Cloudflare Agents 旨在協助開發者利用 Cloudflare Workers 在網路邊緣建構、部署與管理自主式 AI 代理。透過統一的 SDK，您可以用 JavaScript 或 TypeScript 定義代理行為、自訂動作和對話流程。此框架可無縫整合主要大型語言模型供應商如 OpenAI 和 Anthropic，並提供內建支援 HTTP 請求、環境變數和串流回應。一旦設定完成，代理可在數秒內全球部署，為終端用戶提供超低延遲的互動體驗。Cloudflare Agents 亦包含用於本地開發、測試及除錯的工具，確保開發流程順暢。

MAPF_G2RL 是一個開源研究框架，將圖論與深度強化學習結合起來，以解決多智能體路徑搜尋問題（MAPF）。它將節點和邊編碼為向量表示，定義空間和碰撞感知的獎勵函數，支援 DQN、PPO、A2C 等多種 RL 算法。框架通過生成隨機圖或導入現實世界地圖來自動創建場景，並管理訓練循環以同時優化多個代理的策略。訓練後，代理在模擬環境中進行評估，以測量路徑最優化、完成時間和成功率。其模組化設計使研究人員能擴展核心元件、整合新技術，並與傳統解算器做基準測試。

Multi-Agent-Blueprint是一套全面的開源代碼，用於建立和協調多個人工智能驅動的代理，合作完成複雜任務。其核心為一個模組化系統，用於定義不同的代理角色—如研究員、分析師和執行者—每個角色配備專用的記憶存儲和提示模板。該框架與大型語言模型、外部知識API及定制工具無縫整合，支持動態任務委派和代理間的反饋循環。內建日誌和監控功能，追蹤代理間的交互與輸出。具有可自定義的工作流程和可更換組件，開發者與研究者能快速原型設計多代理管道，用於內容生成、資料分析、產品研發或自動客戶支持。

Skeernir是一個開源的AI代理框架，旨在加速開發木偶操控代理，用於遊戲自動化與流程協調。專案包括一個基本模板、核心API和範例模組，示範如何將代理邏輯連結到目標環境，無論是模擬遊戲玩法或控制作業系統任務。其擴展性架構允許用戶實作自訂決策策略、插入機器學習模型，並在Windows、Linux和macOS上管理代理生命週期。內建日誌與配置支援，Skeernir讓自主AI代理的測試、除錯與部署更為便利。

Coffee-Shop-AI-Agents是一款開源框架，用於構建和部署專業的AI代理，實現咖啡店關鍵功能的自動化。利用LangChain和OpenAI模型，該項目提供模組化的代理，包括能處理複雜飲品訂單、提供定制建議和管理原料存貨的咖啡師代理，負責支付、出具數字收據和追蹤銷售指標的收銀員代理，以及生成庫存預測、提出補貨計劃和分析績效數據的經理代理。透過可定制的模板和流程配置，開發者可以快速將這些代理適配於商店的特殊規則和菜單。倉庫中含有安裝腳本、API集成以及範例工作流程，用於在開發者友好的環境中模擬逼真的客戶互動和經營分析。

Colosseum Agent Battles 提供模組化的 Python SDK，用於在可客製化的場域中建立人工智慧代理競賽。用戶可定義具有特定地形、資源和規則集的環境，並透過標準化介面實作代理策略。該框架處理戰鬥排程、裁判邏輯與即時行動及結果的記錄。它包含運行錦標賽、追蹤勝負統計、以圖表視覺化代理人性能的工具。開發者也可與流行的機器學習庫整合，訓練代理、導出戰鬥資料進行分析、擴展裁判模組以自訂規則。最終，它簡化人工智慧策略在一對一比拼中的基準測試。此外也支援 JSON 和 CSV 格式的記錄，方便後續分析。