Agentic AI Systems是GitHub上的集中資源，列出並描述大量開源代理AI框架與工具。按照能力、語言和支援工具分類，提供源碼、文件和快速啟動範例的直連鏈接。開發者可以快速識別和比較代理平台，探索範例實作，並將選擇的框架整合到自己的專案中。該存儲庫定期更新新專案、版本變更及社群貢獻，是自主AI系統研究與原型設計的重要索引。

MCP Crew AI是一個面向開發者的框架，簡化了在協作團隊中創建和協調基於GPT的AI代理。通過定義管理員、工作員和監控員角色，它自動化任務委派、執行與監督。此套件內建支援OpenAI的API，具有模組化架構支持自訂代理插件，並配備CLI界面來運行和監控你的團隊。MCP Crew AI加速多代理系統的開發，讓建立可擴展、透明且易維護的AI驅動工作流程變得更輕鬆。

DEf-MARL（多智能體強化學習去中心化執行框架）提供一個穩健的基礎設施，用於執行與訓練合作智能體，無需中央控制。它利用點對點通訊協議，分享政策與觀測數據，實現局部互動協調。該框架能無縫整合PyTorch及TensorFlow等常用RL工具包，提供可自訂的環境包裝器、分散式Rollout收集與梯度同步模組。用戶可定義特定智能體的觀測空間、獎勵函數與通訊拓撲。DEf-MARL支持運行時動態添加與移除智能體，通過複製關鍵狀態提升錯誤容忍，並採用自適應通訊調度平衡探索與利用。它透過平行模擬環境並減少中心瓶頸，加速訓練，適用於大規模MARL研究及工業模擬。

在當今快節奏的世界中，HybridAI彌補了人類互動與AI技術之間的差距。透過先進的AI模型，HybridAI利用智能自動化管理互動，並為管理員提供在必要時接管對話的能力，確保在關鍵時刻保持人性化的觸感。這種動態的方式提升了客戶服務的質量，使互動變得更加有意義和引人入勝。

multi_agent_celar設計為模組化的AI平台，能在模擬環境中實現多智能體之間的涌現語言通信。用戶可以通過策略文件定義智能體行為，配置環境參數，並啟動協調訓練，使智能體演化出自己的通信協議以解決合作任務。該框架包含評估腳本、可視化工具，以及對擴展性實驗的支持，非常適合多智能體協作、涌現語言及決策過程的研究。