AgentSmith是一個模組化的代理協調框架，建立於Python，允許開發者定義、配置和運行多個AI代理，共同協作。每個代理可以被指定為研究員、規劃員、編碼員或審核員，並通過內部訊息總線通訊。AgentSmith支持使用FAISS或Pinecone等向量存儲進行記憶管理，將任務分解為子任務，並自動監督以確保目標完成。代理和管線皆由易讀的YAML文件配置，並與OpenAI API及自訂LLM無縫整合。內建日誌、監控和錯誤處理，適用於自動化軟體開發流程、數據分析與決策支援系統。

Drive Flow 是一個彈性很高的框架，讓開發人員可以通過定義步驟序列來設計AI流程。每個步驟都可以調用大型語言模型、執行自訂函數或與存於MemoDB的持久記憶交互。此框架支援複雜的分支邏輯、迴圈、平行任務與動態輸入處理。採用TypeScript，並使用宣告式DSL來指定流程，讓流程邏輯分離清晰。Drive Flow還提供內建錯誤處理、重試策略、執行上下文追蹤與豐富的日誌記錄。主要用例包括AI助手、自動化文件處理、客戶支持自動化和多步決策系統。通過抽象流程編排，Drive Flow加速開發並簡化AI應用的維護。

Hive是一個為Node.js環境打造的強大AI代理編排平台。它提供一個模組化系統，用於定義、管理和執行多個AI代理，支持並行或序列化的工作流程。每個代理可以設定特定角色、提示範本、記憶存儲與外部工具整合，如API或插件。Hive簡化代理之間的通訊路徑，促進資料共享、決策和任務委派。其擴展設計允許開發者實作自訂工具、監控執行紀錄，並大規模部署代理。Hive亦具備錯誤處理、重試策略及效能優化等功能，確保可靠的自動化。透過最少設定，團隊可以原型開發複雜的AI服務，包括聊天機器人、資料分析流程與內容生成器。

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。

OpenAI Swarm Node協調多個ChatGPT代理的並行調用，收集每個輸出，應用所選擇的彙總策略（例如多數投票或自訂加權），並返回統一的共識回應。其可擴展的架構支援對模型參數的細緻控制、錯誤處理、重試邏輯和非同步執行，使開發者能在任何Node.js應用中整合群集智慧，以提升AI決策的準確性與一致性。

AgentServe 提供一個統一界面，用於建立和部署 AI 代理。用戶在配置檔或程式碼中定義代理行為，整合外部工具或知識來源，並在 REST 終點暴露代理。框架內建模型路由、並行請求、健康檢查、日誌記錄和量測。模組化設計允許插拔新模型、定制工具或排程策略，非常適合構建聊天機器人、自動化工作流程及多代理系統，且具備可擴展性與可維護性。

HackerGCLASS Agent API是一個開源的Python框架，暴露RESTful端點來運行AI代理。開發人員可以定義自定義工具整合、配置提示模板，並在各會話中維護代理狀態和記憶體。該框架支持多代理並行調度、處理複雜對話流程，並整合外部服務。它通過Uvicorn或其他ASGI服務器簡化部署，並通過插件模組提供擴展性，快速為各種用途創建領域專屬的AI代理。

Agent-Squad是一個模組化的Python框架，能讓團隊設計、部署與運行多代理系統來執行複雜任務。其核心允許配置多樣的代理設定，如數據擷取器、摘要器、程式碼撰寫器與驗證器，這些代理透過定義的頻道溝通，共享記憶體語境。藉由將高層目標分解為子任務，框架協調平行處理，並利用LLM與外部API、資料庫或自訂工具連結。開發者可用JSON或程式碼定義工作流程，監控代理互動，並用內建日誌與評估工具動態調整策略。

動態多智能體RAG路徑提供模塊化架構，每個智能體處理特定任務，如文件檢索、向量搜索、上下文摘要或生成，而中心協調器則動態路由輸入和輸出。開發者可以定義自定義智能體，通過簡單的配置文件組裝管道，並利用內建的日誌記錄、監控與插件支持。此框架加快複雜RAG解決方案的開發，實現自適應任務分解與並行處理，以提升吞吐量和準確率。

GenAI Job Agents 是一個基於 Python 的開源框架，可簡化 AI 助力的任務代理的建立與管理。開發者可以使用簡單的配置文件或 Python 類來定義自訂的任務類型與代理行為。系統無縫整合 OpenAI 用於 LLM 支持的推理，以及 LangChain 用於調用鏈。任務可以排入佇列、並行執行，並通過內建日誌與錯誤處理機制進行監控。代理能處理動態輸入，自動重試失敗，輸出結構化結果供後端處理。模組化架構、可擴充插件與清晰 API，讓團隊能自動化重複任務、協調複雜工作流程，並在生產環境擴展 AI 驅動運營。