multi-agent-systems

🦁 Basis kode yang ramah penelitian untuk eksperimen cepat pembelajaran penguatan multi-agen (multi-agent reinforcement learning) di JAX

Implementasi resmi untuk "Recursive Multi-Agent Systems"

Mesin pentesting AI otonom, keamanan ofensif berkelanjutan di seluruh web, cloud, identitas, CI/CD, IaC, basis data, Active Directory, Kubernetes, dan firmware IoT. Penalaran agen ditambah eksekusi eksploitasi nyata memberikan kerentanan berbasis bukti. Gateway privasi: LLM tidak pernah melihat IP, host, atau kredensial asli Anda, tidak ada yang meninggalkan perimeter Anda.

Agen AI Anda dalam 30 detik. Bukan 30 jam. AI pribadi sumber terbuka dan mandiri (self-hosted) dengan penginstal desktop, Command Center multi-agen (Deep Work), dan keamanan 7 lapis. Anthropic, OpenAI, atau Ollama.

Contoh agent yang dibuat menggunakan Strands Agents SDK.

[ICRA 2022] Sebuah framework sumber terbuka untuk deteksi kooperatif. Implementasi resmi untuk OPV2V.

Infrastruktur pemulihan mandiri untuk pembayaran agen AI. Pemulihan otomatis 90,3%.

More is Different. Mesin dunia multi-agen tempat agen AI tinggal, berbicara, bersaing, dan bersekutu.

Orkestrator AI Agent dengan sistem keterampilan. Berikan kemampuan super pada AI Agent: pencarian memori, kueri grafik kode, dan pengiriman pesan antar-agen. Kelola Claude, Codex, atau AI Agent lainnya dari satu dasbor. Pindahkan agen antar komputer dan lokasi.

Jaringan agen AI yang tahan Sybil dengan identitas yang divalidasi perangkat keras. Blockchain Proof-of-Antiquity: mesin fisik di lebih dari 15 arsitektur CPU membuktikan bahwa mereka adalah silikon nyata, bukan ladang VM. Ekonomi agen, pembayaran mikro, jembatan Solana (wRTC). $0 VC.

Algoritma Optimasi Serigala Abu-abu (GWO) untuk perencanaan jalur/lintasan/optimasi lintasan, serta perencanaan jalur multi-agen/multi-drone

Area bermain 3D tanpa kode untuk menjelajahi, mendesain, dan berinteraksi dengan sistem Agen AI

Multi-Agent + Otomasi: Alur kerja, Otomasi, Agen yang Meningkatkan Diri

Rencanakan, Bangun, dan Rilis — dengan tim agen AI, bukan hanya satu

VMAS adalah simulator terdiferensiasi tervektorisasi yang dirancang untuk pengujian Multi-Agent Reinforcement Learning yang efisien. Simulator ini terdiri dari mesin fisika 2D tervektorisasi yang ditulis dalam PyTorch dan serangkaian skenario multi-robot yang menantang. Skenario tambahan dapat diimplementasikan melalui antarmuka yang sederhana dan modular.

Makalah AAAI 2024: Jelajahi koleksi komprehensif makalah penelitian inovatif yang dipresentasikan di salah satu konferensi kecerdasan buatan terkemuka. Integrasikan implementasi kode dengan mulus untuk pemahaman yang lebih baik. ⭐ Rasakan garis terdepan kemajuan dalam kecerdasan buatan dengan repositori ini!

GraphBit adalah kerangka kerja Agentic AI kelas enterprise pertama di dunia, dibangun di atas inti Rust dengan pembungkus Python untuk kecepatan, keamanan, dan skalabilitas yang tak tertandingi. Ini memungkinkan alur kerja multi-agen yang andal dengan penggunaan CPU dan memori minimal, menjadikannya siap produksi untuk lingkungan enterprise dunia nyata.

RAI adalah kerangka kerja agen agnostik vendor untuk robotika AI Fisik, memanfaatkan alat ROS 2 untuk melakukan tindakan kompleks, skenario terdefinisi, eksekusi antarmuka bebas, ringkasan log, interaksi suara, dan lainnya.

🤖 Agentfy is a modular microservices architecture designed to process user requests and execute workflows across multiple social media platforms. ASK ONCE, LET THE AGENT DO THE REST!

Jaringan agen terdesentralisasi untuk membangun sistem agen-ke-agen (A2A) kolaboratif yang didukung oleh LLM.

Kerangka kerja untuk Pelatihan dan Inferensi Multi-Agen berbasis LLM

Kerangka kerja Berpusat Grafik untuk Mengorkestrasikan Sistem Multi-Agen dengan Vibe Graphing.

Meta Agents Research Environments adalah platform komprehensif yang dirancang untuk mengevaluasi agen AI dalam skenario yang dinamis dan realistis. Tidak seperti tolok ukur statis, platform ini memperkenalkan lingkungan yang terus berkembang di mana agen harus menyesuaikan strategi mereka saat informasi baru tersedia, mencerminkan tantangan di dunia nyata.

Sistem operasi berbasis lokal untuk membangun, menjalankan, dan meningkatkan agen AI, alur kerja, dan tujuan otonom.

Proyek ini adalah versi refaktor dan lokalisasi mendalam dari proyek Generative Agents, yang bertujuan untuk menyediakan basis yang mudah dipelihara bagi pengguna bahasa Tionghoa untuk eksperimen atau ekspansi fitur selanjutnya.

A MicroKernel Multi-Agents System Framework for Adaptive Social Simulation Powered by LLMs

Hands-on workshop: Build a multi-agent AI system from scratch — Deep Research Agent + Writing Workflow served as MCP servers. Includes code, slides, and video

Implementasi praktis Aspire menggunakan Microservices, AI-Agents