多代理系統旨在簡化分散式代理架構的創建、配置與執行。開發者可以在Java類中定義代理行為、通信本體與服務描述。框架負責容器設置、訊息傳輸與生命週期管理。基於FIPA標準協議，支持點對點協商、合作規劃及模組擴展。用戶可在單機或跨網絡主機運行、監控與除錯多代理場景，非常適合科研、教育與小型部署。

Fetch.ai的自主經濟代理（AEA）是一個多用途框架，讓開發者能設計、實現並協調自主軟件代理，這些代理能相互作用、與外部環境及數字帳本互動。利用插件架構，AEA提供預建模塊，用於通信協議、加密帳本API、去中心化身份和可自定義的決策能力。代理能在去中心化市場合內自我探索及交易，執行目標驅動行為，並通過實時數據流進行調整。該框架支持模擬工具，用於測試和排除多代理情境的錯誤，以及部署到實時區塊鏈或點對點網絡。結合內建的互操作性和代理之間的訊息傳遞，AEA能簡化能源交易、供應鏈優化和智慧物聯網協調等複雜的自主經濟應用開發。

Swarms.rs 是執行基於群組的 AI 代理程式的核心 Rust 運行時。它具有模組化插件系統以整合自訂邏輯或 AI 模型，點對點通信層以實現點對點消息傳遞，以及非同步執行器來調度代理行為。這些組件共同允許開發者設計、部署和擴展複雜的去中心化代理網絡，用於模擬、自動化和多代理協作任務。

合約網協議庫提供了FIPA合約網互動協議的完整Java實作。開發者可以創建管理者和承包者代理，透過代理通信渠道交換CFP（呼叫提案）、提案、接受與拒絕。程式碼包含用于廣播任務、收集投標、根據可自訂標準評估提案、授予合約以及監控執行狀態的核心模組。可整合入較大的多代理框架，或作為獨立的庫用於研究模擬、工業排程或機器人協調。

JaCaMo提供一個統一的環境，用於設計和運行多智能體系統（MAS），整合三個核心組件：用於基於BDI代理的Jason代理語言、用於工件的環境建模CArtAgO，以及用於指定組織結構和角色的Moise。開發者可以撰寫代理計劃、定義帶操作的工件，並在規範框架下組織代理群組。此平台包括模擬、除錯和視覺化MAS交互的工具。支援分散式執行、工件資料庫及彈性訊息傳遞，使得JaCaMo能迅速原型化與研究，例如群體智慧、協作機器人及分散決策。其模組設計確保在學術及工業專案中的擴展性及彈性。

GAMA Genstar Plugin通過連接OpenAI、本地LLM及自訂模型端點，為GAMA平台增添生成式AI能力。用戶在GAML中定義提示和流程，以即時產生代理決策、環境描述或場景參數。此插件支持同步與非同步API調用、響應快取與參數調整，簡化自然語言模型在大規模模擬中的整合，降低手動腳本工作，促進更豐富、適應性的代理行為。

JADE-DR-VPP 是一個開源的Java框架，實現了用於虛擬電廠（VPP）需求響應（DR）的多代理系統。每個代理代表一個彈性負載或發電單元，通過JADE消息通信。該系統協調DR事件，安排負載調整，並彙整資源以滿足電網信號。用戶可以配置代理行為，運行大規模模擬，並分析能源管理策略的性能指標。

NVIDIA Isaac 是 NVIDIA 提供的一個先進機器人平台，旨在幫助開發人員創建和部署 AI 驅動的機器人系統。它包含強大的工具和框架，能夠無縫整合機器學習算法以進行感知、導航和控制。該平台支持實時的 AI 代理模擬、訓練和部署，適用於各種應用，包括倉庫自動化、邊緣計算和機器人研究。

Multi-Agent ColComp是一個可擴展的開源框架，用於協調一個AI代理團隊完成複雜任務。開發者可以定義不同的代理角色，設定通信通道，並通過統一記憶存儲共享上下文資料。此庫包含即插即用的組件，用於協商、協調和共識建立。範例配置示範協作文本生成、分散規劃與多代理模擬。其模組化設計便於擴展，使團隊能快速原型化並評估多代理策略，適用於研究或生產環境。

multiagent-env是一個開源的Python函式庫，旨在簡化多智能體強化學習環境的創建和評估。用戶可以通過指定智能體數量、行動和觀察空間、獎勵函數及環境動態來定義合作與對抗情境。它支持實時可視化、可配置渲染，並能輕鬆集成Stable Baselines和RLlib等Python基礎的RL框架。模組化設計允許快速原型制作新情境與便捷的多智能體算法基準測試。

ROSA（Rover Sequencing & Autonomy）是一個由 NASA 的噴氣推進實驗室（JPL）開發的完整自主框架。它配備模組化的 AI 策劃器、受約束感知的排程器，以及內建模擬器，能產生經驗證的探測車操作命令序列。使用者可以設定任務目標、資源限制與安全規則，ROSA 將建立最優執行計畫、辨識衝突，並在突發事件時快速重新規劃。其插件架構支援整合自訂傳感器、執行器與通訊分析工具，實現行星探索的端對端任務自主。

APLib旨在簡化在遊戲與模擬環境中開發AI驅動的自主代理。利用受信念-願望-意圖（BDI）啟發的架構，它提供多模組的感知、決策與行動模組。開發者可以通過直觀的API和行為樹定義代理的信念、目標和行為。APLib的代理能通過可定制的感測器解析遊戲狀態，利用內建規劃器制定計劃，並通過執行器與環境互動。這個庫支援Unity、Unreal以及純Java環境的整合，方便自動測試、AI研究與模擬。它鼓勵行為模組重用、快速原型製作及穩健的QA流程，自動化重複測試場景並模擬複雜玩家行為，無需人工干預。

MACL 是一個模組化的 Python 框架，旨在簡化多個 AI 智能體的創建與協調。它允許你定義具有自訂技能的獨立智能體，設置通信通道，並在智能體網絡中排程任務。智能體可以交換訊息、協商責任，並根據共享資料動態調整。內建支援常用 LLMs，以及擴展性的插件系統，使 MACL 能在客戶服務自動化、數據分析流程和模擬環境等領域中實現可擴展且易於維護的 AI 工作流程。