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 es un framework de orquestación multi-agente y un kit de herramientas de agentes autónomos diseñado para coordinar agentes de modelos de lenguaje de gran tamaño. Sirve como un motor de flujo de trabajo para gestionar las relaciones entre agentes, proporcionando la infraestructura para construir agentes autónomos con memoria integrada, capacidades de llamada a herramientas y bucles de razonamiento. El framework se distingue por sus sistemas de consenso multi-agente, que utilizan votación, debates adversarios y agentes jueces para sintetizar respuestas de alta calidad. Admite una variedad de patrones de colaboración, incluidas jerarquías de director-trabajador, síntesis de expertos y generación automática de arquitectura de enjambre basada en descripciones en lenguaje natural. El sistema cubre una amplia gama de capacidades operativas, incluida la orquestación de flujo de trabajo secuencial y basada en grafos a través de un lenguaje específico de dominio, interfaz unificada para diversos proveedores de modelos e integración con el Protocolo de Contexto de Modelo (Model Context Protocol) para el descubrimiento dinámico de herramientas. También incluye soporte para generación aumentada por recuperación (RAG), memoria persistente de estado y la capacidad de exponer la funcionalidad del agente como servicios web. El proyecto proporciona una interfaz de línea de comandos para la gestión de agentes y admite la configuración a través de YAML y archivos de habilidades markdown modulares.