Multi-Agent Surveillance提供一個靈活的模擬框架，允許多個AI代理在離散網格世界中扮演捕食者或逃脫者角色。用戶可以配置環境參數，如網格尺寸、代理數量、檢測半徑和獎勵結構。該庫包含用於代理行為的Python類別、場景生成腳本、內建的matplotlib可視化工具，並與流行的強化學習庫無縫整合。使得基準多代理協調、開發定制監控策略和進行可重複性實驗變得容易。

Multiagent_system提供了一套完整的工具包，用於構建和管理多智能體環境。用戶可以定義自訂模擬場景、指定智能體行為，並利用預先實現的算法如DQN、PPO和MADDPG。該框架支持同步和異步訓練，使智能體能同時或輪流互動。內建的通信模組促進智能體間的訊息傳遞，用於合作策略。通過YAML文件簡化實驗配置，結果自動記錄為CSV或TensorBoard格式。視覺化脚本幫助解釋智能體軌跡、獎勵演變和通信模式。Designed for research and production workflows, Multiagent_system seamlessly scales from single-machine prototypes to distributed training on GPU clusters.

NavGround Learning提供一套完整工具，用於開發與測試導航任務中的增強學習代理。支援多代理模擬、碰撞建模，以及可定制的感測器與執行器。使用者可選擇預設策略模板或實現自訂架構，並使用最先進的RL演算法進行訓練，還能視覺化性能指標。與OpenAI Gym和Stable Baselines3的整合，讓實驗管理更為便利，內建記錄與視覺化工具則助於深入分析代理行為與訓練動態。

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。

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。

SwarmFlow 讓開發者能用可配置的工作流程實例化和協調一眾 AI 代理。代理可以異步交換訊息、委派子任務，並整合客製插件以實現領域專屬邏輯。該框架管理任務排程、結果彙整和錯誤處理，讓用戶專注於設計代理行為與合作策略。模組化架構使得建立複雜的自動化、資料處理及決策系統變得容易，便於快速原型、擴展和監控多代理應用。

AgentSimulation 是一個建立在 Pygame 之上的開源 Python 函式庫，用於在 2D 環境中模擬多個自主代理。它允許用戶配置代理屬性、操控行為（如搜尋、逃跑、漫遊）、碰撞檢測、路徑尋找及互動規則。藉由實時渲染和模組化設計，支援快速原型設計、教學模擬及群體智慧或多代理互動的小規模研究。

Java Action Generic 是一個輕量級、模組化的庫，允許開發者通過定義通用動作來在 Java 中實現自主代理行為。這些動作是可在運行時執行、排程和組合的參數化工作單元。該框架提供一致的動作介面，使開發者可以創建自定義動作、處理動作參數並與 LightJason 的代理生命週期管理整合。支持事件驅動與並行處理，使代理人能完成動態決策、與外部服務互動及複雜行為協調。此庫促進重用與模組化設計，適用於研究、模擬、物聯網(IoT)與遊戲AI在任何支援 JVM 的平台上應用。

openai-agents-python是一個全面的Python套件，旨在協助開發者構建完全自主的AI代理。它提供代理規劃、工具整合、記憶狀態及執行循環的抽象。使用者可以註冊自定義工具，指定代理目標，並讓框架協調逐步推理。此庫還包含測試和記錄代理操作的工具，方便迭代行為與排解複雜的多步任務。

Kin Kernel 是一個輕量級的開源核心框架，用於構建由AI驅動的數字工作者。它提供統一系統來協調大型語言模型、管理上下文記憶，以及整合自定義工具或API。採用事件驅動架構，Kin Kernel 支持異步任務執行、會話跟蹤和擴展插件。開發者定義代理行為、註冊外部功能，並配置多LLM路由，從資料擷取到客戶支持自動化工作流程。框架內建日誌紀錄與錯誤處理，便於監控與除錯。設計彈性高，Kin Kernel 可以嵌入Web服務、微服務或獨立Python應用，協助組織部署穩健的AI代理，大規模應用。

NeuralABM是一個開源的Python圖書館，利用PyTorch將神經網絡整合到代理基建模中。用戶可以指定代理架構為神經模塊，定義環境動力學，並使用反向傳播在模擬步驟中訓練代理行為。該框架支持自定義獎勵信號、課程學習和同步或非同步更新，促進新興現象的研究。配備日誌、視覺化和數據集導出的工具，研究人員和開發者可以分析代理性能、除錯模型並優化模擬設計。NeuralABM簡化了將強化學習與ABM結合，應用於社會科學、經濟學、機器人技術及AI驅動的遊戲NPC行為，提供模組化組件以進行環境定制，支持多代理交互，並提供擴展外部資料集或API的接口，用於現實世界模擬。其開放式設計促進可重現性和合作，可通過清楚的實驗配置和版本控制集成達成。

AgentFence 提供一個統一的安全層，涵蓋政策執行、存取控制與異常偵測。它提供 Python、Node.js SDK 和 REST API，讓您輕鬆整合至 LLM 應用程式。借由實時監控儀表板與詳細的審計記錄，合規團隊可以全面掌握代理人的行為。可客製化的策略讓您定義允許的行動、資料使用規則與用戶角色。自動通知警報提醒相關人士政策違規，同時歷史日誌支持取證分析與法規報告。

Agentic-AI是一個開源Python框架，簡化構建利用大語言模型（如OpenAI GPT）的自主代理。它提供核心模組，用於任務規劃、記憶持久化和工具整合，讓代理可以將高層目標拆解為可執行的步驟。該框架支援基於插件的自定義工具，例如API、網頁爬取和資料庫查詢，使代理能與外部系統互動。它具備鏈式思考推理引擎，協調規劃與執行循環，支持情境記憶回想和動態決策。開發者可以輕鬆配置代理行為、監控動作日誌並擴展功能，實現多樣應用的擴展性和適應性AI自動化。

Blue Agent 作為 Node.js 中構建 AI 驅動代理的完整工具包。它允許開發者實作鏈式思考提示以改善推理，整合外部工具與 API 以豐富功能，並維持對話記憶以保留上下文。框架具有規劃引擎，可排序任務、執行模組與內建日誌，用以追蹤代理決策。開發者可以定義自訂工具介面、編排多步工作流程並利用函式呼叫與服務互動。Blue Agent 模組化架構允許無縫擴展插件，並支援除錯工具來觀察代理行為，非常適合建立高階聊天機器人、自主助理與自動化管道。

Minimalist Agent提供一個基本的框架，用於在Python中建立AI代理。利用LangChain的代理類別與OpenAI的API，進行多步推理、動態選擇工具，並執行函數。您可以克隆儲存庫、設定OpenAI API金鑰、定義自訂工具或端點，並運行CLI腳本來與代理互動。設計重點在於清晰與擴展性，便於學習、修改與擴充核心代理行為，適用於實驗或教學。

GAMA Genstar Plugin通過連接OpenAI、本地LLM及自訂模型端點，為GAMA平台增添生成式AI能力。用戶在GAML中定義提示和流程，以即時產生代理決策、環境描述或場景參數。此插件支持同步與非同步API調用、響應快取與參數調整，簡化自然語言模型在大規模模擬中的整合，降低手動腳本工作，促進更豐富、適應性的代理行為。