ComfyUI LLM派對擴展了Node基礎的ComfyUI環境，提供一系列用於協調文本交互和視覺AI工作流程的LLM驅動節點。它包括用於與大型語言模型互動的聊天節點、用於保持上下文的記憶節點，以及用於管理多代理對話的路由節點。用戶可以在管道中鏈接語言生成、總結和決策操作，將文本AI與圖像生成結合。此擴展還支持自定義提示模板、變數管理和基於條件的分支，讓創作者能自動生成故事、圖像說明和動態場景描述。其模塊化設計支持與現有節點的無縫集成，使藝術家和開發者可以在不需程式技術的情況下建立複雜的AI代理人流程。

Divine Agent是一個全面的人工智能代理平台，簡化了自主數字工作者的設計、開發與部署。通過直觀的視覺化工作流程建構器，用戶可以將代理行為定義為一系列節點，連接到任何REST或GraphQL API，並從支持的LLMs如OpenAI和Google PaLM中選擇。內置的記憶模組可在會話間保持上下文，實時分析追蹤用戶情況、性能和錯誤。一旦測試完成，可部署為HTTP端點或集成到Slack、電子郵件和定制應用等渠道，實現客戶支持、銷售和知識任務的快速自動化。

Emma-X提供一個模組化的代理協調平台，用於構建使用大型語言模型的對話式AI助手。開發者可以通過JSON配置定義代理行為，選擇OpenAI、Hugging Face或本地端點等LLM供應商，並附加搜索、資料庫或自訂API等外部工具。內建的記憶層可跨會話存取上下文，UI組件則用於聊天呈現、文件上傳及互動式提示。插件掛鉤支持即時數據獲取、分析和自定義行動按鈕。Emma-X附帶客服支援、內容創造和程式碼生成範例代理。其開放架構讓團隊能擴展代理能力、整合現有web應用，並快速迭代對話流程，無需深厚LLM專業知識。

LLM-Agent 提供一個結構化架構，用於建立智慧代理，利用 LLM。它包含定義自訂工具的工具箱、保持語境的記憶模組，以及協調複雜動作連鎖的執行器。代理可以呼叫 API、執行本地流程、查詢資料庫，並管理對話狀態。提示範本與插件鉤子允許微調代理行為。設計高度可擴展，支援新增工具介面、自訂評估器及動態任務路由，實現自動化研究、資料分析、程式碼生成等功能。

MCP代理提供構建智能AI驅動助手的堅實基礎，通過模組化組件整合語言模型、自定義工具和數據源。其核心功能包括根據用戶意圖動態調用工具、長期對話的上下文感知記憶管理，以及靈活的插件系統，方便擴展能力。開發者可以定義流程來處理輸入、調用外部API並管理異步工作流程，同時保持透明的日誌和指標。支持主流LLM、可配置模板和基於角色的訪問控制，MCP代理簡化了可擴展、易維護的AI代理在生產環境中的部署。無論是客戶支持聊天機器人、機器流程自動化( RPA )還是研究助理，MCP代理都能加快開發週期並確保跨用例的性能穩定。

本質上，Memary 提供一個模組化的記憶管理系統，專為大型語言模型代理而設。通過統一 API 抽象記憶體交互，支援多種儲存後端，包括內存字典、Redis 進行分散快取以及 Pinecone 或 FAISS 等向量存儲進行語義搜尋。用戶可以定義基於結構的記憶（情節、語義或長期）並利用嵌入模型自動填充向量儲存。檢索功能允許在對話中召回相關記憶，提升代理的回應質量與過往交互或專用領域資料相關性。設計上具擴展性，Memary 支援定制後端與嵌入函數，適合打造穩健且有狀態的 AI 應用，如虛擬助手、客戶服務機器人及需持久知識的研究工具。

OpenAI Agents Chatbot讓開發者能將多個專用AI代理（例如工具、知識檢索、記憶模組）整合並管理於單一對話應用。它具有思考鏈路協調、會話紀錄記憶、可配置的工具端點，並能無縫與OpenAI API互動。使用者可以自訂每個代理的行為，部署於本地或雲端環境，並用額外模組擴充框架。這促進進階聊天機器人、虛擬助理與任務自動化系統的開發。

Pebbling AI 是一個專用的記憶體基礎設施，旨在提升 AI 代理的能力。透過向量存儲整合、檢索增強生成支援與可自訂的記憶體修剪，確保有效率的長期語境處理。開發者可定義記憶體架構、建構知識圖譜並設定保持策略，以優化 Token 使用率與相關性。配備分析儀表板，團隊可以監控記憶性能與用戶互動。平台也支援多代理協作，讓不同代理共享並存取共同知識。不論是建立對話機器人、虛擬助理或自動化流程，Pebbling AI 都能簡化記憶體管理，交付個人化且豐富語境的體驗。

Personal AI Assistant是一個模塊化的AI代理，使用Python構建，可提供對話聊天、語境感知記憶及自動任務執行。它具有用於網頁瀏覽、檔案管理、電子郵件發送與行事曆排程的插件系統。由OpenAI或本地語言模型及SQLite記憶存儲支持，能保存對話歷史並隨時間調整回應。開發者可以用自定義模組擴展功能，打造適合生產力、研究或家庭自動化的專屬助手。

Rusty Agent 是一個輕量但強大的 Rust 函式庫，旨在簡化運用大型語言模型的自主 AI 代理的創建。它引入核心抽象如 Agent、Tools 和 Memory，允許開發者定義自訂工具集成（例如 HTTP 客戶端、知識庫、計算器）並以程式化方式協調多步對話。支持動態提示構建、串流回應和會話間的上下文記憶存取。與 OpenAI API（GPT-3.5/4）無縫集成，亦可擴展支持其他 LLM 提供者。Rust 提供的強型別和高效能保障安全且併發執行代理工作流程。應用範例包括自動資料分析、互動式聊天機器人、任務自動化管道等，讓 Rust 開發者能在應用中嵌入智慧型語言驅動的代理。

Plan Agent 與 Meta-Agent提供分層AI代理架構：規劃代理產生結構化策略以實現高層次目標，Meta代理監控執行，實時調整計劃，並將子任務委派給專業子代理。具備即插即用工具連接器（如Web API、資料庫）、持久記憶以保留背景資訊，以及可配置的日誌記錄用於性能分析。使用者可擴展框架加入自訂模組以適應多樣化自動化場景，從資料處理到內容生成及決策支援。

Real-Agents旨在簡化創建和協調能獨立完成複雜任務的AI代理。基於Python並兼容主要的大型語言模型，框架具有模組化設計，核心組件包括語言理解、推理、記憶存儲和工具執行。開發者可快速集成Web API、資料庫與自定義函數來擴展代理能力。支持記憶機制以在交互中保持上下文，實現多回合對話與長時間運行的工作流程。平台亦包含日誌記錄、除錯和量產擴展工具。通過抽象低層細節，Real-Agents 精簡開發流程，讓團隊專注於任務邏輯，提供強大的自動化解決方案。

SelfYAI 提供一個完整的無需程式碼介面，用於設計、訓練和部署符合您特殊業務需求的 AI 代理。用戶可以從 CRM 系統、試算表和資料庫中匯入資料，然後使用簡單的拖放工具來設定自訂工作流程和對話流程。代理會使用記憶模組維持上下文，並可在網站、Slack、Teams 和 API 端點中部署。內建分析工具可追蹤互動量、解決率與用戶反饋，支持不斷優化。搭配強大的安全機制與基於角色的存取控制，SelfYAI 確保資料隱私與合規，同時輕鬆擴展 AI 自動化規模。

Thufir 是一個基於 Python 的開源框架，旨在簡化創建具有複雜任務規劃與執行能力的自主 AI 代理。Thufir 核心提供一個規劃引擎，將高層次目標拆解為可行的步驟，並配備一個用於存儲與檢索會話上下文資訊的記憶模組，以及一個插拔式工具介面，讓代理可以與外部 API、資料庫或程式碼執行環境互動。開發者可利用 Thufir 的模組化組件，客製化代理行為、定義專屬工具、管理代理狀態並協調多代理工作流程。藉由抽象底層基礎設施，Thufir 加速智慧代理的開發與部署，用於虛擬助理、流程自動化、科研和數位工作者等應用。

Whiz旨在為開發能執行複雜對話和任務導向工作流程的智能代理提供堅實的基礎。使用Whiz時，開發者定義「工具」——Python函數或外部API——代理在處理用戶查詢時可以調用。內建的記憶模組能捕捉並檢索對話上下文，促進連貫的多輪交互。一個動態規劃引擎將目標拆解為可行的步驟，而彈性的界面則允許注入自訂策略、工具註冊表和記憶後端。Whiz支援基於embedding的語義搜尋來獲取相關文件、日誌記錄以供稽核，以及非同步執行來擴展規模。Whiz完全開源，能在Python運行的任何地方部署，實現快速原型設計，如客服機器人、資料分析助手或專門領域代理，幾乎不需繁瑣設定。

X AI Agent是一個以開發者為中心的框架，簡化了使用大型語言模型打造自訂AI代理的流程。它原生支援函數呼叫、記憶存儲、工具與插件整合、連鎖思考推理，以及多步任務的協調。用戶可以定義自訂動作、連接外部API，並在會話間維持對話上下文。模組化設計確保擴展性，並可輕鬆整合主流LLM供應商，實現強大的自動化與決策流程。

AgentScope是一個面向開發者的框架，旨在簡化智能代理的創建，透過模組化組件提供動態規劃、上下文記憶存儲和工具/API整合。它支援多個LLM後端（OpenAI、Anthropic、Hugging Face），並提供可自行定義的任務執行、答案合成和資料檢索管道。其架構支持快速原型化會話機器人、流程自動化代理和研究助理，同時保持擴展性和可擴充性。

AgentForge提供一個有結構的環境，用於定義、組合與協調個別的AI技能，形成連貫的自主代理人。它支援對話記憶以保持上下文、插件整合以連接外部服務、多代理人通信、任務排程及錯誤處理。開發者可以配置自訂技能處理器、利用內建模組進行自然語言理解，並與如OpenAI的GPT系列等流行的大型語言模型（LLM）整合。模組化設計加速開發週期，促進測試，並簡化聊天機器人、虛擬助理、資料分析代理人與特定領域自動化機器人的部署。

Agentic-Systems旨在簡化複雜自主式AI應用的開發，提供由代理、工具及記憶體元件組成的模組化架構。開發者可以定義自訂工具，封裝外部API或內部函數，同時記憶模組則在代理迭代中保存上下文資訊。內建的協調引擎排程任務、解決依賴並管理多代理互動，以支援協作流程。透過將代理邏輯與執行細節解耦，這個框架能快速實驗、輕鬆擴展並細緻控制代理行為。無論是建立研究助理原型、資料流水線自動化，或部署決策支援代理，Agentic-Systems都提供必要的抽象與模板，加速端到端的AI解決方案開發。

Agents-Deep-Research旨在通過提供模組化、可擴展的程式碼庫，簡化自主AI代理的開發與測試。它具有將用戶定義目標分解為子任務的任務規劃引擎、存儲與檢索上下文的長期記憶模組，以及允許代理與外部API和模擬環境互動的工具整合層。框架還提供評估腳本和基準工具，用於衡量代理在各種場景中的性能。基於Python，並可適配多種LLM後端，幫助研究人員和開發者快速原型化新型代理架構，進行可重複的實驗，並比較不同的規劃策略。