ANAC-agents是一個基於Python的框架，集中多個談判代理的實現，用於Automated Negotiating Agents Competition（ANAC）。每個代理都具有不同的策略，用於效用建模、提議產生、讓步策略與接受標準，有助於比較研究與快速原型設計。用戶可以定義具有自訂議題與偏好檔的談判域，並模擬雙邊談判或類似錦標賽的競賽。工具包包括配置腳本、評估指標與日誌工具，用於分析談判動態。研究人員與開發者可以擴展現有代理、測試新算法或整合外部學習模組，促進自動化議價與在資訊不完整條件下的策略決策創新。

Besser Agentic Framework提供模組化工具包，用於定義、協調和擴展AI代理。它允許配置代理行為、整合外部工具與API、管理代理記憶和狀態，以及監控執行狀況。基於Python，支援可擴展的插件介面、多代理協作，以及內建的日誌記錄。開發者可以快速原型化並部署用於資料擷取、自動化研究和對話式助手等任務的代理，全部在統一框架中完成。

Chainlit 是一個開源的異步 Python 框架，旨在幫助開發者快速構建和部署可擴展的對話式 AI 和智能應用。它支持與流行的 Python 庫和框架的集成，以提供無縫的開發體驗。使用 Chainlit，使用者可以創建可處理複雜互動並保留對話上下文的生產級聊天應用。

ChatGPT OpenAI Smart Speaker是用於打造自己語音激活AI助手的開發框架。它可運行於像Raspberry Pi、Linux PC、macOS或Windows設備上。使用標準Python語音辨識和語音合成函式庫，它會監聽喚醒詞、捕捉問題、傳送到OpenAI ChatGPT API並即時讀出回應。用戶可加入自訂命令、整合智慧家庭控制，或用於教育用途的語音AI演示。

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 Reinforcement Learning是一個專門的Python框架，旨在加速強化學習代理的開發與執行。它支援流行的算法如PPO、A2C、DDPG和SAC，並配合高吞吐量的向量環境管理。用戶可以輕鬆配置策略網絡、自定義訓練流程，並利用GPU加速進行大規模試驗。其模組化設計確保與OpenAI Gym環境的無縫整合，使研究人員和實務工作者能在控制、遊戲和模擬任務中原型設計、基準測試與部署代理。

defaultmodeAGENT 是一個基於 Python 的框架，旨在簡化建立能自主執行多步工作流程的智慧代理。它具備預設模式規劃—一種用於決定何時探索或利用的自適應策略—以及與自訂工具與 API 的無縫整合。代理保持對話記憶，支持動態提示，並提供除錯記錄。基於 OpenAI 的 API，使快速原型化資料提取、研究和任務自動化輔助成為可能。

GPA-LM 是一個以 Python 為基礎的框架，旨在簡化由大型語言模型驅動的人工智慧代理的建立與協調。它具有一個規劃器，能將高層指令拆解為子任務，一個執行器，管理工具調用和互動，以及一個能在會話之間保留上下文的記憶模塊。插件架構允許開發者新增自訂工具、API 及決策邏輯。支援多代理協同的 GPA-LM，可以協調角色、分配任務並匯整結果。它無縫整合 OpenAI GPT 等流行 LLM，並支援在不同環境中部署。該框架加速自主代理的研發，用於研究、自動化與應用原型設計。

HMAS是一個開源的Python框架，允許開發階層式多智能體系統。它提供抽象功能，用於定義智能體層級、智能體間通信協議、環境整合和內建訓練循環。研究人員和開發者可以使用HMAS對複雜的智能體互動進行原型設計、訓練協作策略，以及在模擬環境中評估性能。其模組化設計使擴展和定制智能體、環境及訓練策略變得簡單。

HFO_DQN結合了Python和TensorFlow，提供用於訓練使用Deep Q-Network足球代理人的完整流程。用戶可以克隆存儲庫、安裝依賴項（包括HFO模擬器和Python庫），並在YAML文件中配置訓練參數。該框架實現了經驗重放、目標網路更新、ε-貪婪探索和針對半場進攻領域的獎勵塑造。它包含訓練代理人、性能記錄、評估比賽和結果繪圖的腳本。模塊化結構允許集成自定義神經網絡架構、替代強化學習算法和多智能體協調策略。輸出包括訓練模型、性能指標和行為視覺化，促進強化學習和多智能體系統研究。

InfantAgent 提供輕量級的結構，用於設計與部署Python中的智慧代理。它整合熱門的大型語言模型（OpenAI、Hugging Face）、支援持久性記憶模組，並啟用自定義工具鏈。開箱即用的功能包括會話界面、任務協調與策略驅動的決策。其插件架構允許輕鬆擴展特定領域的工具與API，非常適合用於原型研究代理、工作流程自動化或將AI助理整合到應用程式中。

LangChain是一個開源Python框架，旨在加速AI驅動應用的開發。它提供多個語言模型調用（鏈）、與外部工具互動的代理人建立、以及對話記憶的管理抽象。開發者可以定義提示、輸出解析器和端到端的工作流程。整合包括向量庫、資料庫、API和託管平台，可支援商用聊天機器人、文件分析、程式碼助手與客製化AI管線。

LeanAgent 是一個基於 Python 的框架，旨在簡化自主 AI 代理的建立。它提供內建的規劃模組，利用大型語言模型進行決策，擴展性強的工具集成層可調用外部 API 或自定義腳本，並具有能在多次交互中保留上下文的記憶管理系統。開發者可以配置代理工作流程、加入自定義工具，快速進行除錯並部署適用於各種領域的生產級代理。

LLM Maze Agent框架提供了一個基於Python的環境，用於構建能夠利用大型語言模型導航網格迷宮的智能代理。通過結合模塊化環境介面、思路鏈提示模板和啟發式規劃，代理迭代詢問LLM以決定移動方向，適應障礙物並更新其內部狀態表示。支持OpenAI和Hugging Face模型的開箱即用，並可配置迷宮生成和逐步調試，方便實驗不同策略。研究人員可以調整獎勵函數、定義自定義觀測空間，並視覺化代理路徑來分析推理過程。這種設計使得LLM Maze Agent成為評估LLM驅動規劃、教授AI概念和基準測試空間推理任務的多功能工具。

LLM狀態機是一個開源的Python框架，專為使用明確狀態機構建AI代理而設計。開發者將狀態定義為離散步驟——每個調用一個大型語言模型或自訂邏輯——並根據輸出進行轉換。這種方法提供清晰性、可維護性和強健的錯誤處理，適用於多步、由LLM驅動的工作流程，例如文件處理、對話機器人或自動化流程。

MARO（多代理資源優化）是一個基於Python的框架，旨在支援供應鏈、物流和資源管理場景中多代理強化學習代理的開發與評估。其包含存貨管理、卡車排程、交叉碼頭作業、集裝箱租賃等模板。MARO提供統一的代理API、內建追蹤器用於實驗記錄、平行模擬以進行大規模訓練，以及性能分析的視覺化工具。平台模組化、可擴展，可與流行RL庫整合，實現可重複的研究與快速的AI驅動優化方案原型。

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。

MGym是一個專門用於在Python中構建與管理多智能體強化學習（MARL）環境的框架。用戶可以定義多個智能體的複雜場景，每個智能體都具有可自定義的觀察和行動空間、獎勵函數及互動規則。MGym支援同步與非同步兩種執行模式，提供平行與輪換式的智能體模擬。採用類似Gym的API設計，與Stable Baselines、RLlib和PyTorch等流行RL庫無縫整合。內建工具模組用於環境基準測試、結果視覺化及績效分析，方便系統性評估MARL演算法。其模組化架構允許快速原型設計合作、競爭或混合型智能體任務，幫助研究人員與開發者加速MARL實驗與研究。

Multi-Agent AI Assistant是一個模組化的Python框架，能協調多個GPT驅動的代理，每個代理被分配到不同的角色，如規劃、研究、分析和執行。系統支援代理之間的訊息傳遞、記憶儲存，以及與外部工具和API整合，實現複雜的任務拆解與合作解決問題。開發者可以自訂代理行為、添加新工具包，並透過簡單的配置檔案設定工作流程。利用專業代理之間的分散推理，該框架加速自動研究、資料分析、決策支援和任務自動化。資料庫包含範例實作和模板，支持快速原型設計智慧助手和數位工作者，能處理企業、教育及研究環境中的端對端工作流程。

Nuzon-AI提供一個基於Python的代理框架，允許定義任務、管理對話記憶和通過插件擴展功能。它支持與主要LLMs（OpenAI、本地模型）集成，使代理能執行網絡互動、數據分析和自動化流程。架構包括技能註冊表、工具調用系統及多代理協作層，讓您組合代理用於客戶支持、研究輔助和個人生產力。透過配置文件，您可以定制每個代理的行為、記憶保留策略和日誌記錄，用於除錯或審計。