MAgent
★ 1.8k
vs
code-act
★ 1.7k
MAgent vs code-act
MAgent：MAgent是一个为多智能体强化学习设计的平台，支持从数百到数百万智能体的规模化研究。它为探索人工智能群体智能提供了强大的环境，并兼容Linux、OS X以及多种深度学习框架。；code-act：CodeAct 将大型语言模型代理的行动统一到可执行代码空间，使其能够根据执行结果动态修正和生成新行动。这种方法显著优于传统的文本和JSON行动方式，提高了LLM代理在复杂任务上的成功率。
01
简评
MAgentLLM Infra · ★ 1.8k
多智能体强化学习研究
code-actLLM Infra · ★ 1.7k
开发高级LLM代理：面向旨在构建更强大、更稳健的LLM代理（能够与环境动态交互）的研究人员和开发者。
02
并排对比
字段
MAgentcode-act分类
大模型基础设施
大模型基础设施
Stars
★ 1.8k
★ 1.7k
许可证
MIT
MIT
安装方式
git clone [email protected]:geek-ai/MAgent.git && cd MAgent && sudo apt-get install cmake libboost-system-dev libjsoncpp-dev libwebsocketpp-dev && bash build.sh && export PYTHONPATH=$(pwd)/python:$PYTHONPATH
pip install -r requirements.txt
更新时间
4年前
2年前
开源
是
是
标签
多智能体强化学习, 模拟平台, 群体智能
LLM 代理, 代码执行, 指令微调
03
功能特性
MAgent01支持可扩展的多智能体（从数百到数百万）
02灵活的智能体开发（基于规则或深度学习）
03多样化的演示场景（追逐、聚集、战斗）
04交互式战斗游戏模式
05集成基线强化学习算法（DQN, DRQN, A2C）
code-act01通过可执行代码统一行动空间：将LLM代理的行动整合到一个统一的可执行代码空间中。
02动态行动修订：允许LLM代理根据实时观察动态修订先前的行动或发出新行动。
03集成Python解释器：无缝集成Python解释器以执行代码。
04卓越的性能：在LLM代理成功率方面，性能优于广泛使用的文本和JSON等替代方案（提高高达20%）。
05指令微调代理（CodeActAgent）：提供经过指令微调的CodeActAgent模型（Mistral, Llama-2），在域外代理任务中表现出色。
04
使用场景
MAgent↳多智能体强化学习研究
↳人工智能群体智能的开发
↳大规模环境中强化学习算法的基准测试
code-act↳开发高级LLM代理：面向旨在构建更强大、更稳健的LLM代理（能够与环境动态交互）的研究人员和开发者。
↳自动化代码执行和问题解决：适用于需要LLM执行代码、调试并根据执行反馈迭代解决方案的场景。
↳复杂任务自动化：用于自动化受益于动态行动修订和工具使用的多轮复杂任务。
FAQ
常见问题
MAgent 和 code-act 有什么区别？
MAgent 和 code-act 都属于 LLM Infra 类别。MAgent 有 1.8k Stars，code-act 有 1.7k Stars。
MAgent 和 code-act 哪个更好？
最佳选择取决于你的具体需求。多智能体强化学习研究 时选 MAgent，开发高级LLM代理：面向旨在构建更强大、更稳健的LLM代理（能够与环境动态交互）的研究人员和开发者。 时选 code-act。
MAgent 是免费的吗？
是的，MAgent 在 GitHub 开源（MIT）。
code-act 是免费的吗？
是的，code-act 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→