Simple-Agent 是一個用 Python 編寫的開源 AI 代理框架，利用 OpenAI API 創建模組化的對話代理。它允許開發者定義代理可以調用的工具功能，維持多次互動的上下文記憶，並通過技能模組自訂代理行為。框架負責請求路由、動作規劃和工具執行，讓你專注於領域特定邏輯。內建記錄與錯誤處理，Simple-Agent 可加快AI聊天機器人、自動化助理與決策支援工具的開發。它支援簡單整合自定義API與資料來源，支持非同步工具呼叫，並提供簡易配置界面。用它來原型設計客服支持、資料分析、自動化等用途。模組化架構使擴充功能變得容易，不需更改核心邏輯。在社群貢獻與文檔支援下，Simple-Agent 非常適合初學者及經驗豐富的開發者快速部署智慧代理。

SmolAgents動態工具擴展開源Python框架，使基於LLM的代理能動態調用工具。代理可以根據用戶意圖和思考链，無縫調用預先建立好的工具—如SerpAPI的網頁搜索、數學計算器、日期時間獲取、文件系統操作和自定義HTTP請求處理程序—詳情由開發者註冊或自訂。通過在運行時評估工具的可用性，SmolAgents動態工具能優化代理工作流程，減少硬編碼邏輯，提升模組化，適用於研究支援、自動報告和聊天機器人增強等多種場景。

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。

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。

agent-steps是一個Python步驟協調框架，旨在通過將複雜任務拆解為離散且可重用的步驟，以簡化AI代理的開發。每個步驟封裝一個特定操作，如調用語言模型、執行資料轉換或外部API調用，並可以將上下文傳遞到後續步驟。該庫支持同步和異步執行，實現可擴展的管道。內建的日誌與除錯工具提供執行透明度，其模組化架構促進維護性。用戶可以定義自訂的步驟類型，將它們鏈接成工作流程，並輕鬆整合到現有Python應用中。agent-steps適用於建立聊天機器人、自動化資料管道、決策支援系統及其他多步驟AI解決方案。

AI-Agent是一個擴展性強的Python框架，旨在建立由OpenAI的GPT模型和LangChain驅動的自主代理。它包含Web搜尋、維基百科查詢、計算器功能和自定義工具整合模組，實現自動化研究、資料分析和腳本執行。用戶可以配置代理人以規劃多步任務、與API互動、產生報告以及執行複雜的工作流程，減少手動干預，提升開發、資料科學和商業流程的生產力。

ANAC-agents是一個基於Python的框架，集中多個談判代理的實現，用於Automated Negotiating Agents Competition（ANAC）。每個代理都具有不同的策略，用於效用建模、提議產生、讓步策略與接受標準，有助於比較研究與快速原型設計。用戶可以定義具有自訂議題與偏好檔的談判域，並模擬雙邊談判或類似錦標賽的競賽。工具包包括配置腳本、評估指標與日誌工具，用於分析談判動態。研究人員與開發者可以擴展現有代理、測試新算法或整合外部學習模組，促進自動化議價與在資訊不完整條件下的策略決策創新。

ChatGPT OpenAI Smart Speaker是用於打造自己語音激活AI助手的開發框架。它可運行於像Raspberry Pi、Linux PC、macOS或Windows設備上。使用標準Python語音辨識和語音合成函式庫，它會監聽喚醒詞、捕捉問題、傳送到OpenAI ChatGPT API並即時讀出回應。用戶可加入自訂命令、整合智慧家庭控制，或用於教育用途的語音AI演示。

ModelScope Agent提供一個模組化的Python框架，用於協調自主AI代理。它具有外部工具（API、資料庫、搜尋）插件整合、對話記憶以保存上下文，以及可定制的代理鏈，用於處理知識檢索、文件處理和決策支援等複雜任務。開發者可以配置代理角色、行為和提示，並運用多個LLM後端來優化生產環境中的性能與穩定性。

CodeFuse-muAgent是一個基於Python的開源框架，用於協調多個自主AI代理，共同解決複雜任務。開發者定義擁有專門技能（如資料處理、自然語言理解或外部API互動）的個別代理，並配置通信協議以進行動態任務委派。該框架提供集中式記憶管理、日誌記錄與監控功能，保持模組獨立，並支援與流行的LLMs和自訂AI模型的整合。利用CodeFuse-muAgent，團隊可以建立模組化AI工作流程、自動化多步驟流程，以及在不同環境中擴展部署。彈性的設定檔與可擴充的API，支持快速原型設計、測試及微調，適用於客戶支援、內容產生管線、研究助理等多種應用場景。

CUPCAKE AGI（Component Utilitarian Pipeline for Creative, Knowledgeable, and Evolvable Autonomous General Intelligence）是一個彈性的Python框架，通過結合語言模型、記憶體和外部工具，簡化建立自主代理的流程。其核心模組包含目標規劃器、模型執行器與記憶管理器，以保持多次互動中的上下文。開發者能透過插件擴充功能，整合API、資料庫或自訂工具包。CUPCAKE AGI支援同步與非同步工作流程，非常適合科研、原型設計和生產環境部署，應用範圍多元。

Cyrano 是一個開源的 Python 框架和 CLI，用於創建通過自然語言提示協調大型語言模型和外部工具的 AI 代理。用戶可以自定義工具（函數）、配置記憶體和令牌限制，並處理回調。Cyrano 負責解析來自 LLM 的 JSON 回應，並依序執行指定的工具。它強調簡單性、模組化和零外部依賴，使開發者能快速原型化聊天機器人、建立自動化工作流程並將 AI 功能整合到應用中。

Fast Reinforcement Learning是一個專門的Python框架，旨在加速強化學習代理的開發與執行。它支援流行的算法如PPO、A2C、DDPG和SAC，並配合高吞吐量的向量環境管理。用戶可以輕鬆配置策略網絡、自定義訓練流程，並利用GPU加速進行大規模試驗。其模組化設計確保與OpenAI Gym環境的無縫整合，使研究人員和實務工作者能在控制、遊戲和模擬任務中原型設計、基準測試與部署代理。

defaultmodeAGENT 是一個基於 Python 的框架，旨在簡化建立能自主執行多步工作流程的智慧代理。它具備預設模式規劃—一種用於決定何時探索或利用的自適應策略—以及與自訂工具與 API 的無縫整合。代理保持對話記憶，支持動態提示，並提供除錯記錄。基於 OpenAI 的 API，使快速原型化資料提取、研究和任務自動化輔助成為可能。

GenAI Job Agents 是一個基於 Python 的開源框架，可簡化 AI 助力的任務代理的建立與管理。開發者可以使用簡單的配置文件或 Python 類來定義自訂的任務類型與代理行為。系統無縫整合 OpenAI 用於 LLM 支持的推理，以及 LangChain 用於調用鏈。任務可以排入佇列、並行執行，並通過內建日誌與錯誤處理機制進行監控。代理能處理動態輸入，自動重試失敗，輸出結構化結果供後端處理。模組化架構、可擴充插件與清晰 API，讓團隊能自動化重複任務、協調複雜工作流程，並在生產環境擴展 AI 驅動運營。

GPA-LM 是一個以 Python 為基礎的框架，旨在簡化由大型語言模型驅動的人工智慧代理的建立與協調。它具有一個規劃器，能將高層指令拆解為子任務，一個執行器，管理工具調用和互動，以及一個能在會話之間保留上下文的記憶模塊。插件架構允許開發者新增自訂工具、API 及決策邏輯。支援多代理協同的 GPA-LM，可以協調角色、分配任務並匯整結果。它無縫整合 OpenAI GPT 等流行 LLM，並支援在不同環境中部署。該框架加速自主代理的研發，用於研究、自動化與應用原型設計。

HFO_DQN結合了Python和TensorFlow，提供用於訓練使用Deep Q-Network足球代理人的完整流程。用戶可以克隆存儲庫、安裝依賴項（包括HFO模擬器和Python庫），並在YAML文件中配置訓練參數。該框架實現了經驗重放、目標網路更新、ε-貪婪探索和針對半場進攻領域的獎勵塑造。它包含訓練代理人、性能記錄、評估比賽和結果繪圖的腳本。模塊化結構允許集成自定義神經網絡架構、替代強化學習算法和多智能體協調策略。輸出包括訓練模型、性能指標和行為視覺化，促進強化學習和多智能體系統研究。

InfantAgent 提供輕量級的結構，用於設計與部署Python中的智慧代理。它整合熱門的大型語言模型（OpenAI、Hugging Face）、支援持久性記憶模組，並啟用自定義工具鏈。開箱即用的功能包括會話界面、任務協調與策略驅動的決策。其插件架構允許輕鬆擴展特定領域的工具與API，非常適合用於原型研究代理、工作流程自動化或將AI助理整合到應用程式中。

LangChain是一個開源Python框架，旨在加速AI驅動應用的開發。它提供多個語言模型調用（鏈）、與外部工具互動的代理人建立、以及對話記憶的管理抽象。開發者可以定義提示、輸出解析器和端到端的工作流程。整合包括向量庫、資料庫、API和託管平台，可支援商用聊天機器人、文件分析、程式碼助手與客製化AI管線。

LLM Maze Agent框架提供了一個基於Python的環境，用於構建能夠利用大型語言模型導航網格迷宮的智能代理。通過結合模塊化環境介面、思路鏈提示模板和啟發式規劃，代理迭代詢問LLM以決定移動方向，適應障礙物並更新其內部狀態表示。支持OpenAI和Hugging Face模型的開箱即用，並可配置迷宮生成和逐步調試，方便實驗不同策略。研究人員可以調整獎勵函數、定義自定義觀測空間，並視覺化代理路徑來分析推理過程。這種設計使得LLM Maze Agent成為評估LLM驅動規劃、教授AI概念和基準測試空間推理任務的多功能工具。