multi-agent

Ubah makalah penelitian apa pun menjadi laporan komersialisasi — 6 agen AI, penilaian TRL/MRL, lanskap paten, intelijen pasar, kutipan terverifikasi. DeepSeek / OpenAI / Claude.

Kerangka kerja agen inovatif yang didorong oleh mesin KG.

Sistem multi-agen bertenaga AI yang secara otomatis menganalisis basis kode dan menghasilkan dokumentasi komprehensif. Menghadirkan integrasi GitLab, pemrosesan konkuren, dan dukungan beberapa LLM untuk pemahaman kode yang lebih baik serta orientasi pengembang.

Sistem Operasi Agen untuk Perusahaan Anda.

Sistem analisis dan perdagangan saham berbasis AI

Principia mengekstrak prinsip yang dapat digunakan kembali, menyusunnya menjadi ide riset yang dapat dilacak, dan membantu peneliti memeriksa mengapa sebuah ide layak diuji.

🐝 Koordinasi swarm multi-agen untuk OpenCode dengan kemampuan pembelajaran, pelacakan masalah agen, dan manajemen

Runtime alur kerja AI yang berorientasi produksi untuk membangun, memvalidasi, memulihkan, dan mengirimkan alur kerja AI yang kompleks sebagai layanan yang andal.

Template berbasis Control Room untuk mengelola agen Hermes dari satu agen VPS ke tim spesialis dan alur kerja yang terorkestrasi

Plugin Claude Code yang menanyakan pertanyaan yang sama kepada beberapa agen pengkodean AI dan menampilkan jawabannya berdampingan. Gemini, OpenAI, Grok, Perplexity, dan Kimi melalui API; CLI codex, antigravity, grok, dan kimi pada otentikasi langganan; ollama secara lokal.

Lapisan orkestrasi multi-model untuk Claude Code — model terdepan merencanakan, model yang lebih murah mengeksekusi, penjagaan verifikasi memastikan kualitas. Instalasi satu perintah.

AINL membantu mengubah AI dari sekadar percakapan cerdas menjadi pekerja terstruktur. Dirancang untuk tim yang membangun alur kerja AI yang memerlukan banyak langkah, status dan memori, penggunaan alat, eksekusi berulang, validasi dan kontrol, serta ketergantungan yang lebih rendah pada loop prompt yang panjang. AINL adalah sistem pemrograman AI-native yang ringkas dan berbasis graf.

Runtime agen AI open-source mandiri dan kerangka kerja multi-agen untuk kawanan agen otonom. Memori agen, alat MCP, jadwal, delegasi, dan 23+ penyedia LLM (Claude, GPT, Gemini, OpenRouter, Ollama). Alternatif praktis untuk Claude Code dan LangChain.

ScienceClaw adalah asisten peneliti pribadi yang dibangun dengan infrastruktur LangChain DeepAgents dan AIO Sandbox, mengadopsi arsitektur baru yang melampaui OpenClaw. Menawarkan keamanan yang lebih kuat, transparansi yang lebih baik, dan pengalaman yang lebih ramah pengguna.

Implementasi Gamma-World: Pemodelan Dunia Multi-Agen Generatif di luar dua pemain.

DataBuff adalah APM berbasis AI yang dibangun di atas Opentelemetry, dengan pemecahan masalah multi-agen yang siap digunakan.

BenchMARL adalah pustaka untuk pengujian <i>benchmark</i> Multi-Agent Reinforcement Learning (MARL). BenchMARL memungkinkan perbandingan cepat antara berbagai algoritma, tugas, dan model MARL dengan tetap berlandaskan pada dua prinsip inti: reproduksibilitas dan standarisasi.

Penulis makalah penelitian AI otomatis berdasarkan implementasi makalah PaperOrchestra Google melalui tolok ukur keterampilan + penilai otomatis menggunakan agen pengkodean apa pun (Claude Code, Cursor, Antigravity, Cline, Aider). Tanpa kunci API, tanpa SDK LLM.

Toolkit visualisasi yang berorientasi pada pengembangan

Koleksi skill distilasi 100+ kepribadian yang paling lengkap, terus diperbarui, dan terpopuler di seluruh web ｜ Sistem multi-agen ｜ Selebriti/Sutradara/Dewa Tianya/Kitab Kuno/Dua Dimensi/Tempat Kerja/Emosional semua kategori

Meta-harness untuk agen AI — buat sendiri harness agen yang terfokus dan bermerek dengan CLI npx, server MCP, memori, loop pembelajaran, serta rilis yang ditandatangani saksi. Bekerja dengan Claude Code, Codex, pi.dev, Hermes, OpenClaw, dan RVM (sandbox terisolasi perangkat keras).

Pustaka .NET untuk membangun agen AI dengan 30+ konektor bawaan.

Agen AI otonom tingkat OS dengan memori jangka panjang, koordinasi multi-agen, penjadwal Titan Chronos, & Moltbot Social Core

Kumpulan lingkungan multi-agen berdasarkan OpenAI gym.

API untuk menjalankan VirtualHome, Simulator Rumah Tangga Multi-Agen

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

Kerangka kerja agen AI TypeScript: memori kognitif, pembuatan alat runtime, orkestrasi multi-agen, dan mendukung 11 penyedia LLM.

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.

Framework TypeScript tanpa dependensi untuk agen AI produksi: eksekusi persisten, memori jangka panjang, RAG hibrida, pemanggilan alat MCP, persetujuan human-in-the-loop, perencanaan, dan sandbox CodeAct. Satu API streaming untuk Claude, GPT, Gemini, Grok, Mistral, dan DeepSeek — Node, Bun, Deno, serverless, dan edge.