ROCKET-1 — это платформа с открытым исходным кодом, предназначенная для оркестровки сложных многопроцессорных систем. Позволяет определять конвейеры агентов с помощью модульного API, обеспечивая легкую цепочку из языковых моделей, плагинов и хранилищ данных. Основные функции включают семантическую память для сохранения контекста между сессиями, динамическую интеграцию инструментов с внешними API и базами данных, а также встроенные панели мониторинга для отслеживания производительности. Разработчики могут настраивать рабочие процессы с минимальным количеством кода, масштабировать горизонтально с помощью контейнерных решений и расширять функциональность через архитектуру плагинов. ROCKET-1 поддерживает режим реального времени для отладки, автоматические повторные попытки и меры безопасности, что делает его идеальным решением для ботов поддержки клиентов, исследовательских помощников и автоматизации предприятий.

VacuumWorld — платформа с открытым исходным кодом, предназначенная для разработки и оценки алгоритмов обучения с подкреплением для мультиагентов. Она предоставляет сеточные среды, в которых виртуальные роботы-пылесосы работают, чтобы обнаруживать и устранять грязь в настраиваемых макетах. Пользователи могут регулировать параметры, такие как размер сетки, распределение грязи, стохастический шум движений и структуры вознаграждения, моделируя разные сценарии. В рамках встроена поддержка протоколов коммуникации между агентами, информационных панелей в реальном времени и логирующих утилит для отслеживания эффективности. С помощью простых API на Python исследователи могут быстро интегрировать свои алгоритмы RL, сравнивать кооперативные и соревновательные стратегии и проводить воспроизводимые эксперименты, что делает VacuumWorld идеальным для академических исследований и обучения.

SARL предназначен для поддержки принятия решений и динамического развития с помощью Eclipse IDE, предоставляя средства редактирования, генерации кода, отладки и тестирования. Исполняющая среда может быть направлена на различные платформы, включая симуляционные фреймворки (например, MadKit, Janus) и реальные системы в робототехнике и IoT. Разработчики могут структурировать сложные приложения MAS, собирая модульные навыки и протоколы, упрощая разработку адаптивных, распределённых систем ИИ.

MultiAgentModel предоставляет единый API для определения пользовательских окружений и классов агентов для сценариев с множеством агентов. Разработчики могут задавать пространства наблюдения и действий, структуры награды и каналы связи. Встроенная поддержка популярных RL-алгоритмов, таких как PPO, DQN и A2C, позволяет тренировать модели с минимальной настройкой. Инструменты визуализации в реальном времени помогают отслеживать взаимодействия агентов и показатели их эффективности. Модульная архитектура обеспечивает легкую интеграцию новых алгоритмов и пользовательских модулей. Также включает гибкую систему конфигурации для настройки гиперпараметров, утилиты логирования для отслеживания экспериментов и совместимость с OpenAI Gym для бесшовной портативности. Пользователи могут совместно работать над общими окружениями и воспроизводить зафиксированные сессии для анализа.

Репозиторий Berkeley Pacman Projects предлагает модульную кодовую базу на Python, в которой пользователи могут создавать и тестировать агентов ИИ в лабиринте Pacman. Мы руководствуемся обучением без предварительной информации и с ней (DFS, BFS, A*), состязательным многоагентным поиском (minimax, alpha-beta-отсечение) и обучением с подкреплением (Q-обучение с извлечением признаков). Встроенные графические интерфейсы визуализируют поведение агентов в реальном времени; встроенные тесты и автоградера проверяют правильность. Итеративно совершенствуя алгоритмы, пользователи приобретают практический опыт в исследовании пространства состояний, проектировании эвристик, состязательном рассуждении и обучении на основе наград в рамках единой игровой среды.

ComfyUI LLM Party расширяет среду на базе узлов ComfyUI, предоставляя набор узлов с поддержкой LLM, предназначенных для координации текстовых взаимодействий в дополнение к визуальным AI-рабочим потокам. Он предлагает чат-узлы для взаимодействия с большими языковыми моделями, узлы памяти для сохранения контекста и узлы маршрутизации для управления диалогами нескольких агентов. Пользователи могут соединять операции генерации языка, суммирования и принятия решений внутри своих конвейеров, объединяя текстовые AI и генерацию изображений. Расширение также поддерживает настраиваемые шаблоны подсказок, управление переменными и условную ветвление, позволяя автоматизировать создание повествовательных сценариев, описание изображений и динамическое описание сцен. Его модульный дизайн обеспечивает бесшовную интеграцию с существующими узлами, позволяя художникам и разработчикам создавать сложные AI-агентские рабочие процессы без программирования.

Octagon Agents — это корпоративная платформа, которая позволяет разработчикам и организациям создавать, оркестрировать и масштабировать автономных агентов ИИ. В ней есть визуальный редактор рабочих процессов и SDK для Python и JavaScript, позволяющие настроить поведение агентов, интегрировать внешние API и управлять состояниями памяти. Агентов можно соединять в сложные пайплайны, что обеспечивает принятие решений по нескольким задачам, таким как извлечение данных, их анализ и автоматические ответы. Благодаря панелям мониторинга в реальном времени, логам и механизмам повторных попыток, Octagon Agents обеспечивает надежность и прослеживаемость в производственной среде. Встроенная аутентификация и шифрование гарантируют безопасность, делая платформу подходящей для критически важных бизнес-приложений. Команды могут развертывать агентов в облаке или на собственной инфраструктуре, обеспечивая высокую доступность и производительность.

VMAS — полный набор инструментов для построения и обучения мультиагентных систем с помощью глубокого обучения с подкреплением. Он обеспечивает параллельное моделирование сотен экземпляров окружений на GPU, что позволяет собирать данные с высокой пропускной способностью и масштабировать обучение. VMAS включает реализации популярных алгоритмов MARL, таких как PPO, MADDPG, QMIX и COMA, и предлагает модульные интерфейсы для быстрой прототипизации политики и среды. Фреймворк позволяет организовать централизованное обучение с децентрализованным исполнением (CTDE), поддерживаемые настраиваемые наградные функции, пространства наблюдения и хуки обратных вызовов для ведения журналов и визуализации. Благодаря модульной архитектуре VMAS легко интегрируется с моделями PyTorch и внешними средами, что делает его идеальным для исследований в задачах сотрудничества, соревнований и смешанных мотиваций в робототехнике, управлении трафиком, распределении ресурсов и сценариях игровой AI.

A2A (Архитектура агент-агент) — это открытая платформа Google для разработки и эксплуатации распределённых ИИ-агентов, работающих совместно. Она предлагает модульные компоненты для определения ролей агентов, каналов связи и разделяемой памяти. Разработчики могут интегрировать различные поставщики LLM, настроить поведение агентов и управлять многошаговыми рабочими процессами. В A2A встроены функции мониторинга, обработки ошибок и возможности воспроизведения для отслеживания взаимодействий агентов. Предоставляя стандартизированный протокол для обнаружения агентов, передачи сообщений и распределения задач, A2A упрощает сложные схемы координации и повышает надёжность масштабируемых приложений на базе агентов в различных средах.

Agent Communication Protocol (ACP) — это формальный каркас, разработанный для обеспечения беспрепятственного взаимодействия автономных агентов ИИ. ACP задает набор типов сообщений, заголовков и соглашений по нагрузке, а также механизмы обнаружения и регистрации агентов. Он поддерживает отслеживание диалогов, согласование версий и стандартизированные отчёты об ошибках. Предоставляя независимые от языка схемы JSON и перенос-усреднённые связки, ACP сокращает сложность интеграции и позволяет разработчикам создавать масштабируемые и совместимые системы с несколькими агентами для обслуживания клиентов, роботизированных рое, оркестровки IoT и совместных рабочих процессов ИИ.

AI-агентный машинный перевод — это открытая платформа для исследований и разработки в области машинного перевода. Она управляет тремя основными агентами — генератором, оценщиком и уточнителем — для совместного производства, оценки и совершенствования переводов. Построена на базе PyTorch и моделей трансформеров, поддерживая предварительное обучение с учителем, оптимизацию с помощью обучения с подкреплением и настраиваемые политики агентов. Пользователи могут проводить бенчмаркинг на стандартных наборах данных, отслеживать BLEU-рейтинги и расширять пайплайн с помощью пользовательских агентов или функций вознаграждения для исследования коллаборации агентов в задачах перевода.

AI-Agents предлагает модульную архитектуру для определения и запуска Python-агентов ИИ. Разработчики могут настраивать поведение агентов, интегрировать внешние API или инструменты и управлять памятью агентов в разных сессиях. Он использует популярные LLM, поддерживает совместную работу нескольких агентов и расширяется при помощи плагинов для сложных рабочих потоков, таких как анализ данных, автоматизированная поддержка и персональные ассистенты.

Agent4Edu — это рамочный продукт на Python для создания ИИ-агентов, поддерживающих автоматизированное и интеллектуальное взаимодействие в обучении. Он управляет несколькими агентами — такими как генерация вопросов, отзывы и аналитика — основанными на крупных языковых моделях и графах знаний доменной области. Учителя могут задавать учебные программы и источники знаний, развертывать Agent4Edu для создания упражнений, оценки работ, отслеживания прогресса и рекомендаций по учебным материалам. Архитектура с плагинами позволяет интегрировать с популярными платформами LMS через REST API или прямые соединения с базой данных. Встроенные инструменты для настройки подсказок, тонкой настройки моделей и визуализации данных о студенте делают Agent4Edu комплексным решением для персонализированного обучения на основе данных.

Agents with ADK — это открытая платформа на Python, предназначенная для упрощения создания интеллектуальных агентов, управляемых большими языковыми моделями. В нее входят модульные шаблоны агентов, встроенные модули памяти, интерфейсы выполнения инструментов и возможности координации нескольких агентов. Разработчики могут быстро интегрировать пользовательские функции или внешние API, настраивать цепочки планирования и логического вывода, а также следить за взаимодействиями агентов. Эта платформа поддерживает интеграцию с популярными поставщиками LLM и включает системы ведения журналов, повторных попыток и расширяемости для промышленного использования.

Agent Studio — это всеобъемлющая среда разработки агентов ИИ, предназначенная для снижения сложности создания интеллектуальных рабочих процессов. Интуитивно понятная панель 'перетащи и отпусти' позволяет определять поведение агента, связывая компоненты, такие как шаблоны запросов, модули памяти (векторные хранилища), интеграции API (например, вебхуки, базы данных) и управляющие потоки. Платформа поддерживает плагины-инструменты для анализа документов, поиска в интернете, планирования и автоматизации электронной почты. Расширенные функции включают управление версиями конфигураций агентов, совместные пространства работы нескольких агентов и встроенные панели логов и метрик для мониторинга производительности и отладки. Абстрагируясь от шаблонного кода, Agent Studio ускоряет цикл перехода от идеи к производству, позволяя командам быстро и надежно проходить итерации в случаях использования, таких как чат-боты поддержки клиентов, помощники данных и инструменты автоматизации процессов.

AgentForge предоставляет структурированную среду для определения, объединения и оркестрации отдельных навыков ИИ в целостных автономных агентов. Поддерживает память для сохранения контекста, интеграцию с внешними сервисами через плагины, коммуникацию между несколькими агентами, планирование задач и обработку ошибок. Разработчики могут настраивать собственные обработчики навыков, использовать встроенные модули для понимания естественного языка и интегрироваться с популярными LLM, такими как серия GPT от OpenAI. Модульный дизайн ускоряет циклы разработки, упрощает тестирование и развёртывание чатботов, виртуальных помощников, агентов анализа данных и ботов автоматизации по области.

Agents-Prompts — это полноценное хранилище на GitHub, предлагающее разработчикам структурированную коллекцию настраиваемых шаблонов подсказок для построения интеллектуальных AI-агентов. Эти шаблоны охватывают основные функции, такие как управление памятью, динамическое обновление инструкций, оркестрация нескольких агентов, логика принятия решений и интеграция API. Пользователи могут комбинировать шаблоны для определения ролей агентов, задач и диалоговых потоков, что обеспечивает быстрые эксперименты и создание прототипов. В репозитории также есть примеры кода для интерфейса с главными службами LLM, примеры связывания действий агентов и рекомендации по лучшим практикам при создании автономных рабочих процессов. Используя эти повторно используемые шаблоны подсказок, команды могут ускорить разработку, обеспечить согласованность между агентами и сосредоточиться на работе высокого уровня, а не на низкоуровневой инженерии подсказок.

AgentVerse предназначен для облегчения создания архитектур с несколькими агентами путём предоставления набора переиспользуемых модулей и абстракций. Пользователи могут определить уникальные классы агентов с индивидуальной логикой принятия решений, создать каналы связи для обмена сообщениями и моделировать условия окружения. Платформа поддерживает синхронное и асинхронное взаимодействие между агентами, что позволяет реализовать сложные рабочие процессы, такие как переговоры, делегирование задач и совместное решение проблем. Благодаря встроенному логированию и мониторингу, разработчики могут отслеживать действия агентов и оценивать показатели эффективности. AgentVerse включает шаблоны для распространённых сценариев, таких как автономное исследование, торговые симуляции и совместное создание контента. Его модульная структура позволяет бесшовно интегрировать внешние модели машинного обучения, такие как языковые модели или алгоритмы обучения с усилением, обеспечивая гибкость в различных приложениях на базе ИИ.

CrewAI — это модульная Python-рамка для построения полностью автономных ИИ-агентов. Она включает основные компоненты, такие как Оркестратор агента для планирования и принятия решений, слой интеграции инструментов для соединения с внешними API или пользовательскими действиями, а также модуль памяти для хранения и памяти контекста. Разработчики определяют задачи, регистрируют инструменты, конфигурируют системы памяти и запускают агентов, способных планировать мультиступенчатые рабочие процессы, выполнять действия и адаптироваться по результатам. CrewAI отлично подходит для создания интеллектуальных помощников, автоматизированных рабочих процессов и исследовательских прототипов.

AIGC Agents — это модульная открытая платформа, разработанная для упрощения создания и внедрения интеллектуальных помощников в сфере путешествий. Она предоставляет предварительно созданные компоненты для понимания естественного языка, планирования маршрутов, интеграции поиска авиабилетов и отелей, а также многопроточной организации агентов. Разработчики могут настраивать запросы, определять интерфейсы инструментов и расширять функциональность с помощью новых API. Поддерживает пайплайны на Python, RESTful API и контейнеризированное развертывание, что делает её пригодной для прототипирования и промышленной эксплуатации. Встроенная обработка ошибок, ведение логов и безопасное управление ключами API позволяют создавать надежные, ориентированные на путешествия AI-чаты.