AI Library提供一個設計和運行AI代理的全面框架。它包括代理構建器、鏈協調、模型接口、工具整合及向量存儲支持。平台採用API優先的方法，附有豐富的文檔和範例項目。無論是創建聊天機器人、數據檢索代理還是自動化助手，AI Library的模塊化架構確保每個組件——如語言模型、記憶存儲和外部工具——都能被輕鬆配置、組合及在生產環境中監控。

Flocking Multi-Agent提供模組化的庫，用於模擬展示群體智慧的自主智能體。它編碼核心操控行為——凝聚、分離與對齊——以及避障和動態目標追蹤。利用Python和Pygame進行視覺化，該框架允許調整如鄰居半徑、最大速度和轉向力等參數。它支持通過自定義行為函數和機器人或遊戲引擎的集成掛鉤來擴展。適用於AI、機器人學、遊戲開發和學術研究的實驗，展示簡單的本地規則如何產生複雜的全局行為。

AgenticRAG提供一個模組化架構，用於創建利用檢索增強生成（RAG）的自主代理。它包含索引文件到向量存儲、檢索相關上下文並輸入大型語言模型生成上下文感知回應的組件。用戶可整合外部API和工具，配置記憶體存儲以追蹤對話歷史，並定義自定義工作流程以協調多步決策流程。該框架支持流行的向量資料庫如Pinecone和FAISS，以及如OpenAI的LLM提供者，實現無縫切換或多模型設置。有內建的代理循環與工具管理抽象，簡化文件問答、自動研究及知識驅動自動化任務的開發，減少範例程式碼，加快部署速度。

AI Agent Example是一個實作範例存儲庫，適合想建立智慧代理且由大型語言模型（LLM）支援的開發者與研究人員。專案包含範例碼，涵蓋代理規劃、記憶存儲與工具調用，展示如何整合外部API或自訂功能。它配備一個簡單的對話介面，能解析使用者意圖、制定行動計畫，並呼叫預定義工具來執行任務。開發者可依照範例，擴展數據排程、網頁爬取或自動資料處理等新功能。此範例採用模組化架構，加速人工智慧驅動工作流程與個性化數位助理的實驗，並提供代理協調與狀態管理的實務流程洞察。

Pipe Pilot 是一個開源工具，讓開發者可以用 Python 建立、視覺化並管理 AI 流水線。它提供宣告式 API 或 YAML 配置，串連文本產生、分類、資料增強和 REST API 呼叫等任務。用戶可以實作條件分支、迴圈、重試及錯誤處理，建立彈性工作流程。Pipe Pilot 追蹤執行內容、記錄每個步驟，並支援平行或串行執行模式。它與主要 LLM 提供商、自訂函數和外部服務整合，適用於自動化報告、多回合聊天、智慧資料處理與複雜多階段 AI 應用。

Gemini Agent Cookbook是一個經過策劃的開源工具包，提供多個實用範例，用於構建由Google Gemini語言模型驅動的智能代理。包括多步推理鏈、動態調用外部API、整合工具以擷取資料以及管理對話流程的範例碼。該工具包展示錯誤處理、上下文管理和提示工程的最佳實踐，適用於自主聊天機器人、任務自動化和決策支援系統等案例。它引導開發者建立能解讀用戶需求、即時獲取資料、進行運算並產生格式化輸出的自訂代理。遵循這些範例，工程師能加快代理原型開發，並在各領域部署穩健的AI驅動應用。

RModel是一個以開發者為中心的AI代理框架，旨在簡化次世代對話和自主應用的建立。它與任何LLM整合，支持插件工具鏈、記憶存儲和動態提示生成。具有內建規劃機制、自定義工具註冊和遙測功能，讓代理能執行資訊檢索、資料處理和多領域決策，同時維持有狀態的對話、異步執行、可自訂的響應處理程序，以及安全的上下文管理，適用於可擴展的雲端或本地部署。

AutoDRIVE Cooperative MARL 是一個托管在 GitHub 上的框架，結合了 AutoDRIVE 城市駕駛模擬器與可調整的多智能體強化學習算法。它包括訓練腳本、環境包裝器、評估指標和可視化工具，用於開發和基準測試合作駕駛策略。用戶可以配置智能體的觀察空間、獎勵函數和訓練超參數。此存儲庫支持模組化擴展，實現自定義任務定義、課程學習及性能追蹤，促進自動駕駛車輛協調研究。

AI Agent FletUI提供一個模組化的UI框架，用於創建由大型語言模型支援的智能聊天應用程式。它包括聊天小工具、工具整合面板、記憶存儲和事件處理器，能無縫連接任何LLM提供商。用戶可以定義自訂工具，持續管理會話上下文，並即時渲染豐富的訊息格式。該庫抽象化了Flet中UI佈局的複雜度，並簡化了工具調用流程，使得快速原型設計和基於LLM的助理部署變得方便。

Agentic Workflow是一個聲明式框架，使開發者能夠通過鏈接多個具有可定制角色、提示和執行邏輯的LLM代理人來定義複雜的AI工作流程。它支持任務調度、狀態管理、錯誤處理和插件集成，實現代理人與外部工具之間的無縫交互。該庫使用Python和YAML配置來抽象代理人定義，支持異步執行流程，並通過自定義連接器和插件擴展功能。作為開源項目，它包括詳細的範例、模板和文檔，幫助團隊加速開發與維護複雜的AI代理生態系統。

demo_smolagents是SmolAgents的參考實作，是一個用Python建立自主AI智慧體的微框架，這些智慧體由大型語言模型驅動。此演示包括配置單一智慧體的特定工具包、建立智慧體間通信渠道和動態管理任務交接的範例。它展示了LLM整合、工具調用、提示管理與智慧體協調模式，用於構建能根據用戶輸入和中間結果執行協調動作的多智慧體系統。

Noema Declarative AI允許開發者及研究人員以高層次、聲明性方式指定AI代理及其工作流程。通過撰寫YAML或JSON配置檔，你可以定義代理、提示、工具及記憶模塊。Noema執行時解析這些定義，載入語言模型，逐步執行流程每個階段，處理狀態和上下文，並回傳結構化結果。此方式減少樣板碼、提升重複性、並將邏輯與執行分離，非常適合原型設計聊天機器人、自動化腳本與研究實驗。

OpenSpiel 是一個研究框架，提供從簡單矩陣遊戲到複雜棋類遊戲（如國際象棋、圍棋和撲克）的廣泛環境，並實現各種強化學習和搜索算法（如值迭代、策略梯度方法、MCTS）。其模組化的 C++ 核心和 Python 綁定允許用戶插入自定義算法、定義新遊戲，並在標準基準上比較性能。設計具有擴展性，支持單一和多智能體設置，研究合作和競爭場景。研究人員利用 OpenSpiel 快速原型設計算法、大規模實驗和分享可重複的代碼。

FastMCP是一個開源的Python框架，用於構建支援外部工具、資料來源和自訂提示的MCP（模型上下文協議）伺服器和客戶端。開發者在Python中定義工具類和資源處理器，註冊到FastMCP伺服器，並使用HTTP、STDIO或SSE等傳輸協議進行部署。其客戶端庫提供異步接口，方便與任何MCP伺服器互動，將AI代理無縫集成到應用中。

pyafai是開源的Python函式庫，協助開發者設計、配置與執行自主式AI代理。它提供可插拔模組，用於管理記憶以保存上下文、整合工具以呼叫外部API、環境監控器、決策規劃器，以及用於管理代理循環的協調器。其日誌與監控功能提供代理效能與行為的可視性。pyafai支援主要LLM供應商，允許建立自訂模組，並降低樣板碼數，使團隊能快速原型化虛擬助理、研究機器人與自動化工作流程，並完整掌控每個元件。

LangGraph 提供基於圖形的抽象來設計 AI 代理的工作流程。開發者定義代表提示、工具、資料源或決策邏輯的節點，然後用邊連接這些節點形成一個有向圖。在運行時，LangGraph 遍歷該圖，按順序或平行執行 LLM 呼叫、API 請求和自定義函數。內建的快取、錯誤處理、日誌與併發支援，確保代理行為的健壯性。可擴充的節點和邊範板允許用戶整合任何外部服務或模型，使 LangGraph 理想於建立聊天機器人、資料管道、自動化工作者和研究助手，無需複雜的範例程式碼。

Claude-Code-OpenAI將Anthropic的Claude API轉換為Python應用程式中的即插即用替代OpenAI模型。在安裝pip並配置你的OPENAI_API_KEY和CLAUDE_API_KEY環境變量後，你可以使用熟悉的方法，如openai.ChatCompletion.create()、openai.Completion.create()或openai.Embedding.create()，並使用Claude模型名稱（例如claude-2、claude-1.3）。該庫攔截調用，將其路由到相應的Claude端點，並標準化響應以匹配OpenAI的數據結構。它支持實時流式、豐富的參數映射、錯誤處理和提示模板。這允許團隊在不重構代碼的情況下，實驗Claude與GPT模型，並用於聊天機器人、內容生成、語義搜索和混合LLM工作流程的快速原型設計。

Agent Adapters 設計旨在為開發者提供一個一致的介面，用來連接 AI 代理與外部服務和框架。透過其可插拔的適配器架構，它提供預建的適配器，用於 HTTP API、Slack 和 Teams 等訊息平台，以及自訂工具端點。每個適配器負責請求解析、回應映射、錯誤處理，以及可選的日誌和監控鉤子。開發者亦可實作介面來註冊自訂適配器，並在代理設定中配置適配器參數。這種精簡的方法可以降低樣板程式碼，確保流程執行的一致性，並加快在多個環境中部署代理的速度，而無需重寫整合邏輯。

Java-Action-Storage 是LightJason多智能體框架的核心組件，專為端到端存儲代理動作而設。它定義了一個通用的 ActionStorage 接口，配備了流行數據庫和文件系統的適配器，支持異步和批量寫入，並管理多個代理的並發訪問。用戶可以配置存儲策略、查詢歷史行為記錄，並重播序列以審計系統行為或在失敗後恢復代理狀態。該模組通過簡單的依賴注入進行集成，便於在基於Java的AI專案中快速採用。

LinkAgent提供一個輕量級的微核心，用於構建具插拔元件的AI代理。用戶可以註冊語言模型後端、檢索模組與外部API作為工具，並運用內建的規劃器與路由器，組合成工作流程。LinkAgent支援記憶體處理器以保持上下文持續，動態調用工具，並設有可配置的決策邏輯進行複雜的多步推理。只需少量程式碼，團隊即可自動化問答系統、資料抽取、流程協調與報告產生等任務。