Llama-Agent 是一個以開發者為中心的工具包，用於創建由大語言模型驅動的智能 AI 代理。它提供工具整合以調用外部 API 或函數、記憶管理以儲存與檢索上下文，以及思維鏈規劃來拆解複雜任務。代理能執行動作、與自訂環境互動，並透過插件系統調整。作為一個開源專案，支持方便擴展核心元件，能在各個領域快速實驗與部署自動化工作流程。

PromptBlaze是一個瀏覽器擴充功能，可簡化人工智慧提示的管理和執行。用戶可以存儲和組織提示，創建無需編碼的自動化多步人工智慧工作流程，並直接從任何網頁執行這些工作流程。擁有右鍵執行、動態數據流和靈活自定義等功能，與流行的人工智慧平台無縫整合，確保有效且安全的人工智慧任務自動化。

Scint是一個強大的無碼AI代理平台，讓用戶能組合、部署及管理自主多步流程。利用Scint的拖放界面，用戶可以定義代理行為、連接API及資料來源，並設定觸發條件。平台內建除錯、版本控制及即時監控儀表板。為技術與非技術團隊設計，Scint加快自動化開發，確保從資料處理到客戶支持的複雜任務可靠執行。

Inngest AgentKit 提供一個完整的框架，用於在 Node.js 環境中開發 AI 代理。它利用 Inngest 的事件驅動架構，根據外部事件（如 HTTP 請求、排程任務或 Webhook 呼叫）來觸發代理工作流程。該工具包包含模板渲染實用工具，用以構建動態回應，內建狀態管理以維持會話上下文，並與外部 API 及語言模型進行無縫整合。代理可以即時流式傳輸部分回應，管理複雜邏輯，並藉由錯誤處理與重試機制協調多步流程。透過抽象化基礎設施和工作流程，AgentKit 讓開發者專注於設計智能行為，減少樣板代碼，加快對話助理、資料處理流程及任務自動化機器人的部署。

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。

Agentic 應用範本是一個完全配置的 Next.js 項目，作為開發 AI 驅動代理應用的基礎。它採用模組化的資料夾結構、環境變數管理和範例代理工作流程，利用 OpenAI 的 GPT 模型和 Pinecone 等向量資料庫。範本演示了串行多步鏈、對話式問答代理和文本產生端點等關鍵範例，開發者可輕鬆自訂流程邏輯，整合其他服務，並部署到 Vercel 或 Netlify 等平台。採用 TypeScript 支援與內建錯誤處理，減少初始設定時間並提供豐富的文件說明以便擴展。

AutoGPT Planner Plugin 與 Auto-GPT 無縫整合，將廣泛的用戶目標轉化為可執行的步驟。它使用 OpenAI 語言模型來產生任務清單、建立依賴關係及優化執行順序。用戶提供一個目標，插件將其拆解為子任務，根據重要性或截止日期優先排列，並產出調整後的計畫。插件支持反覆微調，讓計畫可隨著目標改變而演化。非常適合專案規劃、內容規劃、研究議程，以及任何需要結構化多步工作流程的場景。

Browser Operator 將您的瀏覽器轉變成一個理解自然語言指令的 AI 智能代理。只要連接您的 OpenAI API 金鑰，它就能瀏覽網址、點擊按鈕、填寫表單、擷取表格或清單內容，甚至下載資料。您可以將多個步驟串聯成一個工作流程，導出為 CSV 或 JSON 格式，甚至安排定時任務。本地端在瀏覽器中處理所有運算，確保反應快速且資料隱私有保障。不需撰寫程式碼——只要告訴 Browser Operator 您需要什麼，它就會幫您搞定一切。

Llamator是一個開源的JavaScript函式庫，讓開發者可以在統一的管道中，透過結合記憶模組、工具整合與動態提示模板，建立自主AI代理。它協調規劃、行動執行與反思循環，以處理多步驟任務，支援多個LLM提供者，並允許自定義工具來進行API調用或資料處理。利用Llamator，你可以快速在網頁或Node.js應用中原型化聊天機器人、個人助理及自動化工作流程，並且享有模組化架構，方便擴展與測試。

MCP Agent Tool Adapter作為語言模型代理與外部工具實現之間的中介層。透過註冊函數簽名或工具描述符，框架能自動分析標明工具調用的代理輸出，調度適當的適配器，處理輸入序列化，並將結果返回推理上下文。功能包括動態工具發現、併發控制、日誌記錄及錯誤處理管道。它支持定義自定義工具接口與集成雲端或本地服務，讓用戶可以在不修改代理核心代碼的情況下構建複雜的多工具工作流，例如API協調、數據檢索與自動化操作。

Melissa提供一個輕量、可擴展的架構，用於構建基於AI的代理，而不需要大量樣板程式碼。其核心基於插件系統，開發者可以註冊自訂動作、資料連結器和記憶模組。記憶子系統能在交互中保存上下文，增強對話連續性。整合適配器允許代理從API、資料庫或本地檔案中獲取並處理資訊。結合簡單的API、命令列工具和標準化介面，Melissa簡化自動化客戶查詢、生成動態報告或調度多步驟流程等任務。此框架支援語言無關的整合，適用於Python專案，並可部署在Linux、macOS或Docker環境中。

Multi-Agents 提供一個結構化環境，不同的 AI 代理——如規劃者、執行者和批評者——協同解決多步驟任務。規劃者負責將高層目標拆解為子任務，執行者透過與外部 API 或工具互動來完成每一步，批評者則檢查結果的準確性與一致性。記憶模組允許代理在多次互動中存儲上下文，訊息系統則確保溝通無縫。此框架可擴充，使用者可加入自定義角色、整合專有工具或換用 LLM 後端以符合特殊應用需求。

Ruler 是一款無需程式碼的人工智能代理，讓基於規則的決策流程更為高效。它允許用戶定義條件規則、串聯多個步驟，並整合外部數據源，以自動化複雜流程。通過拖放界面，讓建立分支邏輯、觸發應用程序動作以及發送自動通知變得簡單。實時儀表板和日誌提供規則績效的洞察，內建版本控制確保安全地更新。Ruler 的 API 為先架構支持與 CRM、ERP 及訊息平台的無縫整合。團隊能快速模擬商業政策、合規檢查和審批流程，減少手動干預，加快決策週期。不論是自動化貸款核准、客戶支援路由還是供應鏈提醒，Ruler 都能提供一致且可靠的操作，無需撰寫程式碼。

SCOUT-2提供模組化架構，用於建立由大型語言模型支持的自主代理人。包括目標拆解、任務規劃、執行引擎和反饋驅動的反思模組。開發者定義頂層目標後，SCOUT-2會自動生成任務樹，派遣工作代理人執行，監控進度，並根據結果調整任務。它與OpenAI API整合，並可透過自訂提示和範本擴展以支持各種工作流程。

Semi Agent提供模組化的架構，用於建構能規劃、執行動作並追蹤記憶的AI代理。它整合了流行的語言模型，支援自定義功能的工具定義，並維持對話型或任務導向的記憶。開發者可以定義逐步規劃，將外部API或腳本作為工具，並利用內建的記錄功能來除錯與優化代理的行為。其開源設計與Python基礎使得客製化、擴展及整合於現有流程中變得容易。

Bot-With-Plan提供一個模塊化的Python範本，用於構建先生成詳細執行計劃的AI代理。它利用OpenAI GPT分析用戶指令，將任務分解為連續的步驟，驗證計劃，然後通過外部工具（如網絡搜索或計算器）逐步執行。該框架包括提示管理、計劃解析、執行協調和錯誤處理。通過將計劃和執行階段分離，提供更好的監控、更容易的調試，以及擴展新工具或功能的清晰結構。

Desktop Commander 是一個基於人工智慧的桌面自動化代理，旨在減少重複勞動並提升生產效率。用戶可以輸入或語音播放簡單命令，例如“以日期整理我的下載文件”或“打開我的電子郵件並草擬摘要”，代理會在各個應用程式中執行它們。它支持文件操作、應用控制、腳本執行及系統設置調整。配備可自訂的工作流程和 API 整合，Desktop Commander 可適應個人及企業用例，通過單一次指令完成複雜的多步流程。