Matcha Agent提供一個彈性的基礎，用於在Python中建立自主代理。開發者可以配置具有自訂工具集（API、腳本、資料庫）的代理，管理對話記憶，並在不同的LLM（OpenAI、本地模型等）間協調多步驟工作流程。其插件架構便於拓展、除錯和監控代理行為。無論是自動化研究任務、資料分析還是客服支援，Matcha Agent都能簡化端對端代理的開發與部署。

OpenAgent 提供一個完整的框架，用於開發能理解任務、規劃多步行動並與外部服務互動的自主 AI 代理。通過與 OpenAI 和 Anthropic 等 LLM 整合，實現自然語言推理和決策。平台具有可插拔的工具系統，用於執行 HTTP 請求、檔案操作和自訂 Python 函數。記憶體管理模組允許代理在會話中儲存和檢索上下文資訊。開發者可以通過插件擴展功能，配置實時串流應答，並利用內建的記錄與評估工具監控代理性能。OpenAgent簡化了複雜工作流程的編排，加速智能助手的原型設計，並確保模組化架構以支援可擴展的 AI 應用。

rag-services是一個可擴展的平台，將RAG流程拆分成不同的微服務。它提供文件存儲服務、向量索引服務、嵌入服務、多個LLM推理服務，以及協調工作流程的編排器。每個模組都提供REST API，允許你組合資料庫和模型供應商。支持Docker和Docker Compose，可以在本地或Kubernetes叢集部署。此框架支持為聊天機器人、知識庫和自動文件問答提供擴展性和容錯性強的解決方案。

MLE Agent 是一個多功能的人工智慧驅動代理架構，通過利用先進的語言模型來簡化和加速機器學習操作。它可以解讀高層次的用戶查詢，執行複雜的 ML 任務，如結合 MLflow 的自動實驗追蹤、實時模型性能監控、數據漂移檢測和管道健全性檢查。用戶可以透過對話介面提示代理以檢索實驗指標、診斷訓練失敗或安排模型再訓練工作。MLE Agent 可無縫整合Kubeflow 和 Airflow等流行編排平台，實現流程自動觸發與通知。其模組化插件架構允許自訂資料連接器、視覺化儀表板和警示通道，適用於各種 ML 團隊工作流程。

A2A4J 是一個輕量級的 Java 框架，專為構建自主式 AI 機器人而設計。它提供機器人、工具、記憶與規劃者的抽象，支援任務的異步執行以及與 OpenAI 及其他 LLM API 的無縫整合。其模組化設計允許用戶定義自訂工具與記憶儲存，協調多步驟工作流程以及管理決策循環。內建錯誤處理、記錄與擴展性，加速智慧 Java 應用與微服務的開發。

Inngest AgentKit 提供一個完整的框架，用於在 Node.js 環境中開發 AI 代理。它利用 Inngest 的事件驅動架構，根據外部事件（如 HTTP 請求、排程任務或 Webhook 呼叫）來觸發代理工作流程。該工具包包含模板渲染實用工具，用以構建動態回應，內建狀態管理以維持會話上下文，並與外部 API 及語言模型進行無縫整合。代理可以即時流式傳輸部分回應，管理複雜邏輯，並藉由錯誤處理與重試機制協調多步流程。透過抽象化基礎設施和工作流程，AgentKit 讓開發者專注於設計智能行為，減少樣板代碼，加快對話助理、資料處理流程及任務自動化機器人的部署。

Agent Supervisor Demonstrates存儲庫展示如何在協調的工作流程中編排多個自主AI代理。用Python編寫，定義一個Supervisor類，用於調度任務、監控代理狀態、處理故障及整合回應。您可以擴展基本代理類，插入不同模型API，並配置排程策略。它記錄活動以作稽核，支援平行執行，並提供模組化設計，方便定制與整合入更大型的AI系統。