YGO-Agent框架允許研究人員與愛好者利用強化學習開發能玩遊戲王卡牌遊戲的AI機器人。它將YGOPRO遊戲模擬器包裝成與OpenAI Gym相容的環境，定義手牌、場地和生命值等狀態表示，並包括召喚、魔法/陷阱啟動和攻擊等行動。獎勵基於勝負結果、造成的傷害和遊戲進展。代理架構使用PyTorch實作DQN，並提供客製化網絡架構、經驗回放及epsilon-greedy探索選擇。記錄模組可以記載訓練曲線、勝率與詳細行動日誌供分析。此框架為模組化設計，允許用戶替換或擴充獎勵函數或行動空間等元件。

Meta-Agent-with-More-Agents 是一個擴展性開源框架，實現了元代理架構，使多個專門的子代理可以合作完成複雜任務。它利用LangChain進行代理調度，並使用OpenAI API進行自然語言處理。開發者可以定義自訂的代理，用於數據擷取、情感分析、決策或內容生成。元代理負責任務分解、將目標派發給相應的代理、收集它們的輸出，並通過反饋循環不斷完善結果。其模組化設計支持平行處理、日誌記錄和錯誤處理。非常適合自動化多步工作流程、研究管道和動態決策支持系統，並簡化建立穩健的分散式AI系統，抽象化代理間通信與生命週期管理。