Awesome GitHub RepositoriesAgentic Interaction Patterns

ParlAI is a conversational AI research framework designed for training, evaluating, and sharing dialogue models using a unified interface for datasets and agents. It functions as a PyTorch-based training platform and a dialogue data collection system, providing a centralized model zoo for the distribution of versioned pretrained agents. The project distinguishes itself through a knowledge-grounded retrieval system that combines dense and sparse indexing to ground responses in external information. It also provides a comprehensive infrastructure for gathering human-AI interaction data via inte

mcp-agent is a framework for building AI agents that integrate with Model Context Protocol servers to execute tools and access data. It functions as a multi-agent orchestrator and protocol-compliant server, enabling the creation of agents that can discover and invoke tools from connected external servers. The project distinguishes itself through a durable workflow engine that supports long-running tasks capable of pausing, resuming, and surviving restarts. It implements complex orchestration patterns, including iterative evaluator-optimizer loops, hierarchical workflow nesting, and specialist

Swarms ist ein Multi-Agenten-Orchestrierungs-Framework und ein Toolkit für autonome Agenten, das darauf ausgelegt ist, Agenten auf Basis von Large Language Models zu koordinieren. Es dient als Workflow-Engine zur Verwaltung von Agentenbeziehungen und bietet die Infrastruktur zum Aufbau autonomer Agenten mit integriertem Gedächtnis, Tool-Calling-Fähigkeiten und Reasoning-Schleifen. Das Framework zeichnet sich durch seine Multi-Agenten-Konsenssysteme aus, die Abstimmungen, gegnerische Debatten und Richter-Agenten nutzen, um qualitativ hochwertige Antworten zu synthetisieren. Es unterstützt eine Vielzahl von Kollaborationsmustern, einschließlich Direktor-Arbeiter-Hierarchien, Experten-Synthese und automatisierter Swarm-Architektur-Generierung basierend auf Beschreibungen in natürlicher Sprache. Das System deckt ein breites Spektrum operativer Fähigkeiten ab, einschließlich Graph-basierter und sequenzieller Workflow-Orchestrierung über eine domänenspezifische Sprache, einheitlicher Schnittstellen für diverse Modellanbieter und Integration mit dem Model Context Protocol für dynamische Tool-Entdeckung. Es enthält zudem Unterstützung für Retrieval Augmented Generation, zustandsbehaftetes Gedächtnis und die Fähigkeit, Agentenfunktionalität als Webdienste bereitzustellen. Das Projekt bietet eine Kommandozeilenschnittstelle für das Agentenmanagement und unterstützt die Konfiguration über YAML- und modulare Markdown-Skill-Dateien.