Evolving Agentsは、モジュール式のAIエージェントを構築・進化させるための遺伝的プログラミングベースのフレームワークです。ユーザーは、交換可能なコンポーネントからエージェントアーキテクチャを組み立て、環境シミュレーションと適性評価指標を定義し、その後進化サイクルを実行して改良されたエージェント行動を自動生成します。このライブラリには、突然変異、交差、集団管理、進化監視のためのツールが含まれ、多様なシミュレーテッド環境での自律エージェントの試作、テスト、改善を可能にします。

ハイパーボリックタイムチェンバーは、メモリ管理、コンテキストウィンドウオーケストレーション、プロンプトチェーン、ツール統合、実行制御のためのコンポーネントを提供し、AIエージェント構築の柔軟な環境を提供します。開発者はモジュール化されたビルディングブロックを通じてエージェントの動作を定義し、カスタムメモリ（短期および長期）を設定し、外部APIやローカルツールと連携できます。フレームワークには非同期サポート、ロギング、デバッグユーティリティも含まれ、複雑な会話型やタスク指向のエージェントを素早くプロトタイプし、デプロイできます。

Isekはモジュール式アーキテクチャを持つ開発者向けプラットフォームです。ツールやデータソース用のプラグインシステム、コンテキスト保持のための内蔵メモリー、多段階タスクを調整するプランニングエンジンを備えています。ローカルまたはクラウドにエージェントを展開でき、任意のLLMバックエンドを統合可能。コミュニティやカスタムモジュールを通じて機能を拡張できます。テンプレート、SDK、CLIツールを用いてチャットボット、バーチャルアシスタント、自動化ワークフローの迅速な開発を実現します。

mcp-agent-graphは、AIエージェント向けのグラフベースのオーケストレーション層を提供し、複雑な多段階ワークフローを有向グラフとしてマッピングします。グラフ内の各ノードはタスクや関数に対応し、入力、出力、依存関係をキャプチャします。エッジは、エージェント間のデータの流れを定義し、正しい実行順序を保証します。エンジンは逐次および並列の実行モードをサポートし、自動依存関係の解決やカスタムPython関数や外部サービスとの連携も可能です。組み込みの可視化により、グラフトポロジーの検査やワークフローのデバッグが行えます。このフレームワークは、モジュール化されたスケーラブルなマルチエージェントシステムの開発を促進し、データ処理、自然言語ワークフロー、またはAIモデルパイプラインの融合に適しています。

OpenMASは、分散型AIエージェントやマルチエージェント調整戦略の開発と評価を促進するために設計されています。カスタムエージェントの挙動、動的環境モデル、エージェント間のメッセージングプロトコルを定義できるモジュール式のアーキテクチャを備えています。物理シミュレーション、イベント駆動の実行、AIアルゴリズム用のプラグイン統合をサポートします。ScenariosはYAMLやPythonで設定可能で、エージェントの相互作用を可視化し、内蔵の解析ツールでパフォーマンス指標を収集できます。OpenMASは、群知能、協調ロボティクス、分散意思決定などの研究プロトタイピングを効率化します。

このリポジトリは、DeepSeekを使用した高次元ベクトル検索を行うReActベースのAIエージェント作成のためのステップバイステップのチュートリアルとリファレンス実装を提供します。環境設定、依存関係のインストール、カスタムデータ用のベクトルストアの設定をカバーしています。エージェントはReActのパターンを用いて推論の過程と外部知識検索を組み合わせ、透明性の高い説明可能な応答を実現します。システムは、追加のドキュメントローダーの統合、プロンプトテンプレートの調整、またはベクトルデータベースの交換により拡張可能です。この柔軟なフレームワークにより、開発者や研究者は数行のPythonコードで推論・取得・対話が可能な強力な対話エージェントの試作が行えます。

RepoAgentは、あらゆるコードリポジトリをインタラクティブな知識ベースに変換するAIフレームワークです。ソースファイル、関数、クラス、ドキュメントをベクトルストアにインデックス化し、高速な検索およびコンテキストに応じた応答を可能にします。開発者は自然言語の質問を通じて、コードの機能、アーキテクチャ、依存関係について尋ねることができます。自動コード要約、ドキュメント作成、テストケース作成は、LLMと連携してサポートします。RepoAgentはまた、問題、プルリクエスト、コミット履歴を分析し、コードの品質や潜在的なバグについての洞察を提供します。モジュール設計により、検索パイプライン、モデル選択、出力フォーマットのカスタマイズが可能です。CI/CDパイプラインやIDEに直接組み込むことで、開発効率を高め、導入時間を短縮します。

デッドシンプルセルフラーニングは、開発者にPythonで強化学習エージェントを作成およびトレーニングするための非常にシンプルなアプローチを提供します。このフレームワークは、環境ラッパー、ポリシーモジュール、経験バッファなどのコアRLコンポーネントを簡潔なインターフェースに抽象化します。ユーザーは、環境の初期化、PyTorchやTensorFlowのバックエンドを使用したカスタムポリシーの定義、およびロギングやチェックポイントを備えたトレーニングループの実行を迅速に行うことができます。このライブラリは、オンポリシーとオフポリシーのアルゴリズムをサポートしており、Q学習、ポリシー勾配、アクタークリティック手法の柔軟な実験を可能にします。ボイラープレートコードを削減することで、デッドシンプルセルフラーニングは実践者、教育者、研究者が最小限の設定でアルゴリズムのプロトタイピング、仮説の検証、エージェントのパフォーマンスの可視化を容易にします。そのモジュール式設計は、既存のMLスタックやカスタム環境との統合も促進します。

CASAは、Robot Operating System（ROS）エコシステム上に構築されたモジュール式でプラグアンドプレイ可能な自律性フレームワークとして設計されています。各ロボットがローカルプランナーとビヘイビアツリーノードを動かし、共有のブラックボードに世界状態を公開する、分散型アーキテクチャを特徴とします。タスク割り当ては、ロボットの能力と利用可能性に基づいてミッションを割り当てるオークション方式のアルゴリズムによって処理されます。通信層は、マルチロボットネットワーク上の標準ROSメッセージを使用し、エージェント間を同期します。開発者はミッションパラメータのカスタマイズ、センサードライバの統合、ビヘイビアライブラリの拡張が可能です。CASAは、シナリオシミュレーション、リアルタイム監視、ロギングツールをサポートします。その拡張性により、研究チームは新しい協調アルゴリズムを試験し、無人地上車両や空中ドローンを含む多様なロボットプラットフォームへのシームレスな展開を実現します。

Advanced Agents Cookbooksは、LangChainベースのAIエージェントレシピのライブラリーを提供するコミュニティ主導のGitHubプロジェクトです。コンテキスト保持のためのメモリモジュール、外部データやAPI呼び出し用のカスタムツール統合、構造化された応答を行う関数呼び出しパターン、複雑な意思決定のための思考の連鎖計画、多段階ワークフローのオーケストレーションをカバーしています。これらの例を使って、ベストプラクティス、カスタマイズ、タスク自動化に役立つエージェントを迅速に開発できます。

ai-agents-trialは、LLMsを用いた自立型AIエージェントの構築例を示すオープンソースのPythonプロジェクトです。エージェントの計画、ツール呼び出し（例：ウェブ検索、計算機）、記憶管理のためのモジュール化された抽象化を提供します。開発者は独自のツールを定義し、複数ステップのアクションをチェーンし、セッション間でコンテキストを維持できます。コードベースはOpenAI APIと補助ユーティリティを使用してワークフローを調整し、チャットアシスタント、研究用ボット、ドメイン固有の自動化エージェントの迅速なプロトタイピングに理想的です。新しいコネクタやデータソースの追加もコアロジックを変更せずに拡張可能です。

Swarmsは、複雑なワークフローを解決するための自律型AIエージェントの作成と調整を簡素化するために設計された開発者ツールキットおよびフレームワークです。それぞれのエージェントは、役割、ツール、メモリコンテキストを持ち、情報の調査、データの分析、創造的な出力の生成、外部APIの呼び出しなどに特化できます。プラットフォームはコマンドラインインターフェース、Python SDK、YAMLベースの設定ファイルを提供し、エージェントの挙動、スケジューリング戦略、相互通信を定義します。SwarmsはOpenAI、Anthropic、Azure、オープンソースLLMと連携し、ログ記録、モニタリングダッシュボード、モジュール型永続層を備え、複数ステップの推論プロセスの連鎖をサポートします。これにより、少ないコーディングで分散型自己組織化AIソリューションの設計、テスト、展開が可能です。

Clear Agentは、AI駆動のエージェントの構築を簡素化することに重点を置いた開発者向けフレームワークです。ツールの登録、メモリ管理、カスタマイズ可能なエージェントクラスを提供し、ユーザーの指示を処理し、APIやローカル関数を呼び出し、構造化された応答を返します。開発者はワークフローを定義し、プラグインで機能を拡張し、複数のプラットフォームでエージェントを展開できます。Clear Agentは、明確さ、モジュール性、そして導入の容易さを重視し、生産性の高いAIアシスタントを実現します。

CrewAI-Learningは、多エージェント強化学習プロジェクトを効率化するためのオープンソースライブラリです。環境のスキャフォールディング、モジュール式のエージェント定義、カスタマイズ可能な報酬関数、DQN、PPO、A3Cなど協調タスク向けに適応した内蔵アルゴリズムを提供します。ユーザーはシナリオ定義、トレーニングループ管理、メトリック記録、結果の可視化が可能です。フレームワークはエージェントチームと報酬共有戦略の動的設定をサポートし、さまざまなドメインで協調AIソリューションのプロトタイピング、評価、最適化を容易にします。

Dev-AgentはオープンソースのAIエージェントフレームワークで、開発者が自律的なエージェントを迅速に構築・展開できるようにします。モジュール式プラグインアーキテクチャと設定が容易なツール呼び出し（HTTPエンドポイント、データベースクエリ、カスタムスクリプトなど）を組み合わせています。エージェントは持続的なメモリ層を活用して過去のインタラクションを参照し、多段階の推論フローを調整して複雑なタスクを実行します。OpenAI GPTモデルのサポートにより、ユーザーはJSONまたはYAMLのシンプルな仕様でエージェントの動作を定義できます。CLIツールは認証、セッション状態、ロギングを管理します。顧客サポートボット、データ取得アシスタント、自動化CI/CDヘルパーなど、用途に関わらず、Dev-Agentは開発負荷を軽減し、コミュニティ主導のプラグインの拡張をシームレスに行います。これにより、多様なAI駆動アプリケーションに対応した柔軟性とスケーラビリティを提供します。

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。

gym-multigridは、複数部屋のナビゲーションと探索タスクのために設計されたカスタマイズ可能なグリッドワールド環境のセットを提供します。各環境は、オブジェクト、鍵、ドア、障害物で構成された連結された部屋で構成されます。ユーザーはプログラムでグリッドサイズ、部屋の構成、オブジェクトの配置を調整できます。ライブラリは完全および部分観測モードをサポートし、RGBまたはマトリクスの状態表現を提供します。アクションには移動、オブジェクトとのインタラクション、ドア操作が含まれます。Gym環境として統合することで、研究者は任意のGym互換エージェントを活用して、キーとドアのパズル、オブジェクトの取得、階層的計画といったタスクのトレーニングと評価をシームレスに行うことができます。gym-multigridはモジュラー設計と最小限の依存関係により、新しいAI戦略のベンチマークに最適です。

Julep AIは、データサイエンスチームが迅速にマルチステップのAIワークフローを構築、反復、デプロイできるように設計されたオープンソースプラットフォームです。Julepを使用すると、エージェント、タスク、ツールを使ってスケーラブルで耐久性のある長期間実行可能なAIパイプラインを作成できます。このプラットフォームのYAMLベースの設定は、複雑なAIプロセスを簡素化し、製品準備が整ったワークフローを保証します。迅速なプロトタイピング、モジュール設計、既存システムとのシームレスな統合をサポートし、数百万の同時ユーザーを処理しながらAI業務の完全な可視化を提供します。

LLM to MCP Integration Engineは、大規模言語モデル（LLMs）をさまざまなメッセージ通信プラットフォーム（MCP）と統合するためのオープンソースフレームワークです。OpenAIやAnthropicなどのLLM APIに対応したアダプターと、Slack、Discord、Telegramなどのチャットプラットフォーム向けコネクタを提供します。エンジンはセッションの状態を管理し、コンテキストを拡充し、双方向にメッセージをルーティングします。そのプラグインベースのアーキテクチャにより、新しいプロバイダーのサポート拡張やビジネスロジックのカスタマイズが可能で、AIエージェントの本番環境での展開を促進します。

Micro-agentは、大規模言語モデルを使用した高度なAIエージェントの作成を容易にする、軽量で意見を持たないJavaScriptライブラリです。エージェント、ツール、プランナー、メモリストアなどのコア抽象を公開し、開発者はカスタムの会話フローを組み立てることができます。エージェントは、外部APIや内部ユーティリティをツールとして呼び出し、動的なデータ取得やアクション実行を可能にします。このライブラリは、短期的な会話のメモリと長期的な永続メモリの両方をサポートし、セッション間のコンテキストを維持します。プランナーは、思考の連鎖を調整し、複雑なタスクをツール呼び出しや言語モデルのクエリに分解します。設定可能なプロンプトテンプレートと実行戦略により、Micro-agentはフロントエンドWebアプリ、Node.jsサービス、エッジ環境にシームレスに適応し、チャットボットやバーチャルアシスタント、自律意思決定システムの基盤を提供します。