LinkAgent提供一個輕量級的微核心，用於構建具插拔元件的AI代理。用戶可以註冊語言模型後端、檢索模組與外部API作為工具，並運用內建的規劃器與路由器，組合成工作流程。LinkAgent支援記憶體處理器以保持上下文持續，動態調用工具，並設有可配置的決策邏輯進行複雜的多步推理。只需少量程式碼，團隊即可自動化問答系統、資料抽取、流程協調與報告產生等任務。

Minerva 是一個可擴展的 AI 代理框架，設計用來利用大型語言模型自動化複雜工作流程。開發者可以整合外部工具，例如網絡搜尋、API 呼叫或檔案處理器，定義自訂的規劃策略，並管理對話或持久存儲的記憶。Minerva 支援同步與非同步的任務執行，可配置的日誌記錄與插件架構，使原型設計、測試和部署智能代理變得容易，這些代理能在現實場景中進行推理、規劃和工具使用。

Multi-Agent-Seller 提供了一個模組化的環境，用於使用AI代理模擬電子商務談判。它包括預設的買家和賣家代理，具有可自定義的談判策略，例如動態定價、基於時間的讓步和效用為基礎的決策。用戶可以定義自定義協議、訊息格式和市場條件。該框架負責會話管理、報價追蹤和結果日誌，並配備內建的可視化工具以分析代理互動。它可以輕鬆與機器學習庫整合，用於策略開發，支持使用強化學習或規則的代理進行實驗。其擴展性架構允許添加新代理類型、談判規則和可視化插件。Multi-Agent-Seller 非常適合測試多代理算法、研究談判行為，以及在AI與電子商務領域進行概念教學。

貓頭鷹提供一個以開發者為中心的工具包，使創建能獨立執行複雜、多步任務的AI代理成為可能。核心上，貓頭鷹利用大型語言模型（LLM）進行推理，並通過插件系統調用外部API、執行程式碼和查詢資料庫。開發者使用簡單的TypeScript API定義代理，指定工具集並配置記憶模組以維持狀態。貓頭鷹的運行時會編排推理循環，處理工具調用與併發。它支持Node.js和Deno環境，確保平台廣泛兼容。有內建的日誌記錄、錯誤處理與可擴展性鉤子，簡化AI驅動工作流程、聊天機器人及自動化助手的原型設計與正式部署。

Rawr Agent 是一個模組化、開源的 Python 框架，讓開發者能透過協調複雜的 LLM 互動流程來構建自主式 AI 代理。利用 LangChain 的底層支援，Rawr Agent 允許用 YAML 配置或 Python 程式碼定義任務序列，並加入 Web API、資料庫查詢和自定義腳本等工具。它包含用於存儲對話歷史和向量嵌入的記憶元件、優化重複呼叫的快取機制，以及用於監控代理行為的豐富日誌與錯誤管理。其擴展架構支援自訂工具和介面，適用於自動化研究、資料分析、報告生成與互動聊天機器人等任務。通過簡單 API，團隊能快速原型設計並部署多樣化應用的智能代理。

SimplerLLM為開發者提供最簡化的API，用於組合LLM鏈、定義代理操作以及編排工具調用。內建存儲記憶、提示模板和輸出解析的抽象層，使用戶能快速建立可保持上下文的對話代理。該框架可無縫整合OpenAI、Azure和HuggingFace模型，並支持可插拔的搜尋、計算器與自定義API工具包。其輕量核心減少依賴，促進敏捷開發，並輕鬆在雲端或邊緣部署。不論是建立聊天機器人、QA助手或任務自動化器，SimplerLLM都能簡化端到端的LLM代理流程。

SuperBot是一個全面的AI代理框架，使開發者能透過Python和命令列部署自主且具上下文感知的助手。它整合了OpenAI的聊天模型與記憶體系統、函數調用功能及插件架構。代理可以執行Shell命令、運行程式碼、與檔案互動、進行網路搜尋以及維持對話狀態。SuperBot支援多代理協調，以應付複雜的工作流程，全部可透過簡單的Python腳本和CLI指令設定。其擴充設計允許加入自訂工具、自動化任務，以及整合外部API，打造健壯的AI驅動應用。

Team of AI Agents提供模塊化架構，用於建立和部署多代理系統。每個代理具有不同角色，利用全域記憶庫和本地上下文來保存知識。該框架支援非同步消息傳遞、通過適配器使用工具，以及根據代理結果動態重新分配任務。開發者可用YAML或Python腳本配置代理，實現專題化、目標層次和優先級管理。內建性能評估與除錯指標，促進快速迭代。通過可擴展插件架構，用戶可以整合自定義NLP模型、資料庫或外部API。Team of AI Agents利用專門化代理的集體智慧，加速複雜工作流程，非常適合研究、自動化和模擬環境。

Toolbox-macos 將您的 Mac 轉變為 AI 代理中心，內建多元的 AI 工具集於原生菜單列應用。它利用 OpenAI 的 GPT 模型及其他 API，讓您可以選取文字、摘要內容、翻譯語言、產生代碼、創建自訂圖像、網路搜尋或透過自訂腳本與插件自動化工作流程。您可以設定全域熱鍵、定義宏，以及整合第三方 AI 服務來客製化回應。它能在所有應用程式中即時提供 AI 功能，不需切換上下文，提升生產力、加快創作流程，並集中管理喜愛的 AI 工具。用戶可透過 macOS 的指令面板或可自定義的鍵盤快捷鍵呼叫指令，確保與編輯、瀏覽或程式碼開發流程無縫整合。其開放架構支援社群延伸與本地端 AI 模型執行，保護敏感資料。

A2A SDK是用於構建、串接和管理Python中AI代理的開發者工具包。它提供API，用於通過提示或代碼定義代理行為，將代理連接到流程或工作流，並實現異步訊息傳遞。支援OpenAI、Llama、Redis和REST服務的整合，讓代理可以獲取資料、調用函數和儲存狀態。內建UI監控代理活動，模組化設計確保可擴展或替換元件以符合自訂應用場景。

Aegix提供一個強大的SDK，用於協調能處理複雜工作流程的多步推理AI代理。它支持多種LLM提供者，允許開發者整合自定義工具——從數據庫連接器到網頁爬蟲——並使用向量存儲等記憶模塊來保持對話狀態。Aegix的靈活代理循環架構允許制定規劃、執行和審查階段，使代理能迭代優化輸出。無論是構建文件問答機器人、代碼助手還是自動支持代理，Aegix都通過清晰的抽象、配置驅動的管道和便捷擴展點簡化開發。其設計可從原型擴展到生產，確保在AI應用中提供可靠性能和可維護的代碼庫。

AgentIn 是一個基於 Python 的 AI 代理框架，旨在加速對話與任務驅動代理的開發。它提供內建記憶模塊以持久化上下文，動態工具整合以調用外部 API 或本地函數，以及靈活的提示模板系統用於定制交互。多代理協調可實現平行工作流程，而日誌和緩存則提升可靠性與可審計性。可通过 YAML 或 Python 代碼輕鬆配置，AgentIn 支援主要 LLM 提供商，並可透過自定義插件擴展域特定功能。

Agents with ADK是一個開源的Python框架，旨在簡化由大型語言模型驅動的智能代理建立。它包含模組化的代理範本、內建記憶管理、工具執行介面，以及多代理協調功能。開發者能快速插入自定義功能或外部API，配置規劃與推理流程，並監控代理互動。該框架支援與流行的LLM供應商整合，並提供日誌、重試邏輯，以及用於生產部署的擴展性。

Agent of Code是一個多功能的AI代理框架，使開發者能將日常的程式撰寫任務委託給智慧代理。它利用大型語言模型將自然語言指令轉換為完整可運行的程式碼，執行自動化審查、除錯和重構遺留系統。用戶以YAML或JSON配置定義目標與參數，選擇插件來進行測試或持續整合(CI)，並通過CLI執行代理。該框架協調API調用、管理上下文窗口，並將模組式的回應組合成完整的程式碼腳本。架構可擴展，開發人員可以插入自訂模組，整合版本控制，並依照專案工作流程調整代理流程。

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。

AgentPilot 提供一個完整的 monorepo 解決方案，用於建立、管理與部署自主 AI 代理。核心特色包括擴展性插件系統，整合自訂工具及 LLMs、跨對話的記憶管理層，以及排程模組來串接代理任務。用戶可以透過命令列介面或網頁儀表板操作，配置代理、監控執行狀況、檢閱日誌。透過抽象化代理協調、記憶管理與 API 整合的複雜性，AgentPilot 支援快速原型設計與產線部署，用於客戶支援自動化、內容生成、資料處理等多領域應用。

Agents from Scratch TS 是一個開源的 TypeScript 框架，示範如何使用 LangChain 從底層建立 AI 代理。它包括用於定義和註冊外部工具、管理對話記憶、將用戶輸入路由到正確的代理，以及鏈接多個 LLM 呼叫的範例程式碼。開發者可以用它來了解最佳實踐、客製化代理行為，以及整合新功能，如網路搜尋、數據檢索或自訂插件，以自動化任務或建立互動式助手。

AgentX提供一個可擴展的架構，用於構建利用大型語言模型、工具和API集成以及記憶模塊的AI驅動代理，能夠自主執行複雜任務。它具有插件系統，支持自定義工具、基於向量的檢索、思維鏈推理和詳細執行日誌。用戶可通過靈活的配置文件或代碼來定義代理，指定工具、記憶後端如Chroma DB以及推理管道。AgentX管理多會話中的上下文，支持檢索增強生成，並促進多輪對話。其模塊化組件允許開發者協調工作流程、定制代理行為，並與外部服務集成，用於自動化、研究協助、客戶支持和數據分析。

AI-Agent-Framework為使用Python建立AI驅動代理提供完整基礎。包括管理會話記憶、整合外部工具及建立提示模板的模組。開發者可連接多個LLM提供商、裝配自定義插件，並在協調工作流程中編排多個代理。內建的日誌與監控工具幫助追蹤代理表現與除錯。其擴展性設計便於無縫新增連接器或領域專用功能，非常適合快速原型設計、研究項目及產業級自動化。

autogen4j 是一個輕量級的 Java 函式庫，旨在抽象建立自主 AI 代理的複雜性。它提供核心模組用於規劃、記憶體存儲與行動執行，使代理能將高層次的目標拆解成連續的子任務。該框架與 LLM 提供者（如 OpenAI、Anthropic）整合，並允許註冊自訂工具（HTTP 客戶端、資料庫連接器、檔案輸入輸出）。開發者透過流暢的 DSL 或註解來定義代理，快速組裝資料豐富、自動化報告與對話機器人的流程。一個可擴展的插件系統確保靈活性，實現多樣應用的微調行為。