Multi Agent Simulation提供靈活的API，用以定義具有自訂感測器、執行器和決策邏輯的代理類別。用戶配置帶有障礙物、資源和通信協定的環境，然後運行逐步或實時的模擬循環。內建的日誌系統、事件調度和Matplotlib整合，協助追蹤代理狀態並視覺化結果。模組化設計允許輕鬆擴展新的行為、環境及提升性能，非常適合學術研究、教育以及多代理場景的原型設計。

AgentMesh是一個以開發者為中心的框架，讓你可以註冊個別的AI代理，並將它們連接成動態網格。每個代理可以專注於特定任務，例如LLM提示、資訊檢索或自定義邏輯，而AgentMesh則負責整個網路中的路由、負載平衡、錯誤處理和遠端監控。這樣可以建立複雜的多步驟工作流程、串聯代理，並水平擴展執行能力。配備插拔式傳輸、分狀會話和擴展鎖點，AgentMesh加快了穩健分散式AI代理系統的建立。

mcp-agent-graph為AI代理提供一個基於圖的調度層，使開發者可以將複雜的多步工作流程映射為有向圖。每個圖節點對應一個代理任務或函數，捕捉輸入、輸出和依賴。邊定義代理之間的數據流，確保正確的執行順序。引擎支持順序和並行執行模式，能自動解決依賴，並可與自定義Python函數或外部服務整合。內建的視覺化功能允許用戶檢查圖拓撲並進行調試。該框架簡化模組化、可擴展的多代理系統開發，用於數據處理、自然語言工作流程或結合多個AI模型的管道。

商場推薦多代理系統是一個基於多代理架構的AI框架，可提升購物中心的零售體驗。它包括追蹤訪客互動的購物代理、分析過去與即時資料的偏好代理，以及生成客製化產品與促銷建議的推薦代理。代理通過訊息傳遞協定交流，以更新用戶模型、協調跨代理洞察並動態調整建議。系統支持與CMS及POS整合，提供實時存貨與銷售反饋。模組化設計讓開發者自定代理行為、整合新資料來源，並部署於各平台。適用於大型零售環境，透過精準、情境感知的推薦提升顧客滿意度與銷售額。