camel-ai/camel

해결하는 문제

CAMEL은 대규모 멀티 에이전트 시스템의 생성 및 시뮬레이션을 가능하게 함으로써 에이전트의 스케일링 법칙을 연구하도록 설계된 프레임워크입니다. 복잡한 환경에서 에이전트의 창발적 행동, 능력 및 잠재적 위험을 이해하기 위해 수백만 개의 에이전트를 조정, 통신 및 관리하는 과제를 해결합니다.

작동 방식

CAMEL은 자율 에이전트 및 "사회"(멀티 에이전트 시스템)를 구축하기 위한 포괄적인 기술 스택을 제공합니다. 코드와 주석이 프롬프트 역할을 하는 "Code-as-Prompt" 철학을 활용합니다. 이 프레임워크는 다단계 상호 작용을 위한 상태 유지 메모리, 에이전트 간의 동적 실시간 통신, 다양한 LLM 백엔드 및 외부 도구와의 통합을 지원합니다. 또한 합성 데이터 생성(CoT 및 Self-Instruct 등) 및 표준화된 벤치마크를 통한 성능 평가를 위한 전문 모듈도 포함되어 있습니다.

대상

주로 멀티 에이전트 시스템(MAS), 합성 데이터 생성 및 에이전트 스케일링 법칙 연구에 관심이 있는 연구자와 개발자를 대상으로 합니다.

주요 특징

• 대규모 확장성: 창발적 행동을 연구하기 위해 최대 100만 개의 에이전트를 시뮬레이션할 수 있습니다.
• 합성 데이터 엔진: CoT, Self-Instruct 및 Source2Synth 데이터 생성을 위한 내장 도구.
• 상태 유지 메모리: 에이전트는 과거 컨텍스트를 유지하여 시간이 지남에 따라 의사 결정을 개선할 수 있습니다.
• 포괄적인 생태계: 메모리, 스토리지, 리트리버(RAG) 및 Human-in-the-loop 감독을 위한 모듈이 포함되어 있습니다.