Overeasy 是一個基於 Python 的開源框架，用於在各種領域協調由 LLM 驅動的 AI 代理。它提供模組化架構，用以定義代理、配置記憶存儲及整合外部工具，如 API、知識庫與資料庫。開發者可以連接至 OpenAI、Azure 或自行托管的 LLM 端點，設計涉及單一或多個代理的動態工作流程。Overeasy 的協調引擎負責任務委派、決策及後備策略，從而打造強健的數位工作者，用於科研、客戶支持、資料分析、排程等。完善的文件與範例專案促進在 Linux、macOS 與 Windows 上的快速部署。

SmartRAG是一個模塊化的Python函式庫，設計用於搭配大型語言模型的檢索增強生成（RAG）工作流程。它結合了文件引入、向量索引和先進的LLM API，可提供準確且富含上下文的回應。用戶可以匯入PDF、文本檔或網頁，使用FAISS或Chroma等流行的向量存儲進行索引，並定義自訂的提示範本。SmartRAG負責協調檢索、提示組合與LLM推理，並回傳依據資料來源的連貫答案。通過抽象化RAG流程的複雜度，加快知識庫問答系統、聊天機器人及研究助理的開發速度。開發者可以擴充連接器、更換LLM供應商，並微調檢索策略以符合特定知識領域。

AI-Agents提供一個靈活的代理架構，協調語言模型規劃器、持久記憶模塊和可插拔的工具包。開發者定義HTTP請求、文件操作和自定義邏輯的工具，然後配置LLM規劃器以決定調用哪個工具。記憶存儲上下文和會話歷史。該框架處理異步執行、錯誤修復和日誌記錄，加快智能助手、數據分析器或自動化機器人原型開發，而無需重新發明核心協調邏輯。

Agent Nexus提供一個模組化架構，用於設計、設定和運行互聯的AI代理人，這些代理人合作完成複雜任務。開發者可以動態註冊代理人，透過Python模組自訂行為，並利用簡單的YAML配置定義通信流程。內建訊息路由器確保代理人間資料的可靠傳遞，整合的日誌記錄和監控工具幫助追蹤績效和偵錯工作流程。支援OpenAI和Hugging Face等熱門AI庫，使Agent Nexus能輕鬆整合多種模型。無論是原型研發、建立自動化客服助手，或是模擬多代理環境，Agent Nexus都能協助簡化合作型AI系統的發展與測試，涵蓋學術研究到商業部署。

Agentin 是一個開源的 Python 函式庫，旨在協助開發者建立能進行規劃、行動與學習的智慧代理。它提供管理對話記憶、整合外部工具或 API，以及協調多個代理人在平行或層級工作流程中的抽象層。藉由可配置的規劃模組與客製化工具封裝，Agentin 可迅速原型化自主資料處理、客服機器人或研究助理等代理。此框架亦提供擴展性強的日誌記錄與監控接口，便於追蹤代理決策與排查複雜的多步互動問題。

HackerGCLASS Agent API是一個開源的Python框架，暴露RESTful端點來運行AI代理。開發人員可以定義自定義工具整合、配置提示模板，並在各會話中維護代理狀態和記憶體。該框架支持多代理並行調度、處理複雜對話流程，並整合外部服務。它通過Uvicorn或其他ASGI服務器簡化部署，並通過插件模組提供擴展性，快速為各種用途創建領域專屬的AI代理。

Arenas 旨在簡化基於 LLM 的代理開發生命週期。開發者可以定義代理角色，將外部 API 和工具作為插件集成，並使用靈活的 DSL 組合多步驟工作流程。此框架管理對話記憶、錯誤處理和日誌記錄，支持堅固的 RAG 管線和多代理協作。通過命令列界面和 REST API，團隊可以在本地原型設計代理並將其部署為微服務或容器化應用。Arenas 支援流行的 LLM 提供商，提供監控儀表板，並內建常見用例的模板。這種靈活架構可以減少樣板代碼，加速面向客戶、研究和數據處理等領域 AI 解決方案的推向市場。

Build with ADK 透過提供CLI scaffolding工具、工作流程定義、LLM整合模組、測試工具、日誌紀錄以及部署支援，簡化建立AI代理的流程。開發者可初始化代理專案、選擇AI模型、配置提示詞、連結外部工具或API、進行本地測試，並將代理推上生產環境或容器平台——所有操作只需簡單指令。模組化架構方便插件擴充，並支持多種程式語言，提供最大彈性。

Chipper 是一個完全開源的 React 元件庫，旨在簡化由大型語言模型（LLM）支援的對話界面建構。它提供即時串流的 AI 回應、內建的上下文與歷史管理、多代理支持單一聊天、檔案附件與主題自定義。開發者可以透過簡單的屬性整合任何 LLM 後端，並擴展插件或用 CSS-in-JS 進行風格設定，以實現無縫品牌與響應式佈局。

Co-Sight 是一個開源的 AI 框架，簡化了實時視頻分析解決方案的開發與部署。它提供視頻數據輸入、預處理、模型訓練和分散推理的模塊，支援邊緣與雲端操作。內建物體檢測、分類、追蹤及管道編排等功能，確保低延遲處理與高吞吐量。其模塊化設計可與流行的深度學習庫集成，並利用 Kubernetes 無縫擴展。開發者可通過 YAML 定義管道，利用 Docker 部署，並通過網頁儀表板監控性能。Co-Sight 使用戶能建立智慧城市監控、智能運輸和工業質量檢測的高階視覺應用，縮短開發時間並降低運營複雜度。

Fetch.ai 是一個開源平台與軟體開發套件，旨在建立代表數字孿生的自主代理，搭建在去中心化網路上。它提供 Python 和 Rust SDK，並配備開放經濟框架（OEF）用於點對點發現，以及與分類帳的無縫整合以實現安全交易。開發者可以定義自訂的代理技能——如市場券差、資料提供或任務出價——並部署於測試網或主網。Fetch.ai 的代理能自主通訊、協商並執行智慧合約，支持供應鏈、物聯網生態系統、出行服務、能源網格等多代理協調。

JaCaMo提供一個統一的環境，用於設計和運行多智能體系統（MAS），整合三個核心組件：用於基於BDI代理的Jason代理語言、用於工件的環境建模CArtAgO，以及用於指定組織結構和角色的Moise。開發者可以撰寫代理計劃、定義帶操作的工件，並在規範框架下組織代理群組。此平台包括模擬、除錯和視覺化MAS交互的工具。支援分散式執行、工件資料庫及彈性訊息傳遞，使得JaCaMo能迅速原型化與研究，例如群體智慧、協作機器人及分散決策。其模組設計確保在學術及工業專案中的擴展性及彈性。

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。

FMAS（Flexible Multi-Agent System）是一個開源的Python函式庫，用於建立、運行和視覺化多代理模擬。您可以定義具有自訂決策邏輯的代理、配置環境模型、設置通訊渠道來進行通信，並執行可擴展的模擬。FMAS提供監控代理狀態、除錯交互和匯出結果的鉤子。其模組化架構支援用於視覺化、度量收集及與外部資料源整合的插件，非常適合研究、教育和自主系統的實際原型。

GenAI Agents SDK 是一個開源的Python函式庫，旨在協助開發者利用大型語言模型建立自主的AI代理。它提供一個核心代理範本，具有可插拔的模組，用於記憶儲存、工具介面、規劃策略與執行循環。你可以設定代理致電外部API、讀寫檔案、執行搜尋或與資料庫互動。其模組化設計確保易於客製化、快速原型開發，以及新功能的無縫整合，促進打造具備推理、規劃與在現實場景中行動的動態自主AI應用。

LLM to MCP整合引擎是一個開源框架，用於將大型語言模型（LLMs）整合到各種訊息通信平台（MCPs）中。它提供OpenAI和Anthropic等LLM API的適配器，以及Slack、Discord和Telegram等聊天平台的連接器。該引擎管理會話狀態、豐富上下文並雙向路由訊息。其插件化架構使開發者能擴展支持新供應商並自定義業務邏輯，加速AI代理在生產環境中的部署。

Mina 提供一個輕量且強大的基礎，用於在 Python 中構建 AI 代理。你可以定義自訂工具（例如網頁爬蟲、計算器或資料庫連接器）、附加記憶體緩衝器以維持對話上下文，並編排多步推理的語言模型呼叫序列。基於常用 LLM API，Mina 支援非同步執行、錯誤處理和日誌記錄。其模組化設計使加入新能力變得容易，而 CLI 介面則支援快速原型和代理驅動應用的部署。

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。

Swarms作為一個以Python為核心的框架與網頁介面，使使用者能配置具有特定角色、記憶管理與自定義提示的單一代理。使用者可透過視覺流程建構器或YAML配置來定義代理互動，協調複雜的決策樹、辯論以及協作任務。平台支援插件整合，用於資料查詢、知識庫存取及第三方API調用。部署後，Swarms提供即時監控代理活動、性能指標與日誌，可以利用容器協調工具水平擴展，支援大型AI模擬、機器人控制架構或智慧流程自動化。開源架構確保可擴充性、社群改進，並提供自我托管方案，確保資料完整控制。

WanderMind 提供模組化架構，用於建構自我引導的 AI 代理。它管理持久的記憶庫以在會話間保留上下文，整合外部工具和 API 以擴展功能，並通過可自定義的規劃器協調多步推理。開發者可以連接不同的 LLM 供應商、定義異步任務，並用新工具適配器擴展系統。此框架加速自主工作流程的實驗，應用範圍從想法探索到自動化研究助手，無需大量工程負擔。