此儲存庫利用PyTorch實作多代理增強學習中的新興通信。使用者可配置發送與接收神經網路來進行參照遊戲或合作導航，促使代理建立離散或連續的通信通道。提供訓練、評估與視覺化的腳本，以及用於環境建立、訊息編碼與解碼的工具。研究人員可加入自訂任務、修改網路架構，並分析協議效率，加速新興代理通信的實驗。

MACL 是一個模組化的 Python 框架，旨在簡化多個 AI 智能體的創建與協調。它允許你定義具有自訂技能的獨立智能體，設置通信通道，並在智能體網絡中排程任務。智能體可以交換訊息、協商責任，並根據共享資料動態調整。內建支援常用 LLMs，以及擴展性的插件系統，使 MACL 能在客戶服務自動化、數據分析流程和模擬環境等領域中實現可擴展且易於維護的 AI 工作流程。

Open ACN 是一個堅固的人工智慧平台與框架解決方案，專為建立去中心化的多代理系統而設計。它提供一套針對代理合作而定制的共識協議，確保跨地理分散節點的可靠決策。框架包含模組化通信層、可自定義的策略插件及內建模擬環境進行端到端測試。開發者可以定義代理行為，在 Linux、macOS、Windows 或 Docker 上部署，並利用即時日誌與監控工具。提供可擴展的 API 與現有機器學習模型的無縫整合，Open ACN 簡化複雜的協調任務，促進相容性強、韌性的自主網絡，適用於機器人技術、供應鏈自動化、去中心金融及物聯網應用。

PrisimAI提供一個瀏覽器環境，讓用戶能快速原型設計與部署智能代理。透過視覺流程建立器，您可組合LLM驅動的模組，整合外部API，管理長期記憶，並協調多步任務。內建除錯與監控工具簡化測試與迭代，而插件市集則支援擴充自訂工具。PrisimAI亦支援團隊協作、版本控制及一鍵部署至Webhook、聊天小工具或獨立服務。

Agent-FLAN設計的目的是透過將任務分割為規劃角色和執行角色，來簡化複雜AI代理應用的建立。用戶透過設定檔定義代理行為與工作流程，指定輸入格式、工具介面與通訊協定。規劃代理會生成高層次的任務計畫，而執行代理則執行特定行動，如呼叫API、處理資料或使用大型語言模型產生內容。其模組化架構支援即插即用的工具適配器、自定義prompt範本與即時監控儀表板。它能無縫整合OpenAI、Anthropic及Hugging Face等主流LLM供應商，讓開發者快速 prototypes、測試，以及部署多代理工作流程，用於自動化研究助手、動態內容產生管道與企業流程自動化等場景。

AgentForge提供一個有結構的環境，用於定義、組合與協調個別的AI技能，形成連貫的自主代理人。它支援對話記憶以保持上下文、插件整合以連接外部服務、多代理人通信、任務排程及錯誤處理。開發者可以配置自訂技能處理器、利用內建模組進行自然語言理解，並與如OpenAI的GPT系列等流行的大型語言模型（LLM）整合。模組化設計加速開發週期，促進測試，並簡化聊天機器人、虛擬助理、資料分析代理人與特定領域自動化機器人的部署。

Agentic Shared Memory為基於AI的多代理環境提供一個強大的上下文數據管理解決方案。使用向量嵌入和高效資料結構，存儲代理的觀察、決策與狀態轉移，實現無縫的上下文檢索與更新。代理可查詢共享記憶，以存取過去的互動或全球知識，促進行為的一致性與合作解決問題。此函式庫支援與LangChain等流行AI框架或自訂代理協調者的即插即用整合，提供可定制的保留策略、上下文窗口及搜索功能。透過抽象記憶管理，開發者專注於代理邏輯，同時確保在分散或集中的部署中記憶體的可擴展性與一致性，提升系統整體性能，減少重複計算，並增強代理智力。

AIPE集中管理人工智慧代理的協調，提供可插拔模組用於記憶、規劃、工具使用和多代理合作。開發者可以定義代理角色，結合向量存儲納入上下文，並整合外部API或資料庫。此框架提供內建的網頁儀表板與命令列工具，用於測試提示、監控代理狀態和串聯任務。AIPE支援多種記憶後端，如Redis、SQLite及記憶體存取。其多代理設定允許分配專業角色—資料擷取、分析、摘要—以合作處理複雜查詢。透過抽象化提示工程、API包裝器與錯誤處理，AIPE加速文件問答、客戶支持與自動流程的AI驅動助理部署。

Isaree平台旨在簡化AI代理的開發與部署。在其核心，它提供一個統一架構，用於創建具有對話、決策和協作能力的自主代理。開發者可以定義多個擁有自定義角色的代理，利用向量式記憶檢索，並通過可插拔模組集成外部數據源。平台包括Python SDK和RESTful API，實現無縫互動，支援實時回應流並提供內建的日誌與指標。靈活的配置支持在不同環境中使用Docker或雲端服務進行擴展。無論是開發具持久上下文的聊天機器人、自動化多步驟工作流程，還是協調研究助手，Isaree平台都能提供擴展性與可靠性，滿足企業級AI解決方案的需求。

autogen_multiagent提供在Python中實例化、配置和協調多個AI代理的結構化方式。它提供動態代理創建、代理間訊息通道、任務規劃、執行循環與監控工具。與OpenAI API無縫整合，讓你為每個代理分配專用角色如規劃者、執行者、摘要者，並協調它們的互動。此框架非常適合模組化、可擴展的AI工作流程，例如自動化文檔分析、客戶支援協調以及多步驟的程式碼生成。

AWS Bedrock Multi-Agent Blueprint提供一個模組化的框架，用以在AWS Bedrock上實現多代理架構。包含定義代理角色（規劃者、研究員、執行者與評估者）的範例程式碼，這些角色透過共用訊息佇列合作。每個代理都可調用不同的Bedrock模型，配合自訂提示語，並將中間輸出傳遞給下一個代理。內建CloudWatch日誌記錄、錯誤處理範例，以及同步或非同步執行支援，展示如何管理模型選擇、批次任務與端到端協調。開發者可克隆資源庫、設定AWS IAM角色與Bedrock端點，然後透過CloudFormation或CDK部署。開源設計鼓勵擴展角色、跨任務擴充代理，並整合S3、Lambda與Step Functions。

Swarms World提供一個統一界面，用於設計多代理系統，允許用戶以視覺或程式碼定義角色、通信協定和工作流程。代理可以協作、委派子任務，並實時匯總結果。平台支持本地、雲端和邊緣部署，擁有內建日誌、性能指標和自動擴展功能。一個去中心化的市場允許用戶發現、分享和貨幣化代理模組。支援流行的LLMs、API和定製模型，Swarms World加速建構穩健的企業級AI自動化。

Swarms.rs 是執行基於群組的 AI 代理程式的核心 Rust 運行時。它具有模組化插件系統以整合自訂邏輯或 AI 模型，點對點通信層以實現點對點消息傳遞，以及非同步執行器來調度代理行為。這些組件共同允許開發者設計、部署和擴展複雜的去中心化代理網絡，用於模擬、自動化和多代理協作任務。

智能體中的新興通訊是一個開源的PyTorch框架，專為探索多智能體系統如何發展自己的通訊協議的研究人員設計。該資料庫提供靈活的合作強化學習任務實現，包括參照游戲、組合彩游戲和對象識別挑戰。用戶定義說話者和聽者的架構，指定訊息通道的屬性（如詞匯大小和序列長度），並選擇訓練策略（如策略梯度或監督學習）。框架包括端到端的腳本用於執行實驗、分析通訊效率和可視化新興語言。其模組化設計允許輕鬆擴展新的游戲環境或自定義損失函數。研究人員可以復現已發表的研究、基準測試新算法，並探究新興智能體語言的組合性和語意。

基於GA的N皇后解算器採用模組化的2APL多代理架構，每個代理編碼一個候選的N皇后配置。代理評估適應度（如非攻擊的皇后對數）後，與其他代理共享高適應度配置。通過選擇、交叉和突變等遺傳操作，生成新的候選棋盤。在多次迭代中，代理集體收斂至有效的N皇后解决方案。此框架用Java實現，支持調整群體大小、交叉率、突變概率和通信協議，並提供詳細日誌和演化過程的視覺化。

SwarmZero提供一個可擴展的開源環境，用來定義、管理和執行AI代理群。開發者可以聲明代理角色、自定義提示，並通過統一的協調器API鏈接工作流程。此框架與主要的LLM提供商整合，支援插件擴充並記錄會話數據以便除錯和性能分析。無論是協調研究機器人、內容創作還是數據分析器，SwarmZero都能簡化多代理的協作並確保結果透明且可重複。

Microsoft AutoGen旨在促進自主AI代理之端到端開發，提供模組化的記憶管理、任務規劃、工具整合和通信元件。開發者可以定義具有結構化架構的自訂工具，並連結到主要的LLM供應商如OpenAI和Azure OpenAI。此框架支援單一或多代理的協同，實現讓代理協調完成複雜任務的合作流程。其即插即用的架構允許輕鬆擴展新的記憶存儲、規劃策略和通信協定。透過抽象低層次的整合細節，AutoGen加快了原型開發和部署人工智慧驅動應用的速度，應用範圍涵蓋客服、資料分析與流程自動化等領域。

Multi-Agent 是一個幫助你建立並編排多個並行運行的 AI 代理的開發者工具包。每個代理都具有獨立的記憶存儲、提示配置和訊息佇列。你可以定義自訂行為、建立代理間的溝通渠道，並根據代理角色自動委派任務。它利用 OpenAI 的 Chat API 來理解與產生語言，並提供模組化的組件來進行工作流程編排、日誌記錄與錯誤處理。這使得可以建立專門的代理，例如研究助手、資料處理器或客戶支援機器人，共同完成多面向的任務。

Multi-Agent-AI-Dynamic-Interaction提供一個靈活的環境，用於設計、配置和運行由多個自主AI代理組成的系統。每個代理可以被賦予特定的角色、目標和通訊協議。該框架管理訊息傳遞、會話上下文及序列或並行的交互。它支持與OpenAI GPT、其他大型語言模型API以及自定義模組的整合。用戶通過YAML或Python腳本定義場景，指定代理細節、工作流程步驟和停止條件。系統記錄所有交互，用於調試和分析，並允許對代理行為進行細粒度控制，以進行協作、談判、決策和解決複雜問題的實驗。

RoboCup Rescue Agent Simulation是一個開源框架，模擬多個AI驅動的代理在城市災害環境中合作，尋找並拯救受害者。它提供導航、地圖、通信及感測器整合介面。用戶可撰寫自訂的代理策略、執行批次實驗及視覺化代理表現指標。平台支持場景配置、日誌記錄與結果分析，加速多代理系統及災難反應算法的研究。