L'article aborde le problème du manque de communication directe entre les agents d'IA dans les frameworks existants, où les humains servent d'intermédiaires. L'auteur propose AIPass, un espace de travail persistant pour agents d'IA, leur permettant de mémoriser, collaborer et accumuler de la mémoire pour une véritable interaction d'équipe.
Cet article décrit une expérience où 28 agents d'IA, chacun isolé dans des conteneurs Docker, ont été déployés sur un seul serveur pour assister les employés d'une entreprise. L'architecture comprenait un agent Contrôleur et une base de connaissances partagée, mais le projet a rapidement rencontré des problèmes comme le débordement de mémoire dû au stockage redondant.
Le titre "MachinaCheck: Building a Multi-Agent CNC Manufacturability System on AMD MI300X" indique une recherche axée sur le développement d'un système avancé. Ce système utilise des agents multiples et la plateforme AMD MI300X pour optimiser la fabricabilité dans les opérations CNC.
L'auteur a construit et fait fonctionner un système d'agents IA entièrement autonome 24h/24 et 7j/7 sur un PC domestique pendant plusieurs semaines, sans intervention humaine. Ce pipeline multi-agents, basé sur Claude et Supabase, utilise un "God Agent" pour orchestrer des agents spécialistes dans la création de tâches et l'auto-amélioration, le tout surveillé par un tableau de bord en temps réel.
Cet article propose OncoAgent, un cadre multi-agent à deux niveaux pour le soutien à la décision clinique en oncologie, axé sur la préservation de la vie privée. Le système vise à améliorer le diagnostic et le traitement du cancer tout en maintenant la confidentialité des données des patients.
Cet article analyse les décisions architecturales pour les systèmes multi-agents, comparant les approches basées sur un courtier et le peer-to-peer (P2P). Il détaille les avantages des architectures de courtier pour les petites flottes, tels que la simplicité et l'auditabilité, tout en soulignant leurs limitations de mise à l'échelle.
Un chercheur UX a utilisé la simulation multi-agents de l'IA et l'intelligence d'audience synthétique pour corriger rapidement les messages publicitaires inefficaces de son produit. Cette approche lui a permis de surmonter les contraintes de temps de la recherche utilisateur traditionnelle et d'obtenir des informations directionnelles.
InfraSquad é um sistema multi-agente de IA que automatiza o design de infraestrutura em nuvem, gerando Terraform, auditorias de segurança e diagramas arquitetônicos a partir de requisitos em texto simples. Ele visa eliminar reuniões e integrar a segurança desde o início, com agentes colaborando para corrigir descobertas de segurança.
Ce contenu introduit le protocole Agent2Agent (A2A), une initiative open source conçue pour permettre la communication et la collaboration entre plusieurs agents d'IA. Il s'agit de la première partie d'une série détaillant les concepts de l'A2A et son application dans des solutions d'IA complexes.
Cet article présente le protocole PAX, une solution conçue pour résoudre la communication inefficace et la forte consommation de jetons entre plusieurs agents d'IA. Le protocole réduit les messages de transfert de 85 %, optimisant ainsi les interactions et les coûts opérationnels.
Le texte aborde le besoin croissant d'agents IA pour négocier des termes commerciaux de manière autonome dans des systèmes multi-agents. Il propose des protocoles de négociation ouverts pour résoudre les problèmes de coordination, permettant des accords sur la portée, le coût et la priorité.
Cet article propose une solution pour construire des systèmes d'IA générative multi-agents sans serveur et hautement évolutifs sur AWS. Il intègre les agents LangGraph comme orchestrateurs avec Amazon Bedrock AgentCore Memory et Observability.
GeoGuard AI est un système d'intelligence géologique multi-agents qui automatise l'évaluation des risques de terrain, répliquant le travail collaboratif d'experts. Il analyse la stabilité des pentes et les tendances climatiques pour identifier les risques composés, tels que la déstabilisation des pentes par l'augmentation des températures.
Este conteúdo descreve um sistema inovador de IA que automatiza o desenvolvimento de software através da colaboração de dezenas de agentes especializados em IA. Cada agente assume um papel tradicional (analista, arquiteto, desenvolvedor, QA, DevOps, segurança), visando superar as ineficiências e atrasos do desenvolvimento humano.
L'article présente "Boardroom.exe", un simulateur de réunions d'entreprise multi-agents en temps réel qui met neuf personas d'IA dans une salle pour débattre de décisions, menant souvent à un "chaos délicieux et douloureusement précis". Il s'agit d'une exploration technique approfondie de la simulation basée sur navigateur, visant le divertissement et la reconnaissance en reflétant les dysfonctionnements courants des réunions d'entreprise.
L'auteur a publié des vidéos tutorielles pour démarrer avec MASON, un conteneur d'orchestration pour équipes d'agents IA. Il comprend la mémoire, le chat et le contrôle de version, le tout utilisant du code Claude.
Cet article analyse comment le renforcement du raisonnement dans les modèles de langage peut nuire à la fidélité des simulations comportementales, surtout lorsque l'objectif est d'échantillonner des comportements rationnellement limités plutôt que de résoudre un problème stratégique. Les auteurs mettent en évidence un "déséquilibre entre solutionneur et échantillonneur" où les LLM sur-optimisent, réduisant les comportements de compromis et entraînant une diversité sans fidélité dans les résultats.
CoFi-PGMA est un nouveau cadre pour optimiser l'apprentissage dans les systèmes LLM multi-agents, traitant le feedback filtré dans les scénarios de routage et de collaboration. Il propose un objectif d'entraînement contrefactuel par agent basé sur la contribution marginale pour corriger le signal d'apprentissage.
Cette recherche propose un cadre multimodal conscient de la discordance pour l'arthrose du genou, intégrant des modèles de prédiction d'apprentissage automatique et un système de raisonnement multi-agent. Il exploite diverses modalités de données, y compris des caractéristiques tabulaires, des IRM et des embeddings de rayons X, pour prédire la progression de la perte d'espace articulaire et de la douleur.
Este artigo discute a necessidade de uma arquitetura robusta para sistemas multiagente em produção, distanciando-se de demos de agente único. Propõe a separação da comunicação agente-ferramenta (MCP) e agente-agente (A2A), juntamente com a observabilidade, como elementos chave para sistemas autônomos e confiáveis.