Camel AI是一個旨在簡化智能代理創建與協調的開源框架。它提供鏈接大型語言模型、整合外部工具與API、管理知識圖譜與持久化記憶的抽象層。開發者可定義多智能體工作流程，將任務拆解為子計劃，並通過CLI或網頁界面監控執行。基於Python與Docker，Camel AI允許無縫切換LLM供應商、自訂工具插件與混合規劃策略，從而加速自動化助手、數據管道與自主工作流程的開發。

Odyssey 提供了一個靈活的架構，用於構建協作式多智能體系統。其核心組件包括用於定義和分配子任務的任務管理器、存儲上下文和對話歷史的記憶模塊、協調基於 LLM 的智能體的智能體控制器，以及整合外部 API 或自定義函數的工具管理器。開發者可以通過 YAML 文件來配置工作流程，選擇預建的 LLM 核心（例如 GPT-4、本地模型），並輕鬆擴展框架加入新工具或記憶後端。Odyssey 支援交互記錄、異步任務執行和迭代優化流程，適用於研究、原型設計和投產的多智能體應用。

OmniMind0 是一個完整的基於代理的 AI 框架，使用 Python 編寫，允許建立並協調多個自主代理。每個代理可配置以處理特定任務—如資料擷取、摘要或決策—並透過可插拔的記憶體後端（如 Redis 或 JSON 檔案）共享狀態。內建插件架構讓您可以拓展功能，與外部 API 或客製命令整合。支援 OpenAI、Azure 和 Hugging Face 模型，並提供 CLI、REST API 伺服器或 Docker 的部署選項，以便靈活集成入您的工作流程。

OpenAI Agent Swarm是一個模組化框架，旨在簡化跨不同任務的多個GPT驅動代理的協調工作。每個代理獨立運作，具有可自訂的提示詞和角色定義，而Swarm核心負責代理生命周期、訊息傳遞與任務排程。該平台包含定義複雜工作流程、即時監控代理互動與彙整結果的工具。通過將工作負載分配至專業化代理，用戶可以處理複雜的問題解決場景，從內容生成、研究分析到自動錯誤排除與資料摘要。OpenAI Agent Swarm與OpenAI API無縫整合，使開發者能快速部署多代理系統，並免於自建協調基礎架構。

PettingZoo 遊戲的強化學習代理人是一個基於 Python 的程式庫，提供現成的 DQN、PPO 和 A2C 演算法，用於 PettingZoo 環境下的多智能體強化學習。具有標準化的訓練與評估腳本、可配置的超參數、整合的 TensorBoard 日誌記錄，以及支持競爭和合作遊戲。研究人員和開發者可以克隆倉庫、調整環境與演算法參數、運行訓練並視覺化指標，以快速進行多智能體 RL 實驗和基準測試。

RinSim 提供一個模組化的模擬環境，專注於模擬具有多個自主代理的動態物流場景。用戶可以定義道路網路圖，配置車隊（包括電動模型及電池限制），並模擬采樣到達的接送請求。離散事件架構確保精確的時間控制與事件管理，而內建的路由演算法和可自定義的代理行為允許進行廣泛的實驗。RinSim 支援輸出度量如行程時間、能耗及服務水平，並包含實時和事後的可視化模組。其擴展性設計支持自訂演算法整合，擴展至大型車隊，並可復現研究流程，對於學術與產業中優化流動性策略至關重要。

RoboCup Rescue Agent Simulation是一個開源框架，模擬多個AI驅動的代理在城市災害環境中合作，尋找並拯救受害者。它提供導航、地圖、通信及感測器整合介面。用戶可撰寫自訂的代理策略、執行批次實驗及視覺化代理表現指標。平台支持場景配置、日誌記錄與結果分析，加速多代理系統及災難反應算法的研究。

ROCKET-1 是一個開源的 AI 代理編排平台，設計用於構建先進的多代理系統。它允許用戶使用模組化 API 定義代理流程，實現語言模型、插件和資料庫的無縫串接。核心特點包括跨會話維持內容的語義記憶、動態工具整合外部 API 和資料庫，以及內建的監控儀表板追蹤性能指標。開發者能用最少程式碼自訂工作流程，通過容器化部署擴展，此平台亦支援插件架構擴展功能。ROCKET-1 支援即時除錯、自動重試並具備安全控制，適用於客戶支援機器人、研究助理和企業自動化任務。

Vagent.io 提供了一個直觀的界面，用於通過語音命令與自定義 AI 代理互動。用戶可以通過自然語音輕鬆地與其 AI 代理進行溝通，而不是鍵入。該平台與簡單的 webhook 集成，並使用 OpenAI 來提供高質量的語音識別，並支持 60 多種語言。數據隱私是優先考慮的，無需註冊，所有數據均存儲在用戶的設備上。Vagent.io 非常靈活，允許用戶連接各種後端並構建模塊化的多代理系統，以處理更複雜的任務。

Saiki是一個開源的代理協調框架，讓開發者能寫出描述性的YAML定義，建立複雜的AI驅動工作流程。每個代理可以執行任務、調用外部服務或串聯調用其他代理。Saiki提供內建的REST API服務器、執行追蹤、詳細日志和即時監控的Web儀表板，支援重試、備援和自定義擴展，使迭代除錯和擴展機器人流程變得簡單。

Salieri是一個創新的平台，旨在通過多代理應用程式簡化AI專案開發。通過利用先進的AI技術，Salieri提升生產力和效率，使團隊更容易自動化工作流程。Salieri的直觀設計和強大的功能允許用戶將詳細的想法轉化為互動式的插畫故事，完美適用於敘事驅動的專案、遊戲等。Salieri提供穩健而高效的系統，整合知識圖譜和形式引擎以提高AI模型的準確性和成本效益。

SARL為決策支援提供動態的支援，並配備編輯器支援、程式碼生成、除錯和測試工具。其運行引擎可針對多平台，包括模擬框架（例如MadKit、Janus）和實際應用在機器人與IoT系統中。開發者可透過組合模組化技能與協定，架構複雜的多代理系統應用，簡化自適應且分散的人工智慧系統開發。

牧羊是一個開源的模擬框架，設計用於強化學習研究人員與開發者來研究和實現多代理牧羊任務。它提供一個兼容Gym的環境，代理可以在連續或離散空間中執行側翼、收集與分散目標群的行為。該框架包括模組化的獎勵塑造函數、環境參數設定與訓練性能監控工具。用戶可定義障礙物、動態代理族群和自訂策略，利用TensorFlow或PyTorch。視覺化腳本生成軌跡圖與影片紀錄。牧羊的模組設計允許與現有RL庫完美整合，實現可重現的實驗、創新協作策略的基準測試，以及快速原型設計AI驅動的牧羊解決方案。

SonAgent是一個可擴展的開源框架，主要用於在Python中構建、組織和運行AI代理。它提供核心模塊，用於記憶存儲、工具包裝器、規劃邏輯和異步事件處理。開發者可註冊自定義工具、整合語言模型、管理長期代理記憶，並協調多個代理以合作完成複雜任務。SonAgent的模組化設計促進對話機器人、工作流程自動化和分散式代理系統的開發。

OpenAI Swarm 是一個多功能的協調庫，可在多個 AI 代理間實現平行執行與共識驅動的決策。它將任務廣播給獨立模型實例，匯總輸出，並應用可配置的投票或排名方案選擇最高分的結果。開發者可以調整代理數量、投票閾值和模型組合，以提升可靠性、減少偏見並改善解決方案品質。Swarm 支援串接回應、迭代反饋循環及詳細推理日誌，以提升摘要、分類、程式碼產生及複雜推理等任務的性能，藉由集體智慧來增強表現。

Swarm Simulator 提供一個可自訂的環境，用於多代理的即時實驗。用戶可以調整關鍵行為參數——對齊、凝聚和分離——觀察產生的動態，並支援互動式 UI 滑桿、動態調整代理數量與資料匯出分析。非常適合教育示範、科研原型或興趣者探索群體智慧原理。

Tongui Agent提供模組化架構，用於創建能夠維持對話狀態、利用外部工具並協調多個子代理的AI代理。開發者可以配置LLM後端、定義自定義行動，並附加記憶模組來存儲上下文。該框架包含SDK、CLI和中介層鉤子，以便實現觀測性，方便整合至網頁或Node.js應用程序中。支援的LLM包括OpenAI、Azure OpenAI及開源模型。

SuperSwarm 旨在利用多個專業代理實時通信與合作，來協調基於人工智能的工作流程。它支持動態任務分解，主要控制代理將複雜目標拆分成子任務，並指派給專家代理。代理可共享內容、傳遞訊息，並根據中間結果調整行動方案。平台提供基於Web的儀表板、RESTful API 和命令列介面用於部署與監控。開發者可以定義自訂角色、配置叢集拓撲，並透過插件整合外部工具。SuperSwarm 採用容器調度進行橫向擴展，確保在大量工作負載下的穩定性能。日誌、指標與視覺化有助於優化代理交互，使其適用於高階研究、客戶支援自動化、程式碼產生與決策流程。

xBrain提供模組化架構，用於在Python應用中建立、配置和協調自主代理。用戶可以定義具備數據擷取、分析或生成等能力的代理，並將它們組裝成工作流程，在該流程中每個代理進行通訊與任務委派。框架包括管理非同步執行的排程器、整合外部API的插件系統，以及用於實時監控和除錯的內建日誌機制。xBrain的彈性介面支持自訂記憶體實作和代理模板，使開發者能根據不同領域調整行為。從聊天機器人、資料管道到研究實驗，xBrain可加速設計複雜多代理系統，並提供最少樣板碼。

MultiAgentModel提供統一API，用於定義多智能體場景的自訂環境和智能體類。開發者可以指定觀察與行動空間、獎勵結構和通信通道。內建支持流行的RL算法如PPO、DQN和A2C，讓訓練變得簡單配置。實時可視化工具協助監控智能體互動和績效指標。模塊化架構確保易於整合新算法與自訂模組。此外，還包括用於超參數調優的彈性配置系統、實驗追蹤的日誌工具，以及與OpenAI Gym環境的相容性，實現無縫移植。用戶可以在共享環境合作，並重播記錄的會話進行分析。