Tiny-OAI-MCP-Agent提供一個基於OpenAI API的小型可擴展代理架構。它實現了一個多認知流程（MCP）循環，用於推理、記憶和工具使用。用戶定義工具（API、文件操作、代碼執行），代理會計劃任務、回顧上下文、調用工具，並對結果進行迭代。這個最小化的代碼庫讓開發者可以快速實驗自主流程、定制啟發式和高級提示模式，並自動處理API調用、狀態管理和錯誤恢復。

搭載MCP的AI代理是一個全面的框架，設計用來簡化高階AI代理的建立，這些代理能維持長期情境、進行多步推論，並根據記憶調整策略。它採用模組化設計，包括記憶管理器、條件規劃器和提示管理器，允許自定義集成與擴展不同的LLM。記憶管理器持久儲存過去的交互，確保情境保留。條件規劃器評估每個步驟的條件，動態選擇下一步行動。提示管理器格式化輸入並無縫鏈接任務。它用Python撰寫，藉由API與OpenAI GPT模型整合，支援檢索增強生成，並促進對話代理、任務自動化或決策支援系統。豐富的文件和範例指引用戶進行設定與客製化。

AL3RT個性化利用先進的AI技術為用戶提供高度個性化的提醒和任務管理。它實時運作，根據您的上下文和偏好調整，以幫助簡化您的責任和通知。這個直觀的助手從您的行為模式中學習，確保提供的信息是相關和及時的，使您能在日常任務中保持有序和高效。

Dial4JaCa 是一個 Java 庫插件，適用於 JaCaMo 多智能體平台，攔截智能體間的訊息，編碼代理意圖，並通過 LLM 後端（OpenAI、本地模型）路由。它管理對話上下文，更新信念庫，並將回應生成整合到 AgentSpeak(L) 的推理週期中。開發者可以自訂提示語、定義對話工件以及處理異步調用，使代理能解讀使用者語句、協調任務並擷取外部資訊。其模組化設計支持錯誤處理、日誌記錄和多 LLM 選擇，非常適合研究、教育及快速原型建構對話式多智能體系統。

MInD 是一個基於 Python 的記憶框架，旨在為由 LLM 驅動的 AI 代理提供強大的記憶能力。它可以捕捉用戶輸入和系統事件作為事件日誌，將這些日誌濃縮為語義摘要，並根據需求檢索相關記憶。通過可配置的保留策略、相似度搜尋與自動摘要，MInD 維持一個持久的知識庫，供代理在推理時查詢。這確保它們能準確回憶先前的互動、根據歷史調整回應，並在多個會話中提供個性化且連貫的對話。