MCP Crew AI是一個面向開發者的框架，簡化了在協作團隊中創建和協調基於GPT的AI代理。通過定義管理員、工作員和監控員角色，它自動化任務委派、執行與監督。此套件內建支援OpenAI的API，具有模組化架構支持自訂代理插件，並配備CLI界面來運行和監控你的團隊。MCP Crew AI加速多代理系統的開發，讓建立可擴展、透明且易維護的AI驅動工作流程變得更輕鬆。

DEf-MARL（多智能體強化學習去中心化執行框架）提供一個穩健的基礎設施，用於執行與訓練合作智能體，無需中央控制。它利用點對點通訊協議，分享政策與觀測數據，實現局部互動協調。該框架能無縫整合PyTorch及TensorFlow等常用RL工具包，提供可自訂的環境包裝器、分散式Rollout收集與梯度同步模組。用戶可定義特定智能體的觀測空間、獎勵函數與通訊拓撲。DEf-MARL支持運行時動態添加與移除智能體，通過複製關鍵狀態提升錯誤容忍，並採用自適應通訊調度平衡探索與利用。它透過平行模擬環境並減少中心瓶頸，加速訓練，適用於大規模MARL研究及工業模擬。

LobeChat為流行的大型語言模型提供統一的聊天介面，使用戶可以在不離開平台的情況下切換ChatGPT、Claude、Gemini等。它具備雲端訊息同步、自訂助手模板和擴充功能的插件框架，涵蓋文字、圖像、影片和語音AI任務。結合內建的工作流程自動化與多模態支持，用戶可以自動化重複性任務、提升創意，並在同一位置管理多個AI代理。

multi_agent_celar設計為模組化的AI平台，能在模擬環境中實現多智能體之間的涌現語言通信。用戶可以通過策略文件定義智能體行為，配置環境參數，並啟動協調訓練，使智能體演化出自己的通信協議以解決合作任務。該框架包含評估腳本、可視化工具，以及對擴展性實驗的支持，非常適合多智能體協作、涌現語言及決策過程的研究。