CAMEL
Framework de código abierto para investigar y construir sistemas de múltiples agentes de IA que se comunican, interpretan roles y colaboran de forma autónoma.
- Mantenimiento activo
- Bien documentado
- Licencia permisiva
Descripción general
CAMEL (Communicative Agents for "Mind" Exploration) ofrece infraestructura para crear múltiples agentes de IA que asumen roles definidos y se comunican entre sí para completar tareas o simular escenarios, con raíces en la investigación académica sobre el comportamiento multiagente. Se usa tanto para construir aplicaciones multiagente prácticas como para estudiar cómo interactúan a gran escala los agentes basados en LLM.
CAMEL encaja en equipos e investigadores que exploran sistemas multiagente y comportamiento emergente de agentes, una alternativa orientada a la investigación frente a CrewAI (también en este catálogo): ambos abordan la orquestación multiagente, con CAMEL inclinándose más hacia la experimentación y el estudio de patrones de interacción entre agentes.
Por qué está en este catálogo
Valoración del catálogo: ★★☆☆☆ (2/5)
Multi-agent framework in an already very saturated ai category with several similar agent frameworks.
- Emergente
- Impulsado por la comunidad
- Categorías
- IA y Machine Learning
- Palabras clave
- multi-agentai-agentsagent-research
- Lenguajes
- Python
- Licencia
- Apache-2.0
Proyectos relacionados
CrewAI
MITFramework de orquestación multiagente para construir equipos de agentes de IA colaborativos y basados en roles que trabajan juntos de forma autónoma para completar tareas complejas.
Mantenimiento activo
- IA y Machine Learning
LangChain
MITFramework para desarrollar aplicaciones impulsadas por modelos de lenguaje grandes, agentes y generación aumentada por recuperación (RAG).
Mantenimiento activo
- IA y Machine Learning
Milvus
Apache-2.0Base de datos vectorial de código abierto construida para búsqueda de similitud escalable y aplicaciones de IA.
Mantenimiento activo
- IA y Machine Learning
- Base de datos
MLflow
Apache-2.0Plataforma de código abierto para gestionar el ciclo de vida del machine learning: seguimiento de experimentos, empaquetado de modelos, versionado y despliegue.
Mantenimiento activo
- IA y Machine Learning
¿Encontraste un error? Sugiere una edición en GitHub.