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。

Modus是一個面向開發者的框架，它通過提供LLM整合、記憶存儲和工具編排的核心組件，簡化了AI代理人的創建。它支持插件式工具庫，使代理人能執行數據檢索、分析和操作等任務。內置的記憶模塊讓代理人能保持對話上下文並在互動中學習。其可擴展的架構加快了各種應用中的AI開發和部署。

MultiAgent-Systems-StarCraft2-PySC2-Raw提供一整套工具組，用於在星際爭霸II中開發、訓練與評估多個AI代理。它暴露低層次控制單位移動、目標指向和技能，同時支持彈性的獎勵設計與場景配置。用戶可以輕鬆插入自定義神經網路架構、定義隊伍協調策略，並記錄指標。基於PySC2，支援並行訓練、檢查點與視覺化，非常適合推動合作與對抗多智能體強化學習的研究。

Trainable Agents 被設計為模組化、可擴展的工具包，用於快速開發和訓練由先進大型語言模型支持的 AI 代理。框架抽象出交互環境、策略介面和反饋循環等核心組件，使開發者能夠輕鬆定義任務、提供示範並實現獎勵函數。內建支持 OpenAI GPT 和 Anthropic Claude，方便體驗重放、批次訓練和性能評估。它還包括日誌記錄、指標追蹤和導出訓練策略的工具。不論是建立對話聊天機器人、自動化工作流程或進行研究，此框架都能簡化從原型到生產的整個流程，融於一體的 Python 套件中。

Coffee-Shop-AI-Agents是一款開源框架，用於構建和部署專業的AI代理，實現咖啡店關鍵功能的自動化。利用LangChain和OpenAI模型，該項目提供模組化的代理，包括能處理複雜飲品訂單、提供定制建議和管理原料存貨的咖啡師代理，負責支付、出具數字收據和追蹤銷售指標的收銀員代理，以及生成庫存預測、提出補貨計劃和分析績效數據的經理代理。透過可定制的模板和流程配置，開發者可以快速將這些代理適配於商店的特殊規則和菜單。倉庫中含有安裝腳本、API集成以及範例工作流程，用於在開發者友好的環境中模擬逼真的客戶互動和經營分析。

LLM Agents Example提供一個實用的範例程式碼庫，用於建立Python中的AI代理。它展示註冊自訂工具（如網路搜尋、WolframAlpha數學求解器、CSV分析器、Python REPL）、建立聊天及檢索型代理，並連接向量資料庫進行文件問答。此範例示範維持對話記憶、動態派遣工具呼叫，以及鍊結多個LLM提示來解決複雜任務的方法。使用者可學習整合第三方API、結構化代理工作流程，並延展框架功能——作為開發者實驗與原型設計的實用指南。

pyafai是開源的Python函式庫，協助開發者設計、配置與執行自主式AI代理。它提供可插拔模組，用於管理記憶以保存上下文、整合工具以呼叫外部API、環境監控器、決策規劃器，以及用於管理代理循環的協調器。其日誌與監控功能提供代理效能與行為的可視性。pyafai支援主要LLM供應商，允許建立自訂模組，並降低樣板碼數，使團隊能快速原型化虛擬助理、研究機器人與自動化工作流程，並完整掌控每個元件。

X AI Agent提供模組化架構，用於構建智能代理。它支持與外部工具和API的無縫集成、可配置的記憶模塊，以及多LLM協調。開發者可以在程式碼中定義自訂技能、工具連接器和工作流程，然後部署能自動獲取資料、生成內容、自動化流程和處理複雜對話的代理。

Fetch.ai的自主經濟代理（AEA）是一個多用途框架，讓開發者能設計、實現並協調自主軟件代理，這些代理能相互作用、與外部環境及數字帳本互動。利用插件架構，AEA提供預建模塊，用於通信協議、加密帳本API、去中心化身份和可自定義的決策能力。代理能在去中心化市場合內自我探索及交易，執行目標驅動行為，並通過實時數據流進行調整。該框架支持模擬工具，用於測試和排除多代理情境的錯誤，以及部署到實時區塊鏈或點對點網絡。結合內建的互操作性和代理之間的訊息傳遞，AEA能簡化能源交易、供應鏈優化和智慧物聯網協調等複雜的自主經濟應用開發。

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。