Evolving Agents提供了一個基於遺傳編程的框架，用於構建和演化模組化AI代理。用戶可以組合可互換的代理架構，配置環境模擬和適應度指標，然後運行進化周期，自動產生改進的代理行為。該庫包括突變、交叉、種群管理和進化監控的工具，讓研究者和開發者能在多樣的模擬環境中原型設計、測試並改良自主代理。

Hyperbolic Time Chamber 提供一個彈性的環境，用來建構 AI 代理，包含記憶管理、語境窗口編排、提示鏈結、工具整合及執行控制等元件。開發者透過模組化積木定義代理行為，配置短長期記憶，並連結外部 API 或本地工具。該框架支持非同步、記錄與調試功能，促進快速迭代，讓在 Python 專案中部署複雜對話或任務導向代理更加便捷。

Isek是一個針對開發人員的AI代理建構平台，採用模組化架構。提供工具和資料來源的插件系統、內建記憶以保留上下文、及協調多步任務的規劃引擎。你可以在本地或雲端部署代理，整合任何LLM後端，並透過社群或自訂模組擴展功能。Isek透過範本、SDK和CLI工具，簡化聊天機器人、虛擬助手及自動化工作流程的快速開發。

mcp-agent-graph為AI代理提供一個基於圖的調度層，使開發者可以將複雜的多步工作流程映射為有向圖。每個圖節點對應一個代理任務或函數，捕捉輸入、輸出和依賴。邊定義代理之間的數據流，確保正確的執行順序。引擎支持順序和並行執行模式，能自動解決依賴，並可與自定義Python函數或外部服務整合。內建的視覺化功能允許用戶檢查圖拓撲並進行調試。該框架簡化模組化、可擴展的多代理系統開發，用於數據處理、自然語言工作流程或結合多個AI模型的管道。

OpenMAS旨在促進去中心化AI代理和多智能體協調策略的開發與評估。其具有模組化架構，允許用戶定義自訂的代理行為、動態環境模型和代理間訊息傳遞協議。框架支援基於物理的模擬、事件驅動的執行，以及AI演算法的插件整合。用戶可通過YAML或Python配置場景、視覺化代理互動，並利用內建分析工具收集性能指標。OpenMAS簡化了在群智能、合作機器人和分散式決策等研究領域的原型設計。

該儲存庫提供逐步教程和範例實作，用於創建使用DeepSeek進行高維度向量檢索的ReAct AI代理。內容涵蓋環境配置、依賴安裝及自定義數據的向量存储配置。該代理利用ReAct模式結合推理和外部知識查找，產生透明且可解釋的回應。用戶可擴展系統，加入更多文件載入器、微調Prompt模板或更換向量資料庫。此彈性框架能幫助開發者與研究者快速原型設計強大的對話代理，實現推理、檢索及多知識源的無縫互動，只需幾行Python程式碼。

RepoAgent 是一個能將任何程式碼倉庫轉變為互動知識庫的人工智慧框架。它將原始碼檔案、函式、類別與文件索引至向量儲存區，實現快速搜尋與情境回應。開發者可問及有關程式碼功能、架構或相依性之自然語言問題。它支援自動摘要、文件生成與測試案例製作，並結合大型語言模型來達成。RepoAgent 也會分析問題、Pull Request 及提交歷史，提供程式碼品質和潛在錯誤的洞見。其模組化設計允許自訂檢索流程、模型選擇與輸出格式。透過整合至 CI/CD 流程或 IDE，使開發更有效率，降低學習曲線，提升團隊生產力。

簡易自學為開發者提供一個非常簡單的方法來用Python建立和訓練強化學習代理。該框架將核心RL組件（如環境封裝、策略模組和經驗緩衝）封裝為簡潔接口。用戶能快速初始化環境，使用熟悉的PyTorch或TensorFlow後端定義自訂策略，並執行內建有日誌記錄和檢查點的訓練循環。該庫支持on-policy和off-policy演算法，可靈活進行Q學習、策略梯度和演員-評論家方法的試驗。降低樣板碼重複度，使實務者、教師和研究人員能以最少配置快速原型化演算法、測試假設並視覺化代理性能。其模組化設計也便於與現有ML堆疊和自訂環境整合。

CASA設計為一個模組化即插即用的自主框架，建立在ROS生態系統之上。它采用去中心化架構，每個機器人運行本地規劃器和行為樹節點，並向共享黑板發布世界狀態更新。任務分配通過基於拍賣的算法來根據機器人能力和可用性分配任務。通信層使用標準ROS消息在多機器人網路中同步代理。開發者可以自定義任務參數、整合傳感器驅動和擴展行為庫。CASA支持場景模擬、實時監控和日誌工具。其擴展性設計使研究團隊能試驗新型協同算法，並能在多種機器平台上無縫部署，從無人地面車輛到空中無人機。

Advanced Agents Cookbooks是一個由社群管理的GitHub專案，提供基於LangChain的AI代理食譜庫。內容涵蓋存取記憶模組以保持上下文、整合自定義工具及外部API、使用函數呼叫獲得結構化回應、進行思考鏈計劃，以及多步工作流程的協同處理。開發人員可以使用這些範例來了解最佳實踐、調整行為，加速智慧代理的開發，實現排程、資料檢索與客戶支援等自動化。

ai-agents-trial是一個開源的Python項目，展示如何使用LLMs構建自主AI代理。它提供模組化抽象來規劃代理、調用工具（如網絡搜索、計算器）和管理記憶。開發者可以定義自訂工具、串連多步操作，並在會話間保存上下文。這個代碼庫結合OpenAI API與輔助工具，協調工作流程，非常適合快速建立聊天助手、研究機器人或專門領域的自動化代理的原型。擴展點允許添加新連接器和資料來源，無需更改核心邏輯。

Swarms是一個開發工具包和框架，旨在簡化自主AI智能體的創建與協調，讓它們共同運作以處理複雜的工作流程。每個智能體都可以配置不同角色、工具和記憶背景，使專門的智能體能進行資訊搜尋、資料分析、創意生成或調用外部API。該平台提供命令列界面、Python SDK與YAML配置文件，用於定義智能體行為、調度策略和智能體間通信。Swarms支持與OpenAI、Anthropic、Azure及開源LLMs的整合，內建日誌記錄、監控儀表板，以及模組化的持久層來串連多步推理流程。有了Swarms，團隊可以用最少的樣板碼快速架構、測試與部署分散式的自組織AI解決方案，完全可觀測。

Clear Agent 是一個面向開發者的框架，旨在簡化建立AI驅動代理的流程。它提供工具註冊、記憶體管理和可自定義的代理類，可以處理用戶指令，調用API或本地函數，並返回結構化回應。開發者可以定義工作流程，透過插件擴展功能，並在多個平台部署代理而無需樣板碼。Clear Agent 強調清晰、模組化以及易於整合，適用於生產環境的AI助手。

CrewAI-Learning是一個開源庫，旨在簡化多智能體強化學習的項目。它提供環境結構、模組化智能體定義、可定制的回饋函數，以及適用於協作任務的內建算法如DQN、PPO和A3C。用戶可以定義場景、管理訓練迴圈、記錄度量並視覺化結果。框架支持動態配置智能體團隊和回饋共享策略，使其在多領域中便於原型設計、評估和優化合作AI解決方案。

Dev-Agent 是一個開源的AI代理框架，能快速幫助開發者構建和部署自主代理。它將模塊化插件架構與易於配置的工具調用相結合，包括HTTP端點、資料庫查詢和自定義腳本。代理可以利用持久記憶層來參考過去的互動，並協調多步推理流程以完成複雜任務。支持內建的OpenAI GPT模型，用戶通過簡單的JSON或YAML規格定義代理行為。CLI工具管理身份驗證、會話狀態和日誌記錄。無論是建立客服機器人、資料擷取助手，還是自動化CI/CD助手，Dev-Agent都能降低開發負擔並通過社群驅動的插件實現無縫擴展，為多樣化的AI驅動應用提供彈性與擴展性。

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。

gym-multigrid提供一套可定製的網格世界環境，旨在用於強化學習中的多房間導航和探索任務。每個環境由相互連接的房間組成，內有物體、鑰匙、門和障礙物。用戶可以程式設計調整網格大小、房間配置和物體佈局。該庫支持全觀測或部分觀測模式，提供RGB或矩陣狀態表示。行動包括移動、物體交互和門的操作。將其作為Gym環境整合後，研究人員可以利用任何兼容Gym的代理，無縫訓練和評估用於鑰匙門拼圖、物體檢索和層次規劃等任務的演算法。gym-multigrid的模組化設計與最小依賴，使其成為新AI策略基準測試的理想選擇。

Julep AI 是一個開源平台，旨在幫助數據科學團隊快速構建、迭代和部署多步驟的 AI 工作流程。使用 Julep，您可以使用代理、任務和工具創建可擴展、持久和長時間運行的 AI 管道。該平台的 YAML 配置簡化了複雜的 AI 流程，確保生產就緒的工作流程。它支持快速原型設計、模組化設計和與現有系統的無縫集成，使其能夠處理數百萬的同時用戶，並提供對 AI 操作的完全可見性。

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。

Micro-agent 是一個輕量且無偏見的 JavaScript 函式庫，旨在簡化使用大型語言模型打造高階 AI 代理。它提供核心抽象，如代理、工具、規劃器與記憶體存儲，讓開發者組合自訂的會話流程。代理可以調用外部 API 或內部工具，實現動態資料擷取與行動執行。此庫支持短期會話記憶與長期持久存儲，以維持跨會話的上下文。規劃器負責串聯鏈式思考，將複雜任務拆解成工具調用或語言模型查詢。支援可配置的提示模板與執行策略，讓 micro-agent 無縫整合前端網頁、Node.js 服務與邊緣環境，成為構建聊天機器人、虛擬助手或自主決策系統的彈性基礎。