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。

AgenticIR（Agentic Information Retrieval）提供一個模組化框架，LLM 驅動的代理能自主規劃與執行 IR 工作流程。它能定義代理角色，例如查詢產生器、文件擷取器和摘要器，並在可自訂的序列中運行。代理可以擷取原始文本、根據中間結果調整查詢，並將提取的段落合併成簡潔的摘要。此框架支援多步驟流程，包括反覆的網頁搜索、API 取用和本地文件解析。開發者可調整代理參數、整合不同的 LLM，並微調行為策略。AgenticIR 亦提供日誌記錄、錯誤處理與平行代理執行，以加速大規模資訊收集。只需最少程式碼，即可讓研究人員與工程師快速原型與部署自主檢索系統。

AgentFarm提供一個全面的框架，用於在統一系統中協調不同的AI代理。用戶可以用Python腳本化專業的代理行為，分配角色（管理員、工作人員、分析員）並建立任務佇列進行並行處理。它與主要的LLM服務（OpenAI、Azure OpenAI）無縫集成，支持動態提示路由和模型選擇。內置儀表板追蹤代理狀態、記錄互動並可視化工作流程性能。通過模組化插件擴展API功能，開發者可以擴充功能、自動化錯誤處理及監控資源利用。適合部署多階段流程，AgentFarm提升了AI驅動自動化的可靠性、擴展性和維護性。