에이전트 115개 · 2026년 9월 29일 업데이트
게임에서 수를 선택하고, 반복 플레이로 전략을 학습하거나, 여러 에이전트의 행동을 실험하려는 사람을 위한 도구를 찾을 수 있습니다. Azul의 타일 배치, TexasHoldemAgent의 베팅, StarCraft II의 강화학습처럼 목적이 나뉘며, Pacman 환경과 LifelongAgentBench처럼 구현과 평가를 돕는 항목도 있습니다. 연습용 인지 게임을 찾는다면 CoGym도 비교 대상입니다.
먼저 에이전트가 무엇을 결정하는지 확인하세요. Azul Game AI Agent는 Minimax와 Monte Carlo Tree Search를 사용해 Azul의 타일 배치와 점수를 최적화합니다. 따라서 보드 상태에서 다음 배치를 고르는 문제에 가깝습니다. TexasHoldemAgent는 강화학습 기반으로 heads-up limit Texas Hold’em에서 베팅 전략을 학습하고 플레이합니다. 두 제품 모두 게임을 직접 즐기는 앱이라기보다, 특정 규칙과 행동 공간 안에서 의사결정을 수행하는 에이전트로 보는 편이 맞습니다. 포커 에이전트를 고를 때는 금전 보상이나 거래 기능을 기대하지 말고, 설명된 범위인 베팅 전략 학습과 플레이에 집중해야 합니다. 자신의 프로젝트가 타일 배치인지 카드 베팅인지부터 맞추면 비교 대상이 빠르게 좁혀집니다.
게임 에이전트를 직접 연구하거나 구현하려면 모델 이름보다 실행 환경을 먼저 보세요. StarCraft II Reinforcement Learning Agent는 PPO를 사용해 DeepMind의 PySC2 환경에서 StarCraft II를 학습하고 플레이합니다. 이미 PySC2를 사용하는 흐름이라면 환경 호환성이 핵심 판단 기준이 됩니다. MultiAgentPacman은 고전 Pacman 게임 환경에서 다중 에이전트 전략을 구현하고 평가할 수 있는 오픈소스 프레임워크입니다. 즉, 한 게임에서 하나의 플레이어 행동을 시험하는 도구와 여러 에이전트의 상호작용을 평가하는 프레임워크는 쓰임이 다릅니다. 선택 전에는 환경 설치 방식, 관측값과 행동값의 표현, 학습 결과를 어떤 파일이나 로그로 받는지 확인하세요. 제공된 설명에는 세부 포맷이나 실행 자원 조건이 없으므로, 이 항목들은 별도 문서에서 검증해야 합니다.
학습이 한 판의 승패에 그치지 않고 시간이 지나도 이어지는지 보고 싶다면 LifelongAgentBench가 맞는 방향인지 살펴볼 수 있습니다. 이 프레임워크는 다양한 작업에서 에이전트의 지속 학습 능력을 평가하며, 메모리와 적응 모듈을 포함합니다. 이는 특정 게임을 잘 플레이하게 만드는 봇과는 평가 목적이 다릅니다. StarCraft II Reinforcement Learning Agent가 PPO와 PySC2 환경에서 학습하고 플레이하는 사례라면, LifelongAgentBench는 에이전트가 계속 학습하는 능력을 점검하는 기준에 가깝습니다. 따라서 선택 기준은 게임 종류만이 아니라 평가 대상에도 있습니다. 실제 플레이 행동을 얻으려는지, 여러 작업에서 기억과 적응을 비교하려는지 먼저 정하세요. 설명상 지원 게임 목록, 입력 길이, 평가 점수 형식, 실행 횟수 제한은 확인되지 않습니다.
모든 항목이 게임을 플레이하는 봇은 아닙니다. CoGym은 기억력, 주의력, 실행 기능 향상을 위한 개인화된 게임형 연습을 제공하는 적응형 인지 훈련 플랫폼입니다. 여기서 사용자는 게임 에이전트를 개발하기보다 자신의 연습을 진행하는 쪽에 가깝습니다. 반대로 Azul Game AI Agent, TexasHoldemAgent, StarCraft II Reinforcement Learning Agent는 각각 보드 게임 의사결정, 포커 베팅 학습, 실시간 전략 게임 플레이를 설명합니다. 이 차이는 사용자의 작업 흐름을 결정합니다. 개인 연습을 원하면 연습 문제가 어떻게 바뀌는지와 결과를 어떻게 확인하는지를 물어야 하고, 연구나 개발을 원하면 환경 접근, 에이전트 실행, 평가 방법을 봐야 합니다. CoGym의 구체적인 연습 수, 이용 요금, 내보내기 기능은 제공된 설명만으로 판단할 수 없습니다.
목록에는 게임 플레이와 직접 연결되지 않는 설명의 제품도 있으므로 이름만 보고 고르면 안 됩니다. Adlove는 개인화된 광고 콘텐츠를 생성하는 AI 에이전트이고, NeuraFlash는 Salesforce 프로세스 자동화와 워크플로 최적화를 돕는 AI 비서입니다. CodeFuse는 코딩 지원, Artisk는 일상 업무 자동화, Freysa는 대화를 기억하며 성장하는 개인화된 AI 트윈으로 설명됩니다. 3Commas는 암호화폐 거래 전략을 자동화하는 AI 트레이딩 플랫폼입니다. 이 항목들은 제공된 설명만으로는 게임 환경, 게임 행동, 강화학습 플레이를 확인할 수 없습니다. 따라서 게임 봇이나 시뮬레이터를 찾는다면 Azul Game AI Agent, TexasHoldemAgent, StarCraft II Reinforcement Learning Agent, MultiAgentPacman처럼 게임과 행동이 명시된 항목을 우선 비교하세요. 가격 모델, 무료 사용량, API·플러그인 연동, 결과 내보내기도 각 제품에서 따로 확인해야 합니다.
Adlove는 빠르고 효율적으로 개인화된 광고 콘텐츠를 생성하는 AI 에이전트입니다.
NeuraFlash는 Salesforce 프로세스를 자동화하고 워크플로를 최적화하는 AI 기반 도우미입니다.
CodeFuse는 지능형 코딩 지원을 통해 개발자의 생산성을 향상시키는 AI 에이전트입니다.
Artisk는 귀하의 일상 업무를 매끄럽게 자동화하는 AI 에이전트입니다.
Fable은 간단한 프롬프트에서 매력적인 이야기와 콘텐츠를 생성하는 AI 도우미입니다.
Minimax 및 Monte Carlo Tree Search를 사용하여 Azul에서 타일 배치 및 점수 최적화를 수행하는 AI 에이전트입니다.
프레이사는 여러분의 대화를 기억하고 성장하는 개인화된 AI 쌍둥이입니다.
개인 맞춤형 게이미피케이션 연습을 제공하여 기억력, 집중력, 실행 기능 향상에 도움을 주는 AI 기반 적응형 인지 훈련 플랫폼입니다.
헤드업 제한 텍사스 홀덤 포커를 효율적으로 플레이하기 위해 최적의 베팅 전략을 학습하는 RL 기반 AI 에이전트입니다.
DeepMind의 PySC2 환경을 활용하는 PPO 기반 오픈소스 강화학습 에이전트로 StarCraft II를 훈련 및 플레이합니다.
클래식 팩맨 게임 환경에서 다중 에이전트 AI 전략의 구현 및 평가를 가능하게 하는 오픈소스 프레임워크.
기억, 적응 모듈이 포함된 다양한 작업에서 AI 에이전트의 지속적 학습 능력을 평가하기 위한 벤치마킹 프레임워크.
BomberManAI는 탐색 알고리즘을 사용하여 Bomberman 게임 환경에서 자율적으로 탐색하고 전투하는 Python 기반 AI 에이전트입니다.
Ant_racer는 OpenAI/Gym 및 Mujoco를 사용하는 가상 다중 에이전트 추적-도주 플랫폼입니다.
MetaHuman Creator를 사용하여 효율적으로 현실적인 3D 디지털 인간을 생성합니다.
Tuixt는 사용자가 통신을 간소화하고 작업을 자동화하는 데 도움을 주는 AI 에이전트입니다.
PySC2를 통한 StarCraft II에서 원시 수준의 에이전트 제어와 협력을 가능하게 하는 오픈 소스 다중 에이전트 강화학습 프레임워크.
LLMs를 사용하는 AI 구덩이 주인으로, 실시간으로 역동적인 D&D 내러티브, 퀘스트, 만남을 생성합니다.
Yu-Gi-Oh 대결을 위한 오픈소스 RL 에이전트로, 환경 시뮬레이션, 정책 훈련, 전략 최적화를 제공합니다.
BotPlayers는 강화 학습 지원이 포함된 AI 게임 플레이 에이전트의 생성, 테스트 및 배포를 가능하게 하는 오픈 소스 프레임워크입니다.
PyGame Learning Environment는 고전 게임에서 AI 에이전트를 훈련하고 평가하기 위한 Pygame 기반 RL 환경 모음을 제공합니다.
JADE를 사용하는 다중 에이전트 축구 시뮬레이션으로, AI 에이전트들이 협력하여 축구 경기를 자율적으로 경쟁합니다.
Gomoku Battle은 개발자가 고모쿠 게임에서 AI 에이전트를 생성, 테스트, 경쟁할 수 있게 하는 Python 프레임워크입니다.
몬테카를로 트리 탐색(MCTS)을 활용하여 보드 상태를 평가하고 최적의 배치를 선택하는 AI 에이전트입니다.
AIpacman은 파이썬 프레임워크로, 검색 기반, 적대적, 강화 학습 에이전트를 제공하여 팩맨 게임을 마스터할 수 있습니다.
삼성 발리는 귀하의 집에서 모니터링하고 상호작용하는 모바일 AI 어시스턴트입니다.
FemaleSwitch는 여성 캐릭터 경험을 향상시키는 AI 기반 게임입니다.
Super Mario Bros.를 플레이하는 AI 에이전트를 자율적으로 훈련하는 NEAT 신경진화 기반 오픈소스 Python 프레임워크입니다.
오픈소스 강화학습 에이전트로, 팩맨을 플레이하는 법을 배우며 내비게이션과 유령 회피 전략을 최적화합니다.
PettingZoo 게임에서 다중 에이전트 강화 학습을 위한 DQN, PPO, A2C 에이전트를 제공하는 GitHub 저장소.
AWS Bedrock 기반의 마인크래프트 에이전트로 자연어 명령을 해석하여 자율적으로 탐색, 건설, 상호작용하는 게임 세계입니다.
Deep Q-learning을 구현하는 Python 기반 RL 프레임워크로 Chrome의 오프라인 공룡 게임을 위한 AI 에이전트를 훈련합니다.
Hunch는 창의적이고 전문적인 콘텐츠를 신속하게 생성하는 AI 에이전트입니다.
Eden Art: 맞춤형 스타일과 실시간 피드백을 제공하는 AI 기반 디지털 아트 생성 플랫폼입니다.
몇 초 만에 텍스트 또는 스크립트를 다듬어진 AI 디자인 슬라이드 데크로 자동 변환합니다.
모듈식 네트워크 구조와 셀프 플레이를 통한 스타크래프트 II RL 에이전트 훈련이 가능한 AlphaStar의 간소화된 PyTorch 구현.
경험 재생 및 대상 네트워크를 사용하여 Atari Breakout을 학습하는 오픈 소스 TensorFlow 기반의 Deep Q-Network 에이전트입니다.
RL Shooter는 AI 에이전트를 탐색하고 목표물을 사격하도록 훈련시키기 위한 커스터마이징 가능한 Doom 기반 강화 학습 환경을 제공합니다.
랜덤, 규칙 기반 패턴 인식, 강화 학습 에이전트를 제공하는 오픈소스 Python 툴킷으로 가위 바위 보를 플레이합니다.
개발, 디자인 및 마케팅 요구를 위해 최고의 에이전시와 연결하십시오.
은하 탐험을 돕는 도구로, 다양한 주제에 대한 지식과 안내를 제공합니다.
PDF를 손쉽게 구조화된 JSON 데이터로 변환합니다.
PicturePro는 사진작가를 위한 스포츠 사진 관리 및 판매를 간소화합니다.
로봇 영혼 안내자는 로봇 공학과 인간 신앙 간의 연결을 발견하기 위한 독특한 인터페이스를 제공합니다.
싱가포르 및 일본 식당을 발견하세요.
BetHarmony는 스포츠 베팅 및 카지노 운영을 향상시키기 위해 설계된 AI 기반 어시스턴트입니다.
Sitebrew로 쉽게 상호작용하는 게임을 만들고 몇 초 안에 세계와 공유하세요.
Kyugo는 하루를 시각적 걸작으로 변화시켜 시간 관리를 재정의합니다.
인도를 위한 모든 기능을 갖춘 암호화폐 거래 플랫폼입니다.
리그 오브 레전드 게임 플레이 향상을 위한 개인 AI 코치입니다.
