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。

Automation Chatbot is designed to streamline repetitive workflows by allowing users to interact with connected services through conversational AI. Powered by OpenAI models and a Chroma vector store, the agent maintains context across sessions, recalls past interactions, and executes actions in platforms like Slack, Google Drive, and Calendar. With a modular connector architecture, developers can add new integrations for email, file management, or custom APIs. A built-in scheduling module enables automated triggers based on time or events. Using TypeScript definitions, the system validates input/output and generates code snippets automatically. The framework can run on local machines or containerized environments, providing extensibility and security controls like OAuth2 and API key management. This empowers organizations to deploy chat-driven automation tailored to their operational needs.

Autonomais是一個模塊化的AI代理框架，設計實現任務規劃和執行的完全自主。它整合大型語言模型來生成計劃，通過可定制的管道協調操作，並將上下文存儲在記憶模塊中，以實現連貫的多步推理。開發者可以插入額外的工具，如網頁爬蟲、數據庫和API，定義自定義動作處理器，並通過可配置的技能微調代理行為。該框架支持日誌記錄、錯誤處理和逐步調試，確保研究任務、數據分析和網頁交互的可靠自動化。其擴展性插件架構使Autonomais能快速開發具有複雜決策和動態工具使用能力的專用代理。

自治代理是一個開源的Python庫，旨在簡化由大型語言模型驅動的自主AI代理的創建。通過抽象感知、推理和行動等核心組件，它允許開發者定義自定義工具、記憶體和策略。代理能自主規劃多步任務、查詢外部API、通過自定義解析器處理結果，以及保持對話上下文。該框架支持動態工具選擇、序列和並行任務執行，以及記憶體持久化，讓數據分析、研究、電子郵件摘要和網頁抓取等工作具有強大的自動化能力。其可擴展性設計方便與各種LLM提供商和自定模組的集成。

ExampleAgent 是一個以開發者為中心的工具包，用於加速 AI 驅動助手的創建。它直接與 OpenAI 的 GPT 模型整合，處理自然語言理解與生成，並提供可插拔系統，加入自訂工具或 API。此框架管理對話上下文、記憶和錯誤處理，使代理能執行資訊檢索、任務自動化與決策流程。透過清晰的程式範例、文件與範例，團隊能快速原型化專屬於特定領域的聊天機器人、資料擷取、排程等。

Jaaz 是一個擴展性強的 AI 代理框架，旨在打造高度互動的聊天機器人和語音助理解決方案。它基於 Node.js 和 JavaScript，提供對話管理、上下文感知長期記憶，以及第三方 API 的核心模組，允許在對話中動態使用工具。開發者可定義自訂技能、利用大型語言模型進行自然語言理解，並整合語音到文本與文本到語音的引擎，提供語音交互體驗。模組化架構亦方便在雲端或本地部署，支援快速原型開發與產線流程。

JASA提供一整套完整的Java函式庫，用於構建和運行多代理系統的模擬。它支援代理的生命週期管理、事件排程、非同步訊息傳遞和環境建模。開發者可以擴展核心類別以實現定制行為、整合外部資料來源，並可視化模擬成果。該框架模組化設計與清晰的API文件促進快速建立原型和擴展性，使其適用於學術研究、教學和代理建模的概念驗證。

LangServe Assistant UI 是一款模組化的前端應用，使用 React 和 TypeScript 建構，可無縫連接 LangServe 後端，提供完整的對話式 AI 體驗。它具有可自定義的聊天視窗、即時訊息串流、情境相關的提示、多代理協調與插件鉤子，以支援外部 API 調用。UI 支援主題設計、在地化、會話管理與事件鉤子來捕捉使用者互動。可嵌入現有網路應用或作為獨立 SPA 部署，快速推出客服聊天機器人、內容產生助手與互動式知識代理。其擴展架構確保易於個性化與維護。

MCP Agent Tool Adapter作為語言模型代理與外部工具實現之間的中介層。透過註冊函數簽名或工具描述符，框架能自動分析標明工具調用的代理輸出，調度適當的適配器，處理輸入序列化，並將結果返回推理上下文。功能包括動態工具發現、併發控制、日誌記錄及錯誤處理管道。它支持定義自定義工具接口與集成雲端或本地服務，讓用戶可以在不修改代理核心代碼的情況下構建複雜的多工具工作流，例如API協調、數據檢索與自動化操作。

micro-agent提供了一套極簡但強大的抽象，用於創建自主的AI代理。它採用TypeScript編寫，在瀏覽器和Node.js環境中都能無縫運行，讓你能定義具有自訂提示範本、決策邏輯和擴展工具整合的代理。這些代理可以利用思考鏈推理，與外部API互動，並維持對話或任務特定的記憶。該庫還包含處理API回應、錯誤管理和會話持久化的工具。使用micro-agent，開發者可以原型設計並部署各種任務的代理，例如自動化工作流程、構建對話界面或協調數據處理管線，無需依賴較大的框架。其模塊化設計和清晰的API介面使其易於擴展和整合到現有應用中。

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。

多代理系統提供一套完整工具包，用於創建、控制和觀察自主代理之間的互動。開發者可以定義帶有自定義決策邏輯的代理類別，建立具有可配置資源和規則的複雜環境，以及實現資訊交流通道。此框架支援同步和非同步排程、事件驅動行為，並集成日誌記錄以測量績效指標。用戶可以擴展核心模組或整合外部AI模型來增強代理智能。視覺化工具可即時或事後呈現模擬，幫助分析新興行為並優化系統參數。從學術研究到原型分散式應用，多代理系統簡化了端到端的多代理模擬流程。

PulpGen 提供一個統一且可配置的平台，用於建立先進的基於 LLM 的應用。它提供與流行的向量存儲、嵌入服務及 LLM 供應商的無縫整合。開發者可以定義自訂管道進行檢索增強產生，啟用即時串流輸出，批次處理大量文件集，並監控系統性能。其可擴充架構支持插拔模組，包含快取管理、日誌和自動擴展，非常適合 AI 支援的搜尋、問答、摘要與知識管理解決方案。

AgentForce Custom Client 範例提供一套基於 JavaScript/TypeScript 和 Salesforce API 的程式碼庫，用於驗證 Salesforce 組織、管理 AgentForce 聊天會話、傳送與接收訊息，以及自訂使用者界面元件，展示事件訂閱、客製化商業邏輯整合與 Lightning Web Components 的樣式設定。開發者可以藉由此範本，快速架構 AI 對話代理、調整訊息流程、整合外部系統，並擴展框架以滿足特定組織工作流程和品牌需求。

Saga提供一個彈性的架構，用來建立規劃和執行多步工作流程的AI代理。核心組件包括將目標拆解為行動的規劃模組、用於對話及任務語境的記憶存儲，以及用於整合外部服務或腳本的工具登錄機制。代理以非同步方式運行，管理跨會話的狀態，並支持自訂工具的開發。Saga能快速原型化自主助理，自動化資料收集、警示和互動式問答等任務，皆可在您的Python環境中實現。

Taiat（TypeScript AI Agent Toolkit）是一個輕量且可擴充的框架，用於在Node.js和瀏覽器環境中建構自主式人工智慧代理。它允許開發者定義代理行為、整合OpenAI和Hugging Face等大型語言模型API，並協調多步工具執行流程。該框架支援可自定義狀態對話記憶體後端、網路搜尋工具註冊、檔案操作和外部API呼叫，以及可插拔的決策策略。透過Taiat，你可以快速原型設計具備自主規劃、推理與任務執行能力的代理，涵蓋資料擷取、摘要、自動產生程式碼及對話助理等應用。

Tiny-OAI-MCP-Agent提供一個基於OpenAI API的小型可擴展代理架構。它實現了一個多認知流程（MCP）循環，用於推理、記憶和工具使用。用戶定義工具（API、文件操作、代碼執行），代理會計劃任務、回顧上下文、調用工具，並對結果進行迭代。這個最小化的代碼庫讓開發者可以快速實驗自主流程、定制啟發式和高級提示模式，並自動處理API調用、狀態管理和錯誤恢復。

本儲存庫匯集了多智能體系統組件與分散式AI協調技術的完整集合。提供共識演算法、合約網協商協議、拍賣式任務分配、聯盟形成策略與智能體間通信框架的實作。使用者可以利用內建模擬環境，模擬並測試不同網路拓撲、延遲狀況及故障模式下的智能體行為。模組化設計讓開發者與研究者能方便整合、擴充或客製化單一協作模組，用於機器人群、物聯網裝置合作、智慧電網與分散式決策系統的應用。

Avalon-LLM是一個基於Python的多智能體AI框架，用於在協調環境中管理多個由LLM驅動的智能體。每個智能體可以配置特定的工具，包括網路搜索、文件操作和自定義API，以執行專門任務。該框架支持存儲對話背景與長期知識的記憶模組、用於改進決策的思考鏈推理，以及內建的性能評估流程以進行基準測試。Avalon-LLM提供模組化插件系統，方便開發者輕鬆添加或替換組件，例如模型提供者、工具包和記憶存儲。透過簡單的配置文件和命令列介面，用戶可以部署、監控和擴展符合研究、開發及生產用例的自主AI工作流程。

Cognify允許用戶定義數據科學目標，並讓AI代理處理繁重的任務。代理可以寫作和除錯代碼，連接到數據庫以獲取洞察，產生交互式可視化，甚至導出報告。通過插件架構，用戶可以擴展功能到自定義API、排程系統和雲服務。Cognify提供可重現性、協作功能和日誌追踪代理的決策與輸出，非常適合快速原型設計和生產流程。