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。

Agno AI Agent旨在幫助開發者快速構建由大型語言模型支援的自主代理。它提供模組化的工具管理庫、記憶管理、規劃與執行循環，以及與外部API（如網頁搜索、檔案系統和資料庫）的無縫集成。用戶可定義自訂工具介面、配置代理個性化設置，並協調複雜的多步工作流程。代理可以規劃任務、動態調用工具，並從過往交互中學習以提升性能。

搭載MCP的AI代理是一個全面的框架，設計用來簡化高階AI代理的建立，這些代理能維持長期情境、進行多步推論，並根據記憶調整策略。它採用模組化設計，包括記憶管理器、條件規劃器和提示管理器，允許自定義集成與擴展不同的LLM。記憶管理器持久儲存過去的交互，確保情境保留。條件規劃器評估每個步驟的條件，動態選擇下一步行動。提示管理器格式化輸入並無縫鏈接任務。它用Python撰寫，藉由API與OpenAI GPT模型整合，支援檢索增強生成，並促進對話代理、任務自動化或決策支援系統。豐富的文件和範例指引用戶進行設定與客製化。

Aurora提供模組化架構，用於建立能自主處理複雜任務的生成式AI代理，透過循環式的規劃與執行來實現。它由一個拆解高階目標為可執行步驟的規劃器、一個利用大語言模型執行這些步驟的執行器，以及一個連結API、資料庫或自訂函數的工具整合層組成。Aurora亦包含用於記憶管理的模組，以留存上下文，並具有動態重新規劃能力，以適應新資訊。在可客製化的提示語和插拔式模組支持下，開發者可以快速原型化用於內容產出、研究、客服或流程自動化等任務的AI代理，同時保持對工作流程與決策邏輯的完全控制。

Lagent是一個以開發者為中心的框架，能讓用戶在大語言模型之上建立智能代理。它提供動態規劃模塊，將任務拆解為子目標，並存儲長期會話的上下文的記憶庫，以及外部工具調用的API整合界面。有可定制的管道，使用者可以定義代理行為、提示策略、錯誤處理和輸出解析。Lagent的日誌和除錯工具可以監控決策過程，支持本地、雲端或企業部署的可擴展架構。它促使建構自主助理、資料分析器與工作流程自動化。

Crewai提供一個Python庫，用於設計和執行多AI代理系統。用戶可以定義具有專業角色的個別代理、配置代理間的消息通道，以及實現基於實時上下文的動態任務分配器。其模組化架構允許接入不同的LLM或自訂模型。內建的日誌與監控工具追蹤對話與決策，促使代理行為的調試和逐步優化變得無縫方便。

RotimeApp 提供一個靈活的日程解決方案，動態調整到您的實際醒來時間。無論您是早起的人還是夜貓子，RotimeApp 都幫助您無縫對齊您的日常例行活動與您的自然睡眠模式。這確保您在不受固定日程壓力的情況下，保持與任務和約會的一致。RotimeApp 提供任務提醒、調整通知和例行優化等功能，成為任何希望更有效管理時間人員的完美工具。

AgentSpeak是基於Java的開源實作，為AgentSpeak(L)語言設計，旨在促進BDI（信念-慾望-意圖）自主代理的創建與管理。它具有解析AgentSpeak(L)代碼、維護代理信念基底、觸發事件並根據現有信念和目標選擇執行計劃的運行時環境。該解釋器支援並行的代理執行、動態計劃更新及可自訂語義。透過模組化架構，程式設計師可以擴充核心組件，如計劃選擇與信念修正。AgentSpeak使學術界與產業界能更快速的原型設計、模擬與部署智慧型代理於模擬系統、物聯網及多代理場景中。

ASP-DALI 提供一個統一的平台，定義並執行基於邏輯的智能代理。開發者在 .asp 文件中編寫 ASP 規則來表示代理的知識和目標，而 DALI 構造則用來定義事件反應和行動執行。運行時，ASP 求解器會計算回答集，指導代理的決策，使其能夠規劃、對輸入事件作出反應並動態調整信念。該框架支持模組化知識庫，方便增量式更新，並使聲明式規則與反應式行為清晰分離。ASP-DALI 使用 Prolog 實現，並提供與流行的 ASP 求解器的介面，簡化在研究和原型場景中的整合與部署。

在其核心，DAGent將代理工作流表示為由節點組成的有向無環圖，每個節點可以封裝一個LLM調用、自定義函數或外部工具。開發者明確定義任務依賴，實現并行執行和條件邏輯，框架管理調度、數據傳遞和錯誤恢復。DAGent還提供內建可視化工具，用於檢查DAG結構和執行流程，改善調試和審計。通過可擴展的節點類型、插件支持和與主流LLM提供者的無縫集成，DAGent使團隊能夠輕鬆構建複雜的多步AI應用，如數據管道、對話代理和自動化研究助手。其模塊化和透明性設計使其成為實驗和生產中的可擴展代理協調的理想選擇。

Overeasy 是一個基於 Python 的開源框架，用於在各種領域協調由 LLM 驅動的 AI 代理。它提供模組化架構，用以定義代理、配置記憶存儲及整合外部工具，如 API、知識庫與資料庫。開發者可以連接至 OpenAI、Azure 或自行托管的 LLM 端點，設計涉及單一或多個代理的動態工作流程。Overeasy 的協調引擎負責任務委派、決策及後備策略，從而打造強健的數位工作者，用於科研、客戶支持、資料分析、排程等。完善的文件與範例專案促進在 Linux、macOS 與 Windows 上的快速部署。

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。

Practical AI Agents 提供開發者一個完整的架構和即用範例，用於建構由大型語言模型支援的自主代理。它示範如何整合API工具（例如網頁瀏覽器、資料庫、自訂函數）、實作RAG式記憶、管理對話背景並進行動態規劃。範例可調整用於聊天機器人、資料分析助手、任務自動化腳本或研究工具。此倉庫包含筆記本、Dockerfile和設定檔，方便跨環境設置與部署。

Proactive AI Agents是一個以開發者為中心的框架，旨在架構由大型語言模型推動的高級自主代理生態系統。它提供現成的功能用於代理創建、任務拆解和代理間通信，實現多步驟目標的無縫協作。每個代理可配備自定義工具、記憶存儲和規劃演算法，使其能積極預測用戶需求、排定任務並動態調整策略。該框架支持模組化整合新的語言模型、工具包和知識庫，同時提供內建的日誌記錄與監控功能。透過抽象化代理協調的複雜性，Proactive AI Agents加快AI驅動的工作流程開發，適用於研究、自動化和企業應用。

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。