Continuum 是一個開源的 Python 框架，讓開發者能以模組化方式定義任務、工具與記憶體，來建構智能代理。使用 Continuum 的代理遵循「規畫-執行-觀察」循環，能在大型語言模型推理與外部 API 調用或腳本之間插入。其插件架構支援多種記憶體存儲（如 Redis、SQLite）、自訂工具庫及非同步執行。注重彈性，使用者可撰寫自訂代理規則，整合第三方服務如資料庫或 Webhook ，以及在多種環境部署。Continuum 的事件驅動協調會記錄代理行動，有助於除錯與性能調優。不論是自動化資料擷取，構建對話式助理，或協調 DevOps 流程，Continuum 都提供可擴展的產線級 AI 代理工作流程基礎。

Council提供了一個結構化的環境，用於設計AI代理，包括定義角色、串聯任務和集成外部工具或API。用戶可以配置記憶存儲、管理代理狀態並實現定制的推理管道。Council的插件架構支持與NLP服務、數據源和第三方工具的無縫整合，使您能夠快速建立和部署協調執行複雜任務的多代理系統，並保證其可靠性。

Crayon使開發者能在JavaScript/Node.js中建立能呼叫外部API、維持對話歷史、規劃多步任務和處理非同步流程的自主AI代理。其核心實現了一個規劃-執行循環，將高層目標拆解為獨立的行動，並與自訂工具包整合，利用記憶模組來儲存和回憶資訊跨會議。該框架支援多個記憶後端、插件式工具整合與完整的除錯記錄。開發者可以透過提示與YAML流程配置代理行為，這促使複雜工作流程，例如資料爬取、報告生成和互動聊天機器人變得簡便且高效。Crayon的架構支持擴展，讓團隊能整合特定領域工具並根據業務需求調整代理。

Fast-LLM-Agent-MCP 是一個輕量級的開源 Python 框架，用於構建結合記憶管理、鏈式推理和多步規劃的 AI 代理。開發者可以與 OpenAI、Azure OpenAI、本地 Llama 及其他模型整合，以保持對話上下文、產生結構化推理跡徑，並將複雜任務拆解為可執行的子任務。其模組化設計允許整合自定義工具及記憶庫，適用於虛擬助理、決策支援系統及自動化客戶支持機器人等應用。

Dive是一個基於Python的開源框架，旨在創建和運行能夠執行多步任務、且需要最少手動干預的自主AI代理。通過在簡單的YAML配置文件中定義代理配置文件，開發者可以指定API、工具和記憶模組，用於數據檢索、分析和管道協調。Dive管理上下文、狀態和提示工程，允許靈活的工作流程，並具有內建錯誤處理和日誌記錄。其模組化的架構支持廣泛的語言模型和檢索系統，方便組建用於客戶服務自動化、內容生成和DevOps流程的代理。該框架可以從原型擴展到生產，提供CLI命令和API端點，便於與現有系統集成。

Restack Python SDK 範例提供一套完整的示範專案，說明如何利用 Restack 平台構建 AI 代理。包括聊天機器人、文件分析代理和任務自動化工作流程的模板。範例涵蓋 API 配置、工具整合（例如網路搜尋、記憶體儲存）、代理協調、錯誤處理與部署情境。開發者可克隆範例庫，設定 API 金鑰，並擴展範例代理以符合自訂用例。

Exo 是一個以開發者為中心的框架，能夠建立能與用戶溝通、調用外部API，以及保存會話上下文的人工智能驅動代理。它的核心使用TypeScript定義來描述工具、記憶層和對話管理。用戶可以註冊自定義動作，用於數據檢索、排程或API協調。框架自動處理提示模板、訊息路由和錯誤處理。Exo的記憶模組可以跨會話存儲和回憶用戶特定資訊。開發者可在Node.js或無伺服器環境中以最少配置部署代理。Exo還支持用於記錄、認證和度量的中介軟體。其模組化設計確保各組件可以在多個代理中重用，加快開發速度並減少冗餘。

Fabrice AI讓開發者能在Node.js與瀏覽器環境中建立利用大型語言模型（LLMs）的高階AI代理系統。內建記憶模組用於保存對話歷史、工具整合以擴展代理能力並支持自訂API，以及插件系統促進社群擴充。配合類型安全的提示模板、多代理協調和可配置的運行時行為，簡化聊天機器人、任務自動化與虛擬助理的建立。跨平台設計確保無縫部署於網頁應用、無伺服器功能或桌面程式，加速智能且具上下文感知的AI服務開發。

ggfai提供統一介面來定義目標、管理多步推理，並利用記憶模組維護對話內容。它支援可自訂的工具集成以呼叫外部服務或API，非同步執行流程，以及OpenAI GPT模型抽象。框架的插件架構讓你能更換記憶後端、知識庫和行動範本，簡化在客戶支援、資料檢索或個人助理等任務中的代理協調。

Microsoft AutoGen旨在促進自主AI代理之端到端開發，提供模組化的記憶管理、任務規劃、工具整合和通信元件。開發者可以定義具有結構化架構的自訂工具，並連結到主要的LLM供應商如OpenAI和Azure OpenAI。此框架支援單一或多代理的協同，實現讓代理協調完成複雜任務的合作流程。其即插即用的架構允許輕鬆擴展新的記憶存儲、規劃策略和通信協定。透過抽象低層次的整合細節，AutoGen加快了原型開發和部署人工智慧驅動應用的速度，應用範圍涵蓋客服、資料分析與流程自動化等領域。

Nestor提供模組化架構，組合能維持對話狀態、調用外部工具及自訂處理流程的AI代理。主要特色包括基於會話的記憶存儲、工具函數或插件註冊表、彈性的提示範本，以及統一的LLM客戶端介面。代理可執行序列任務、決策分支，並整合REST API或本地腳本。Nestor不依賴特定框架，使用者可以用OpenAI、Azure或自託管的LLM供應商。

LangGraph-Swift 提供一個基於圖形的 DSL，用於通過串接代表行動的節點（如 LLM 查詢、檢索操作、工具調用和記憶管理）來建立 AI 工作流程。每個節點皆為型別安全，並可連接來定義執行順序。該框架支援適配器連接流行的 LLM 服務如 OpenAI、Azure 和 Anthropic，也支持自訂工具整合，用於調用 API 或函式。內建的記憶模組可跨會話保留上下文，提供除錯與視覺化工具，並支援跨平台運行於 iOS、macOS 和 Linux。開發者可以擴充自訂邏輯的節點，快速原型出聊天機器人、文件處理器與自主代理人，皆可在 Swift 內使用。

LAuRA通過提供一個結構化的規劃、檢索、執行和記憶管理模塊管道，簡化智能AI代理的建立。用戶定義複雜任務，LAuRA的Planner會將其分解為可行的步驟，Retriever從向量數據庫或API中獲取信息，而Executor調用外部服務或工具。內建的記憶系統在交互期間保持上下文，支持狀態化和連貫的對話。通過支持流行LLM和向量存儲的擴展性連接器，LAuRA支持快速原型開發和擴展，適用於文檔分析、自動報告、個性化助手及業務流程自動化等應用案例。其開源設計促進社群貢獻與整合彈性。

LLMWare 作為一個全面的工具包，用於構建由大型語言模型驅動的 AI 代理。它允許用戶定義可重用的鏈條，通過簡單接口整合外部工具，管理上下文記憶狀態，並協調多步推理，涵蓋語言模型與下游服務。使用 LLMWare，開發者可插入不同模型後端，設定代理決策邏輯，並附加自定義工具包，用於網頁瀏覽、資料庫查詢或 API 呼叫等任務。其模組化設計支持快速原型開發自主代理、聊天機器人或研究助手，並提供內建日誌記錄、錯誤處理與部署適配器，適用於開發與生產環境。

LLPhant 是一個開源的 Python 框架，讓開發者能建立多功能的 LLM 驅動代理。提供整合工具（API、搜尋、資料庫）、多輪對話記憶管理以及可自訂的決策循環。支援多個 LLM 後端（如 OpenAI、Hugging Face 及其他），插件式組件，以及配置驅動的工作流程，加快代理開發。可用於原型開發聊天機器人、自動化任務或建立融入外部工具與情境記憶的數位助手，免寫繁瑣重複碼。

Local-Super-Agents提供一個基於Python的平台，用於創建完全在本地運行的自主AI代理。框架包括模組化元件，如記憶體存儲、API整合工具包、LLM適配器和代理協調。用戶可以定義自訂任務代理、連鎖行動，並在沙盒環境中模擬多代理協作。它通過CLI工具、預設模板和可擴展模組抽象複雜的設定。沒有雲端依賴，讓開發者保有資料隱私與資源控制。其插件系統支援整合網頁爬蟲、資料庫連接器和自訂Python函式，應用於自主研究、資料擷取和本地化自動化等工作流程。

Magi MDA是一個以開發者為中心的AI代理框架，簡化自主代理的建立與部署。它提供核心組件——規劃者、執行者、解釋器和記憶體——可以組裝成自定義流程。用戶可連接流行的LLM提供者進行文字生成、加入檢索模組以增強知識，並整合任意工具或API以完成專門任務。該框架自動處理逐步推理、工具路由和上下文管理，讓團隊專注於領域邏輯，而非協調程序。

ManasAI是一個以Python為基礎的框架，可創建具有內建狀態和模組化元件的自主AI代理。它提供代理推理、短期與長期記憶、外部工具與API整合、訊息驅動事件處理與多代理協調的核心抽象。代理可被設定來管理背景、執行任務、處理重試及收集反饋。其可插拔架構讓開發者能根據特定工作流程調整記憶後端、工具和協調器，非常適合原型開發聊天機器人、數位工作者與需要持續背景與複雜交互的自動化流程。

MindForge是一個堅固的協調框架，設計用於以最少樣板碼建構和部署AI驅動的代理。它採用模組化架構，包括任務規劃器、推理引擎、記憶管理器和工具執行層。透過LLMs，代理可以解析用戶輸入、制定計劃並調用外部工具 — 如網頁爬蟲API、資料庫或自訂腳本 — 以完成複雜任務。記憶組件保存對話背景，啟用多回合互動，決策引擎根據政策動態選擇動作；支援插件與可自訂的工作流程管線，開發者能擴充功能，加入自訂工具、第三方整合與領域知識庫。MindForge簡化了AI代理的開發流程，促進快速原型以及在生產環境中的擴展部署。

Multi-Agents 提供一個結構化環境，不同的 AI 代理——如規劃者、執行者和批評者——協同解決多步驟任務。規劃者負責將高層目標拆解為子任務，執行者透過與外部 API 或工具互動來完成每一步，批評者則檢查結果的準確性與一致性。記憶模組允許代理在多次互動中存儲上下文，訊息系統則確保溝通無縫。此框架可擴充，使用者可加入自定義角色、整合專有工具或換用 LLM 後端以符合特殊應用需求。