OpenSpielは、シンプルな行列ゲームからチェス、囲碁、ポーカーなどの複雑なボードゲームまでの幅広い環境を提供し、価値反復法、方針勾配法、MCTSなどのさまざまな強化学習と探索アルゴリズムを実装しています。そのモジュール式のC++コアとPythonバインディングにより、ユーザーはカスタムアルゴリズムの導入や新しいゲームの定義、標準ベンチマーク間での性能比較が可能です。拡張性を念頭に設計されており、単一エージェントおよび多エージェントの設定をサポートし、協調と競争のシナリオの研究を可能にします。研究者はOpenSpielを活用してアルゴリズムを迅速に試作し、大規模な実験を行い、再現可能なコードを共有しています。

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。

RoboCup Rescue Agent Simulationは、複数のAI駆動エージェントが協力して被害者を探し救助する都市災害環境をモデル化したオープンソースフレームワークです。ナビゲーション、マッピング、通信、センサー統合のインターフェースを提供し、ユーザーはカスタムエージェント戦略のスクリプト化、バッチ実験の実行、エージェントのパフォーマンス指標の可視化が可能です。シナリオ設定、ロギング、結果分析をサポートし、多エージェントシステムと災害対応アルゴリズムの研究促進につなげます。

ROCKET-1は、高度なマルチエージェントシステムの構築を目的としたオープンソースの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す。モジュール型APIを使ってエージェントパイプラインを定義でき、言語モデル、プラグイン、データストアをシームレスに連携させます。コア機能には、セッション間のコンテキスト維持のための意味記憶、外部APIやデータベース向けの動的ツール統合、パフォーマンス指標を追跡するビルトイン監視ダッシュボードが含まれます。開発者は少ないコードでワークフローをカスタマイズでき、コンテナ化された展開で水平スケーリング可能であり、プラグインアーキテクチャを通じて機能の拡張も可能です。ROCKET-1は、リアルタイムのデバッグ、自動リトライ、安全制御もサポートし、カスタマーサポートボット、研究アシスタント、企業の自動化タスクに最適です。

VacuumWorldは、マルチエージェント強化学習アルゴリズムの開発と評価を促進するためのオープンソースのシミュレーションプラットフォームです。仮想の掃除機エージェントが動作して汚れのパッチを検出・除去するグリッドベースの環境を提供し、レイアウトのカスタマイズやパラメータ調整が可能です。内部にはエージェント通信プロトコルやリアルタイムビジュアライゼーションダッシュボード、性能追跡用ログツールも用意されています。シンプルなPython APIを使えば、研究者はRLアルゴリズムを迅速に統合し、協力または競争戦略の比較や再現性のある実験が行えます。学術研究や教育向けに最適です。

Salieriは、マルチエージェントアプリケーションを通じてAIプロジェクトの開発を効率化するために設計された革新的なプラットフォームです。先進的なAI技術を活用することで、Salieriは生産性と効率を向上させ、チームがワークフローを自動化するのを容易にします。Salieriの直感的なデザインと強力な機能により、ユーザーは詳細なアイデアをインタラクティブでイラスト付きのストーリーに翻訳することができ、物語主導のプロジェクト、ゲームなどに最適です。Salieriは強力で効率的なシステムを提供し、知識グラフと形式エンジンを統合してAIモデルの正確さとコスト効率を向上させます。

SARLは意思決定のためのmsであり、Eclipse IDEとともに動的にサポートし、エディターサポート、コード生成、デバッグ、テストツールを提供します。ランタイムエンジンはシミュレーションフレームワーク（例：MadKit、Janus）やロボティクスやIoTの実世界システムを対象とできます。開発者はモジュール式のスキルとプロトコルを組み合わせて複雑なMASアプリケーションを構築し、自律的で分散型のAIシステムの開発を容易にします。

Shepherdingは、マルチエージェントの牧羊タスクを研究・実装するためのオープンソースのシミュレーションフレームワークです。Gym互換の環境を提供し、エージェントは連続または離散空間でターゲットグループを追跡、収集、分散させる行動を学習できます。フレームワークにはモジュール式の報酬調整関数、環境パラメータ化、トレーニングパフォーマンス監視のためのロギングユーティリティが含まれています。ユーザーはTensorFlowやPyTorchを用いて障害物や動的エージェント群、カスタムポリシーを定義できます。可視化スクリプトは軌跡のプロットやエージェントのやり取りの動画記録を生成します。Shepherdingのモジュール式設計により、既存のRLライブラリとシームレスに統合でき、再現性のある実験や新しい協調戦略のベンチマーク、AI駆動の牧羊ソリューションの迅速なプロトタイピングを可能にします。

OpenAI Swarmは、多数のAIエージェント間の並列実行と合意に基づく意思決定を実現する多目的オーケストレーションライブラリです。タスクを個々のモデルインスタンスにブロードキャストし、その出力を集計し、設定可能な投票やランキングスキームを適用して最高スコアの結果を選択します。開発者はエージェント数、投票閾値、モデルの組み合わせを調整して信頼性を高め、個別の偏りを軽減し、解決策の品質を改善できます。Swarmは、連鎖応答、反復フィードバックループ、詳細な推論記録をサポートし、要約、分類、コード生成、複雑な推論タスクのパフォーマンスを強化し、集団知能による能力向上を実現します。

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。

エージェントスピークは、BDI（Belief-Desire-Intention）自律エージェントの作成と管理を促進するためのJavaをベースとしたオープンソースのAgentSpeak（L）プログラミング言語の実装です。エージェントスピークはエージェントの信念ベースを維持し、イベントをトリガーし、現在の信念と目標に基づいてプランを選択・実行するランタイム環境を備えています。インタプリタは並行エージェントの実行、動的プランの更新、カスタマイズ可能なセマンティクスをサポートします。モジュール設計により、開発者はプラン選択や信念修正などのコアコンポーネントを拡張できます。エージェントスピークは学術・産業界の開発者に、知能エージェントのプロトタイピング、シミュレーション、展開を支援します。

バークレーPacmanプロジェクトリポジトリは、ユーザーがPacman迷路でAIエージェントを構築・テストできるモジュラーPythonコードベースを提供します。非情報探索（DFS、BFS、A*）、敵対的多エージェント探索（ミニマックス、アルファベータ剪定）、強化学習（特徴抽出を伴うQ学習）を学習者が理解できるようにガイドします。統合されたグラフィカルインターフェースはエージェントの挙動をリアルタイムで可視化し、組み込みのテストケースとオートグレーダーが正確性を検証します。アルゴリズムの実装を反復することで、状態空間探索、ヒューリスティック設計、敵対的推論、報酬ベースの学習に関する実践的な経験を得ることができます。

UnitMesh Frameworkは、AIエージェントのチェーンを定義、管理、実行するための柔軟でモジュール式の環境を提供します。OpenAI、Anthropic、カスタムモデルとのシームレスな統合を可能にし、PythonやNode.js SDKをサポートし、組み込みのメモリストアやツールコネクタ、プラグインアーキテクチャを備えています。開発者は並列または逐次のエージェントワークフローをオーケストレーションし、実行ログを追跡し、カスタムモジュールを通じて機能拡張も可能です。イベント駆動設計により、クラウドやオンプレミスの展開で高性能と拡張性を実現します。

ElizaOSは、TypeScriptプロジェクト内で自律AIエージェントを設計、テスト、展開するための堅牢なツールセットを提供します。開発者はエージェントのキャラクター、目標、およびメモリ階層を定義し、ElizaOSの計画システムを利用してタスクのワークフローを概説します。モジュラーコネクタアーキテクチャにより、Discord、Telegram、Slack、Xなどの通信プラットフォームやWeb3アダプタを通じたブロックチェーンネットワークとの統合が容易です。ElizaOSは、OpenAI、Anthropic、Llama、Geminiなど複数のLLMバックエンドをサポートし、モデル間のシームレスな切り替えを可能にします。プラグインサポートは、カスタムスキルやロギング、監視機能を拡張します。CLIおよびSDKを使用して、チームはエージェント設定の反復、ライブパフォーマンスの監視、クラウドやオンプレミスでの展開をスケールアップします。ElizaOSは、自動化された顧客対応、ソーシャルメディアエンゲージメント、ビジネスプロセスを自律的なデジタルワーカーで自動化することを可能にします。

EthicalEvalMASは、正義、自律性、プライバシー、透明性、善行などの重要な倫理的次元において、多エージェントシステムを評価するためのモジュール式環境を提供します。ユーザーはカスタムシナリオを生成したり、ビルトインのテンプレートを利用したり、独自のメトリクスを定義したり、自動評価スクリプトを実行したり、ビルトインのレポートツールで結果を可視化したりできます。その拡張可能なアーキテクチャは、既存のMASプラットフォームとの統合をサポートし、異なるエージェントの行動に対して再現性のある倫理的ベンチマークを促進します。

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。

MACLは、複数のAIエージェントの作成と調整を簡素化するためのモジュラーPythonフレームワークです。個々のエージェントにカスタムスキルを定義し、通信チャネルを設定し、エージェットネットワーク全体のタスクをスケジュールできます。エージェントはメッセージを交換し、責任を交渉し、共有データに基づいて動的に適応できます。人気のLLMのサポートや拡張性のためのプラグインシステムも備えており、顧客サービスの自動化、データ分析パイプライン、シミュレーション環境などの分野でスケーラブルかつ維持可能なAIワークフローを実現します。

MultiAgent2は、大規模言語モデルを搭載した自律型AIエージェントを統括する包括的なツールキットを提供します。開発者は、カスタマイズ可能なペルソナ、戦略、メモリコンテキストを持つエージェントを定義でき、会話、情報共有、共同問題解決を行えます。長期記憶用のプラグイン可能なストレージ、役割ベースの共有データアクセス、同期または非同期のダイアログ用に設定可能な通信チャネルをサポートします。CLIとPython SDKを用いて、研究実験、自動顧客サポート、コンテンツ生成パイプライン、意思決定支援ワークフローなどでマルチエージェントシステムのプロトタイピング、テスト、展開を迅速に行えます。エージェント間通信とメモリ管理を抽象化することで、複雑なAI駆動型アプリケーションの開発を加速します。

NeuralABMは、PyTorchを利用したオープンソースのPythonライブラリで、ニューラルネットワークをエージェントモデルに統合します。ユーザーは、ニューラルモジュールとしてエージェントのアーキテクチャを指定し、環境ダイナミクスを定義し、シミュレーションステップ全体での逆伝播を用いてエージェントの行動を訓練できます。フレームワークは、カスタム報酬信号、カリキュラム学習、および同期・非同期の更新をサポートし、出現する現象の研究を可能にします。ロギング、可視化、データセットエクスポートのユーティリティを備え、研究者や開発者はエージェントのパフォーマンスを分析し、モデルのデバッグやシミュレーション設計の反復ができます。NeuralABMは、社会科学、経済学、ロボティクス、ゲームNPCのAI駆動行動において、強化学習とABMを組み合わせることを容易にします。環境カスタマイズのためのモジュール式コンポーネント、多エージェント間の相互作用をサポートし、外部データセットやAPIをリアルワールドのシミュレーションに統合するフックも提供します。オープンな設計は、明確な実験設定とバージョン管理の連携により、再現性とコラボレーションを促進します。