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 est un framework d'orchestration multi-agents et une boîte à outils d'agents autonomes conçue pour coordonner des agents de grands modèles de langage. Il sert de moteur de flux de travail pour gérer les relations entre agents, fournissant l'infrastructure pour construire des agents autonomes avec une mémoire intégrée, des capacités d'appel d'outils et des boucles de raisonnement. Le framework se distingue par ses systèmes de consensus multi-agents, qui utilisent le vote, les débats contradictoires et des agents juges pour synthétiser des réponses de haute qualité. Il prend en charge une variété de modèles de collaboration, y compris les hiérarchies directeur-travailleur, la synthèse d'experts et la génération d'architecture d'essaim automatisée basée sur des descriptions en langage naturel. Le système couvre un large éventail de capacités opérationnelles, y compris l'orchestration de flux de travail basée sur des graphes et séquentielle via un langage spécifique au domaine, une interface unifiée pour divers fournisseurs de modèles et l'intégration avec le protocole de contexte de modèle pour la découverte dynamique d'outils. Il inclut également un support pour la génération augmentée par récupération, la mémoire persistante d'état et la capacité d'exposer la fonctionnalité d'agent en tant que services web. Le projet fournit une interface en ligne de commande pour la gestion des agents et prend en charge la configuration via YAML et des fichiers de compétences markdown modulaires.