Web-Agent 是一個基於 Node.js 的庫，旨在將自然語言指令轉化為瀏覽器操作。它能夠與主流 LLM 供應商（如 OpenAI、Anthropic 等）集成，控制無頭或有頭瀏覽器，執行頁面數據爬取、點擊按鈕、填寫表單、導航多步工作流程並導出結果。開發者可以用代碼或 JSON 定義代理行為，通過插件擴展功能，並鏈接多個任務構建復雜的自動化流程。它簡化繁瑣的網站任務、測試和數據收集，讓 AI 來解讀與執行。

ByteChef提供一個模組化架構，用於構建、測試和部署AI代理。開發者定義代理配置檔，附加自定義技能插件，並透過視覺化Web IDE或SDK協調多代理工作流程。它與主要的LLM供應商（OpenAI、Cohere、自託管模型）和外部API整合。內建的除錯、日誌和監控工具簡化迭代。專案可部署為Docker服務或無伺服器函數，實現可擴展且面向生產的AI代理，可應用於客戶支持、資料分析與自動化。

CogAgent是一個面向研究的開源Python庫，旨在簡化AI代理的開發。它提供核心模組，包括記憶管理、規劃與推理、工具與API整合，以及思維鏈執行。憑藉高度模組化的架構，使用者可以定義自訂工具、記憶存儲與代理政策，以建立對話聊天機器人、自動任務規劃器與流程自動化腳本。CogAgent支援與OpenAI GPT和Meta LLaMA等熱門LLMs整合，讓研究人員與開發者能實驗、擴展並擴展其智能代理，應用於各種實務場景。

Duet GPT是一個基於Python的開源框架，用於協調兩個GPT模型之間的多代理對話。你定義不同的代理角色，並用系統提示進行定制，框架自動管理輪流、訊息傳遞和對話記錄。這種合作結構加速解決複雜任務，支持比較推理、批評循環和反覆修正，通過來回交換來提高效率。其與OpenAI API的無縫集成、簡單配置和內建日誌，使其非常適合研究、原型開發和生產流程中的程式協助、決策支援和創意構思。開發者可以擴展核心類別，以整合新的LLM服務，調整迭代邏輯，並將對話記錄匯出為JSON或Markdown格式以便後續分析。

FastMCP是一個開源的Python框架，用於構建支援外部工具、資料來源和自訂提示的MCP（模型上下文協議）伺服器和客戶端。開發者在Python中定義工具類和資源處理器，註冊到FastMCP伺服器，並使用HTTP、STDIO或SSE等傳輸協議進行部署。其客戶端庫提供異步接口，方便與任何MCP伺服器互動，將AI代理無縫集成到應用中。

Goated Agents簡化了在Go中建立複雜的AI驅動自主系統。通過將鏈式思考處理直接嵌入語言運行時，開發者可以實現多步推理並產生透明的中間推理日誌。庫提供工具定義API，允許代理調用外部服務、數據庫或自定義模塊。記憶管理支持在多次互動中維持持久上下文。插件架構促使擴展核心能力，如工具包裝、日誌記錄與監控。Goated Agents利用Go的性能與靜態類型，提供高效可靠的代理執行。無論是構建聊天機器人、自動化流程還是研究原型，Goated Agents都提供組織複雜推理流程和無縫整合LLM驅動智能於Go應用的構建基礎。

GoLC 為開發者提供一個完整的工具包，用於在 Go 中構建語言模型鏈和代理。其核心包括鏈管理、可定制的提示模板，以及與主要 LLM 提供商的無縫整合。藉由文檔加載器和向量存儲，GoLC 能實現嵌入式檢索，支持 RAG 工作流程。該框架支持有狀態的記憶模組以便於對話環境，還有輕量的代理架構可協調多步推理及工具調用。其模組化設計允許集成自定義工具、資料來源及輸出處理器。以 Go 原生性能和最低依賴，GoLC 簡化 AI 管道開發，非常適合構建聊天機器人、知識助理、自動化推理代理以及生產級後端 AI 服務。

interactive-browser-use 是一個用於 Python/JavaScript 的庫，它連接大型語言模型（LLMs）與 Playwright 或 Puppeteer 等瀏覽器自動化框架，使 AI 代理能實時進行網絡交互。用戶可以通過定義提示，指示代理瀏覽網頁、點擊按鈕、填寫表單、提取表格以及滾動動態內容。該庫管理瀏覽器會話、上下文和操作執行，將 LLM 回應轉換為可用的自動化步驟。它簡化了即時網頁抓取、自動化測試和基於網頁的問答任務，提供一個可編程界面，用於 AI 驅動的瀏覽，減少手動操作並支持複雜的多步 Web 流程。

LLM Prompt Saver 是一個直觀的 Chrome 擴展程序，可增強您與 ChatGPT、Claude、CoPilot 和 Gemini 等各種語言學習模型（LLM）的互動。此擴展允許您為每個 LLM 保存、管理和重用多達五個提示，讓您更輕鬆地保持 AI 互動中的一致性和生產力。擁有清晰的界面和舒適編輯的大文本區域，您可以輕鬆在不同的 LLM 之間切換，保存新提示，並管理您的保存提示，並根據需要選擇複製、加載以進行編輯或刪除。這個工具非常適合希望簡化工作流程的研究人員、作家、開發人員和經常使用 LLM 的用戶。

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。

Proactive AI Agents是一個以開發者為中心的框架，旨在架構由大型語言模型推動的高級自主代理生態系統。它提供現成的功能用於代理創建、任務拆解和代理間通信，實現多步驟目標的無縫協作。每個代理可配備自定義工具、記憶存儲和規劃演算法，使其能積極預測用戶需求、排定任務並動態調整策略。該框架支持模組化整合新的語言模型、工具包和知識庫，同時提供內建的日誌記錄與監控功能。透過抽象化代理協調的複雜性，Proactive AI Agents加快AI驅動的工作流程開發，適用於研究、自動化和企業應用。

Team Coordination是一個輕量級Python庫，旨在簡化多個AI代理共同完成複雜任務的協調工作。通過定義專門的代理角色—如規劃者、執行者、評估者或通信者—用戶可以將高層目標分解為可管理的子任務，委派給各個代理，並促進它們之間的有序通信。該框架處理異步執行、協議路由以及結果聚合，使得AI代理團隊能有效協作。其插件系統支持與熱門的大型語言模型（LLMs）、API和自定義邏輯整合，非常適用於自動客戶服務、研究、遊戲AI和資料處理流程等應用。透過清晰的抽象與擴展組件，Team Coordination加快了可擴展多代理工作流程的開發速度。

xmem.xyz將所有的組織數據、文檔和最佳實踐集中在一個統一的存儲庫中。通過強大的API訪問和實時數據同步，確保您的團隊能夠隨時獲取最新信息。該平台還提供基於角色的訪問控制來保護敏感信息，以及先進的AI驅動搜索功能以便快速數據檢索。此外，無縫集成到LLMs中可以通過智能數據提取和上下文交互來增強工作流程。

AI-Agents提供一個彈性且模組化的平台，用於建立自主AI驅動的代理。開發者可以定義代理目標，鏈結任務，並加入記憶模組以存取跨會話的情境信息。此框架支援透過API金鑰與主要的LLM整合，使代理能產生、評估並修訂輸出。客製化的工具與插件支援能與外部服務如網路爬蟲、資料庫查詢與報告工具互動。透過明確的規劃、執行與反饋循環抽象，AI-Agents加速智慧自動化流程的原型設計與部署。

AI Agents提供一套結構化的工具包，讓開發者使用大型語言模型來建立自主代理。它包括集成外部API、管理對話或長期記憶、協調多步工作流程和鏈接LLM調用的模組。該框架為常見代理類型——資料檢索、問答和任務自動化——提供模板，同時允許自訂提示、工具定義和記憶策略。支持異步功能、插件架構和模組化設計，使AI Agents能建立可擴展、可維護且可擴充的代理應用。

Agents with ADK是一個開源的Python框架，旨在簡化由大型語言模型驅動的智能代理建立。它包含模組化的代理範本、內建記憶管理、工具執行介面，以及多代理協調功能。開發者能快速插入自定義功能或外部API，配置規劃與推理流程，並監控代理互動。該框架支援與流行的LLM供應商整合，並提供日誌、重試邏輯，以及用於生產部署的擴展性。

AimeBox提供一個全面的自主託管環境，用於建構與運行AI代理。它整合主要的LLM供應商，將對話狀態與嵌入存儲於向量資料庫中，並支援自訂工具及功能調用。使用者可以配置記憶策略、定義工作流程，並透過插件擴展功能。平台提供基於網頁的儀表板、API端點及CLI控制，讓用戶輕鬆開發聊天機器人、知識助手及特定領域的數位工作者，無需依賴第三方服務。

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。

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。

LangGraph 提供基於圖形的抽象來設計 AI 代理的工作流程。開發者定義代表提示、工具、資料源或決策邏輯的節點，然後用邊連接這些節點形成一個有向圖。在運行時，LangGraph 遍歷該圖，按順序或平行執行 LLM 呼叫、API 請求和自定義函數。內建的快取、錯誤處理、日誌與併發支援，確保代理行為的健壯性。可擴充的節點和邊範板允許用戶整合任何外部服務或模型，使 LangGraph 理想於建立聊天機器人、資料管道、自動化工作者和研究助手，無需複雜的範例程式碼。