CAMEL
Open-Source-Framework für Forschung und den Bau von Systemen mehrerer kommunizierender, rollenspielender KI-Agenten, die autonom zusammenarbeiten.
Überblick
CAMEL (Communicative Agents for „Mind“ Exploration) bietet Infrastruktur zum Erstellen mehrerer KI-Agenten, die definierte Rollen übernehmen und miteinander kommunizieren, um Aufgaben zu erledigen oder Szenarien zu simulieren, mit Wurzeln in der akademischen Forschung zu Multi-Agenten-Verhalten. Es wird sowohl zum Bau praktischer Multi-Agenten-Anwendungen als auch zum Erforschen genutzt, wie LLM-basierte Agenten im großen Maßstab interagieren.
CAMEL eignet sich für Teams und Forscher, die Multi-Agenten-Systeme und emergentes Agentenverhalten erforschen – eine forschungsorientierte Alternative zu CrewAI (ebenfalls in diesem Katalog): Beide adressieren Multi-Agenten-Orchestrierung, wobei CAMEL eher zu Experimenten und dem Studium von Agenten-Interaktionsmustern tendiert.
- Kategorien
- KI & Machine Learning
- Schlagwörter
- multi-agentai-agentsagent-research
- Sprachen
- Python
- Lizenz
- Apache-2.0
Ähnliche Projekte
CrewAI
MITMulti-Agent-Orchestrierungs-Framework zum Aufbau von Teams kollaborierender, rollenbasierter KI-Agenten, die autonom zusammenarbeiten, um komplexe Aufgaben zu erledigen.
- KI & Machine Learning
LangChain
MITFramework zur Entwicklung von Anwendungen auf Basis großer Sprachmodelle, Agenten und Retrieval-Augmented Generation (RAG).
- KI & Machine Learning
DeepEval
Apache-2.0Quelloffenes Test-Framework zur Bewertung von LLM-Ausgaben, das Qualitätschecks für LLM-Anwendungen wie herkömmliche Unit-Tests behandelt.
- KI & Machine Learning
DeepSpeed
Apache-2.0Deep-Learning-Optimierungsbibliothek von Microsoft zum effizienten Trainieren und Ausführen sehr großer Modelle über mehrere GPUs hinweg.
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.