジェクトをデプロイして、スケーラブルでモジュール式のAIアプリケーションを大量のボイラープレートコードなしで作成できます。

Multi-Agent AI Assistantは、複数のGPT搭載エージェントを調整するモジュール式のPythonフレームワークであり、各エージェントには計画、研究、分析、実行などの役割が割り当てられています。システムはエージェント間のメッセージ伝達、メモリ保存、外部ツールやAPIとの連携をサポートし、複雑なタスクの分解と協働解決を可能にします。開発者はエージェントの動作をカスタマイズし、新たなツールキットを追加し、シンプルな設定ファイルでワークフローを構成できます。専門エージェント間の分散推論を活用し、自動研究、データ分析、意思決定支援、タスク自動化を促進します。リポジトリには、一般的なワークフローやエージェント設定のサンプル実装やテンプレートが含まれており、ビジネス、教育、研究の環境でエンドツーエンドのワークフローを処理できるインテリジェントアシスタントやデジタルワーカーの迅速な試作が可能です。

multiagent-golangは、Goでマルチエージェントシステムを構築するための構造化されたアプローチを提供します。各エージェントに対し、環境を感知するセンサーと行動を起こすアクチュエータを搭載できるAgent抽象化を導入しています。エージェントはGoルーチンを用いて並行実行され、専用のメッセージングチャネルを通じて通信します。フレームワークには、イベント処理、エージェントのライフサイクル管理、ステート変化の追跡を行う環境シミュレーション層も含まれます。開発者は、エージェントの挙動やシミュレーションパラメータを簡単に拡張・カスタマイズでき、ロギングや分析用のモジュールも統合可能です。スケーラブルな並行シミュレーションを研究や試作に活用できます。

MultiAgent-Systems-StarCraft2-PySC2-Rawは、StarCraft IIで複数のAIエージェントを開発、訓練、評価するための完全なツールキットを提供します。ユニットの移動やターゲット指定、能力制御の低レベルコントロールを公開し、柔軟な報酬設計とシナリオ構成を可能にします。ユーザーはカスタムニューラルネットワークアーキテクチャを簡単に組み込み、チーム間の協調戦略を定義し、メトリクスを記録できます。PySC2上に構築されており、並列訓練、チェックポイント作成、可視化をサポートし、協調型・対抗型のマルチエージェント強化学習の研究を進めるのに理想的です。

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。

Odysseyは、協調型のマルチエージェントシステムを構築するための柔軟なアーキテクチャを提供します。主なコンポーネントには、サブタスクの定義と配布を行うタスクマネージャー、会話履歴とコンテキストを保存するメモリモジュール、LLMを搭載したエージェントを調整するエージェントコントローラー、外部APIやカスタム関数を統合するツールマネージャーがあります。開発者はYAMLファイルを使ってワークフローを設定でき、事前構築されたLLMカーネル（例：GPT-4、ローカルモデル）を選択し、新ツールやメモリバックエンドをシームレスに拡張可能です。Odysseyはインタラクションを記録し、非同期タスク実行と反復改善ループをサポートしており、研究、プロトタイピング、実用化済みのマルチエージェントアプリケーションに最適です。

OpenAI Agent Swarmは、多様なタスクにわたって複数のGPT搭載エージェントの調整を合理化するモジュール式フレームワークです。各エージェントは独立して動作し、カスタマイズ可能なプロンプトと役割定義を持っています。一方、Swarmコアはエージェントのライフサイクル、メッセージの伝達、タスクのスケジューリングを管理します。複雑なワークフローの定義、リアルタイムでのエージェントの監視、結果の整合性のある出力への集約などのツールも含まれています。専門的なエージェント間で負荷を分散することで、コンテンツ生成、研究分析、自動デバッグ、データ要約など、複雑な問題解決シナリオに取り組むことが可能です。OpenAI APIとシームレスに統合されており、開発者が迅速にマルチエージェントシステムを展開できるようになっています。

PettingZooゲーム用の強化学習エージェントは、Pythonベースのコードライブラリであり、PettingZoo環境上でのマルチエージェントRL用のDQN、PPO、およびA2Cアルゴリズムをすぐに利用できる形で提供します。標準化されたトレーニングと評価のスクリプト、設定可能なハイパーパラメータ、TensorBoardログの統合、競争的ゲームと協力的ゲームの両方をサポートしています。研究者や開発者はリポジトリをクローンし、環境とアルゴリズムのパラメータを調整し、トレーニングセッションを実行し、メトリクスを可視化してマルチエージェントRL実験を迅速に比較・反復できます。

MultiAgentModelは、マルチエージェントシナリオのためのカスタム環境とエージェントクラスを定義する統一APIを提供します。観測空間と行動空間、報酬構造、通信チャネルを指定できます。PPO、DQN、A2Cなどの人気のRLアルゴリズムに標準サポートがあり、最小限の設定で訓練が可能です。リアルタイムの可視化ツールがエージェントのインタラクションとパフォーマンス指標を監視します。モジュール式のアーキテクチャにより、新しいアルゴリズムやカスタムモジュールの統合も容易です。柔軟な設定システムによるハイパーパラメータ調整、実験追跡用のログユーティリティ、シームレスなポータビリティのためのOpenAI Gym環境との互換性も含まれています。ユーザーは共有環境で協力したり、ログインされたセッションをリプレイして分析できます。

ComfyUI LLM Partyは、視覚的なAIワークフローと連携してテキスト対話を調整するためのLLMパワードノード群を提供し、ノードベースのComfyUI環境を拡張します。大規模言語モデルと対話するチャットノード、コンテキストを保持するメモリノード、多エージェント対話を管理するルーティングノードを備えています。ユーザーは言語生成、要約、意思決定操作をパイプライン内で連結でき、テキストAIと画像生成を統合します。カスタムプロンプトテンプレート、変数管理、条件分岐もサポートし、ナarrative生成、画像キャプション付け、動的シーン説明を自動化できます。モジュール設計により既存のノードとのシームレスな統合が可能で、アーティストや開発者がプログラミングの専門知識なしに高度なAIエージェントワークフローを構築できます。

JADE上のEコマースマルチエージェントシステムは、自律型エージェントがオンラインショッピングのワークフローを管理できることを示します。購入者エージェントは商品を検索し、販売者エージェントと価格を交渉します。販売者エージェントは在庫と価格戦略を管理します。ロジスティクスエージェントは出荷スケジュールを調整し、注文状況を更新します。このシステムは、ACLによるエージェント間通信、行動の拡張、およびJADEプラットフォーム上のコンテナ展開を示しています。

IntelligentMASPlatformは、エージェント、環境、サービス層からなるモジュール構造を採用し、開発と展開の加速を目的としています。エージェントはFIPA準拠のACLメッセージを使用して通信し、動的な交渉と調整を実現します。多機能な環境シミュレータを備え、複雑なシナリオをモデリングし、エージェントのタスクをスケジューリングし、ビルトインダッシュボードを通じてリアルタイムにエージェント間の相互作用を可視化します。高度な動作のために、強化学習モジュールを統合し、カスタム動作プラグインもサポートしています。展開ツールにより、エージェントをスタンドアロンアプリケーションまたは分散ネットワークにパッケージ化できます。APIを介して、データベースやIoTデバイス、サードパーティAIサービスとの連携も可能であり、研究、産業自動化、スマートシティのユースケースに適しています。

LinkAgentはプラグイン可能なコンポーネントを備えた軽量マイクロカーネルを提供し、ユーザは言語モデルバックエンド、検索モジュール、外部APIをツールとして登録し、内蔵されたプランナーやルーターを用いてワークフローを構築できます。メモリハンドラーにより文脈の継続、動的なツール呼び出し、多段階推論のための決定論理の設定をサポートします。少ないコード量で、QA、データ抽出、プロセスオーケストレーション、レポート生成などのタスクを自動化可能です。

LiteMultiAgentは、複数のAIエージェントを並列または逐次で構築・実行できるモジュール式のSDKを提供し、それぞれに固有の役割と責任を持たせます。プリインストールされたメモリストア、メッセージングパイプライン、プラグインアダプター、実行ループを備え、複雑なエージェント間通信を管理します。ユーザーはエージェントの動作をカスタマイズし、外部ツールやAPIをプラグインし、ログを通じて会話を監視できます。軽量設計と依存関係管理により、迅速なプロトタイピングや実運用のコラボレーティブAIワークフロー展開に最適です。

OmniStewardはPythonを基盤としたモジュール式のAIエージェントオーケストレーションプラットフォームで、OpenAI、ローカルのLLMに接続し、カスタムモデルもサポートします。コンテキストを保存するためのメモリモジュール、API呼び出し、ウェブ検索、コード実行、データベースクエリのためのツールキットを提供します。ユーザーはプロンプト、ワークフロー、トリガーを含むエージェントテンプレートを定義します。フレームワークは複数のエージェントを並行してオーケストレーションし、会話履歴を管理し、パイプラインを通じてタスクを自動化します。加えて、ロギング、モニタリングダッシュボード、プラグインアーキテクチャ、サードパーティサービスとの連携も含まれます。OmniStewardは研究、運用、マーケティングなどのドメイン専用アシスタント作成を容易にし、柔軟性、拡張性、オープンソースの透明性を提供します。