Continuum 是一個開源的 Python 框架，讓開發者能以模組化方式定義任務、工具與記憶體，來建構智能代理。使用 Continuum 的代理遵循「規畫-執行-觀察」循環，能在大型語言模型推理與外部 API 調用或腳本之間插入。其插件架構支援多種記憶體存儲（如 Redis、SQLite）、自訂工具庫及非同步執行。注重彈性，使用者可撰寫自訂代理規則，整合第三方服務如資料庫或 Webhook ，以及在多種環境部署。Continuum 的事件驅動協調會記錄代理行動，有助於除錯與性能調優。不論是自動化資料擷取，構建對話式助理，或協調 DevOps 流程，Continuum 都提供可擴展的產線級 AI 代理工作流程基礎。

Cyrano 是一個開源的 Python 框架和 CLI，用於創建通過自然語言提示協調大型語言模型和外部工具的 AI 代理。用戶可以自定義工具（函數）、配置記憶體和令牌限制，並處理回調。Cyrano 負責解析來自 LLM 的 JSON 回應，並依序執行指定的工具。它強調簡單性、模組化和零外部依賴，使開發者能快速原型化聊天機器人、建立自動化工作流程並將 AI 功能整合到應用中。

Fast-LLM-Agent-MCP 是一個輕量級的開源 Python 框架，用於構建結合記憶管理、鏈式推理和多步規劃的 AI 代理。開發者可以與 OpenAI、Azure OpenAI、本地 Llama 及其他模型整合，以保持對話上下文、產生結構化推理跡徑，並將複雜任務拆解為可執行的子任務。其模組化設計允許整合自定義工具及記憶庫，適用於虛擬助理、決策支援系統及自動化客戶支持機器人等應用。

Dive是一個基於Python的開源框架，旨在創建和運行能夠執行多步任務、且需要最少手動干預的自主AI代理。通過在簡單的YAML配置文件中定義代理配置文件，開發者可以指定API、工具和記憶模組，用於數據檢索、分析和管道協調。Dive管理上下文、狀態和提示工程，允許靈活的工作流程，並具有內建錯誤處理和日誌記錄。其模組化的架構支持廣泛的語言模型和檢索系統，方便組建用於客戶服務自動化、內容生成和DevOps流程的代理。該框架可以從原型擴展到生產，提供CLI命令和API端點，便於與現有系統集成。

Restack Python SDK 範例提供一套完整的示範專案，說明如何利用 Restack 平台構建 AI 代理。包括聊天機器人、文件分析代理和任務自動化工作流程的模板。範例涵蓋 API 配置、工具整合（例如網路搜尋、記憶體儲存）、代理協調、錯誤處理與部署情境。開發者可克隆範例庫，設定 API 金鑰，並擴展範例代理以符合自訂用例。

FAgent 提供模組化架構來建立 AI 代理，包括環境抽象、策略介面和工具連接器。支援與流行的 LLM 服務整合，實現上下文保持的記憶管理，並提供用於日誌記錄和監控代理行為的可觀察層。開發者可定義自訂工具與行動，協調多步工作流程，並運行基於模擬的評估。FAgent 還包含資料收集、性能指標和自動化測試的插件，適用於研究、原型設計及多領域自主代理的生產部署。

Flock提供一個友好的模組化框架，用於串聯多個LLM調用、管理對話記憶並將外部工具整合到自主代理人中。支援非同步執行和插件擴展，使Flock能細緻掌控代理人的行為、觸發器和上下文管理。在Node.js和瀏覽器環境均可無縫運作，讓團隊能快速原型化聊天機器人、資料處理流程、虛擬助理及其他由AI驅動的自動化解決方案。

GenAI Agents SDK 是一個開源的Python函式庫，旨在協助開發者利用大型語言模型建立自主的AI代理。它提供一個核心代理範本，具有可插拔的模組，用於記憶儲存、工具介面、規劃策略與執行循環。你可以設定代理致電外部API、讀寫檔案、執行搜尋或與資料庫互動。其模組化設計確保易於客製化、快速原型開發，以及新功能的無縫整合，促進打造具備推理、規劃與在現實場景中行動的動態自主AI應用。

LLM驅動的AI代理旨在通過模組化架構協調大型語言模型與外部工具，簡化自主代理的創建。開發者可以定義具有標準化接口的自定義工具，配置記憶後端以保存狀態，以及建立多步推理鏈，使用LLM提示來規劃和執行任務。AgentExecutor模組管理工具調用、錯誤處理和異步工作流程，內建範例模板展示了資料擷取、客戶支援及行事曆排程等場景。通過抽象API調用、提示工程和狀態管理，該框架降低重複性程式碼，加快實驗速度，非常適合Python環境下的客製化智慧自動化解決方案團隊。

ManasAI是一個以Python為基礎的框架，可創建具有內建狀態和模組化元件的自主AI代理。它提供代理推理、短期與長期記憶、外部工具與API整合、訊息驅動事件處理與多代理協調的核心抽象。代理可被設定來管理背景、執行任務、處理重試及收集反饋。其可插拔架構讓開發者能根據特定工作流程調整記憶後端、工具和協調器，非常適合原型開發聊天機器人、數位工作者與需要持續背景與複雜交互的自動化流程。

Melissa提供一個輕量、可擴展的架構，用於構建基於AI的代理，而不需要大量樣板程式碼。其核心基於插件系統，開發者可以註冊自訂動作、資料連結器和記憶模組。記憶子系統能在交互中保存上下文，增強對話連續性。整合適配器允許代理從API、資料庫或本地檔案中獲取並處理資訊。結合簡單的API、命令列工具和標準化介面，Melissa簡化自動化客戶查詢、生成動態報告或調度多步驟流程等任務。此框架支援語言無關的整合，適用於Python專案，並可部署在Linux、macOS或Docker環境中。

MixAgent提供即插即用的架構，讓開發者定義提示、連接多個LLM後端並整合外部工具（API、數據庫或代碼）。它協調規劃和執行循環，管理代理的記憶以支持狀態交互，並記錄思考鏈推理。用戶可以快速原型設計助手、資料擷取器或自動化機器人，無需從零構建協調層，從而加速AI代理的部署。

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 Agents 提供一個模組化的環境，用於定義、運行和管理基於 OpenAI 語言模型的自主 AI 代理。開發者可以配置帶有記憶存儲的代理、註冊自訂工具或插件、協調多代理合作，並通過內建日誌監控執行狀況。該框架負責 API 請求、上下文管理以及非同步任務排程，便於快速原型設計複雜的 AI 驅動工作流程和應用，例如數據擷取、客戶支援自動化、程式碼生成與研究協助。

Taiga是一個基於Python的開源AI代理框架，旨在簡化自主大語言模型（LLM）代理的創建、協調與部署。該框架包括彈性的插件系統用於整合自定義工具和外部API，可配置的記憶模塊用於管理長短期對話內容，以及任務鏈接機制來安排多步工作流程。Taiga還提供內建的日誌、指標與錯誤處理功能，適用於生產環境。開發者可以快速用模板建立代理、通過SDK擴展功能並跨平台部署。透過抽象化複雜的協調邏輯，Taiga讓團隊專注於構建能搜索、計劃並自主執行動作的智能助手。

With AI Agents是一個用於在TypeScript中定義和協調多個AI代理的以程式碼為先的框架，每個代理具有不同職能，如規劃者、執行者和記憶模組。它內建記憶管理，以持久化上下文，並擁有函數調用子系統來整合外部API，以及用於互動會話的CLI界面。透過將代理組合成管道或層級結構，可實現複雜任務的自動化，例如資料分析管道或客戶支持流程，同時確保模組化、可擴展與易於客製化。

Agent2Agent 提供統一的網頁介面和 API，用以定義、設定與協調 AI 代理團隊。每個代理可以被指派獨特角色如研究員、分析師或摘要者，並透過內建通訊渠道交流，分享資料並委派子任務。平台支援函數調用、記憶儲存與 webhook 整合外部服務。管理者可監控工作流程的進展，檢查代理日誌，動態調整參數，以實現擴展化的平行任務執行與先進流程自動化。

UnitMesh框架提供一個彈性模組化的環境，用於定義、管理與執行AI代理鏈。它可無縫整合OpenAI、Anthropic與自訂模型，支援Python和Node.js SDK，並內建記憶儲存、工具連接器和插件架構。開發者可以調度平行或串列的代理工作流程，追蹤執行日誌，並透過自訂模組擴展功能。其事件驅動設計確保在雲端或本地部署中具有高性能與可擴展性。

DreamGPT 是一個多用途的開源平台，旨在簡化由 GPT 模型驅動的 AI 代理開發、配置與部署。它提供直觀的 Python SDK 與命令列界面，用於建立新代理、管理對話歷史（具有可擴展的記憶體後端），以及透過標準化插件系統整合外部工具。開發者可以定義自訂提示流程，連結 API 或資料庫以強化生成能力，並透過內建的記錄與遠端監控監控代理效能。其模組化架構支援雲端水平擴展，並確保用戶資料的安全處理。有預設範本用於助理、聊天機器人與數位工人，團隊能快速原型化專屬的 AI 代理，應用於客服、資料分析、自動化等領域。

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。