CrewAI GUI Qt 提供一個全面的視覺環境，用於設計和運行基於CrewAI框架的AI代理流程。用戶可以將代表數據源、LLM模型、處理步驟和輸出處理器的可配置節點拖放到畫布上，然後將它們連接以定義序列或平行工作流程。每個節點都提供可定制的參數，如溫度、Token限制和API端點，從而實現對模型行為的細緻控制。實時運行引擎執行圖表，並在控制台面板顯示中間輸出與錯誤，便於調試。此外，項目可保存為JSON或XML，亦可導入協作或導出為獨立腳本。該應用還支持插件擴展、日誌和性能監控，非常適合原型設計、研究和生產級代理開發。

Fast-LLM-Agent-MCP 是一個輕量級的開源 Python 框架，用於構建結合記憶管理、鏈式推理和多步規劃的 AI 代理。開發者可以與 OpenAI、Azure OpenAI、本地 Llama 及其他模型整合，以保持對話上下文、產生結構化推理跡徑，並將複雜任務拆解為可執行的子任務。其模組化設計允許整合自定義工具及記憶庫，適用於虛擬助理、決策支援系統及自動化客戶支持機器人等應用。

GenerativeAgentsCN是斯坦福生成代理框架的開源中文版，用於模擬逼真的數位角色。結合大型語言模型、長期記憶模組、反思程序與規劃邏輯，協調代理感知情境、回想過去互動並自主決定下一步行動。此工具包提供即用的Jupyter筆記本、模組化Python元件與完整中文文件，帶領用戶設置環境、定義代理特性與自訂記憶參數。適用於AI角色行為研究、客戶服務機器人原型或用於代理認知的學術研究。具有彈性的API允許開發者擴充記憶演算法、整合自訂大型語言模型，並即時視覺化交互。

js-agent為開發者提供一個極簡而功能強大的工具包，用於在JavaScript中創建自主AI代理。它提供對話記憶、函數調用工具、可自定義的規劃策略和錯誤處理的抽象。使用js-agent，您可以快速連接提示、管理狀態、調用外部API並通過一個簡單模組化的API協調複雜的代理行為。設計用於Node.js環境，並與OpenAI API無縫整合，以提供智慧且具情境感知的代理。

Langroid提供一個全面的代理框架，使開發者能以最少的負擔構建复杂的AI應用。它具有模組化設計，允許自定義代理角色、用於保持上下文的有狀態記憶，並與OpenAI、Hugging Face及私有端點等大型語言模型（LLMs）無縫集成。Langroid的工具包允許代理執行代碼、從資料庫獲取數據、調用外部API，並處理文字、圖像和音頻等多模態輸入。其協調引擎管理異步工作流程和工具調用，插件系統促進代理能力擴展。通過抽象複雜的LLM互動和記憶管理，Langroid加快了聊天機器人、虛擬助手和任務自動化解決方案的開發，滿足各行業需求。

語言代理系統是一個開源Python框架，設計用於建構利用語言模型來規劃和執行任務的智慧代理。它包含記憶管理、工具註冊、規劃器和執行器等組件，使代理能維持上下文、呼叫外部API、進行網路搜尋與自動化工作流程。可透過YAML調整配置，支援多個LLM供應者，加速聊天機器人、內容摘要器及自主助理的原型設計。開發者亦可擴展功能，包括自訂工具與記憶後端，並在本地或伺服器上部署代理。

LLPhant 是一個開源的 Python 框架，讓開發者能建立多功能的 LLM 驅動代理。提供整合工具（API、搜尋、資料庫）、多輪對話記憶管理以及可自訂的決策循環。支援多個 LLM 後端（如 OpenAI、Hugging Face 及其他），插件式組件，以及配置驅動的工作流程，加快代理開發。可用於原型開發聊天機器人、自動化任務或建立融入外部工具與情境記憶的數位助手，免寫繁瑣重複碼。

micro-agent提供了一套極簡但強大的抽象，用於創建自主的AI代理。它採用TypeScript編寫，在瀏覽器和Node.js環境中都能無縫運行，讓你能定義具有自訂提示範本、決策邏輯和擴展工具整合的代理。這些代理可以利用思考鏈推理，與外部API互動，並維持對話或任務特定的記憶。該庫還包含處理API回應、錯誤管理和會話持久化的工具。使用micro-agent，開發者可以原型設計並部署各種任務的代理，例如自動化工作流程、構建對話界面或協調數據處理管線，無需依賴較大的框架。其模塊化設計和清晰的API介面使其易於擴展和整合到現有應用中。

Multi Agent Simulation提供靈活的API，用以定義具有自訂感測器、執行器和決策邏輯的代理類別。用戶配置帶有障礙物、資源和通信協定的環境，然後運行逐步或實時的模擬循環。內建的日誌系統、事件調度和Matplotlib整合，協助追蹤代理狀態並視覺化結果。模組化設計允許輕鬆擴展新的行為、環境及提升性能，非常適合學術研究、教育以及多代理場景的原型設計。

SeeAct 設計目的是為視覺語言代理提供雙階段管線：由大型語言模型驅動的規劃模塊生成基於觀察場景的子目標，執行模塊將子目標轉化為環境特定的行動。感知骨幹從圖像或模擬中提取物件與場景特徵。模塊化架構允許輕鬆替換規劃器或感知網絡，並支持在 AI2-THOR、Habitat 及自訂環境中的評估。SeeAct 促進互動式 embodied AI 研究，提供端到端的任務分解、歸屬與執行。

AutoAct 旨在透過將基於LLM的推理與結構化規劃和模組化工具整合，來簡化智能代理的開發。它具有一個規劃器，能產生動作序列，還有一個工具包定義與調用外部API，以及一個記憶模組來維護上下文。配備日誌記錄、錯誤處理和可配置政策，AutoAct支援對資料分析、內容生成和互動助手等任務進行端對端的穩健自動化。開發者可自訂工作流程、擴充工具並在本地或雲端部署代理。

DreamGPT 是一個多用途的開源平台，旨在簡化由 GPT 模型驅動的 AI 代理開發、配置與部署。它提供直觀的 Python SDK 與命令列界面，用於建立新代理、管理對話歷史（具有可擴展的記憶體後端），以及透過標準化插件系統整合外部工具。開發者可以定義自訂提示流程，連結 API 或資料庫以強化生成能力，並透過內建的記錄與遠端監控監控代理效能。其模組化架構支援雲端水平擴展，並確保用戶資料的安全處理。有預設範本用於助理、聊天機器人與數位工人，團隊能快速原型化專屬的 AI 代理，應用於客服、資料分析、自動化等領域。

Hyperbolic Time Chamber 提供一個彈性的環境，用來建構 AI 代理，包含記憶管理、語境窗口編排、提示鏈結、工具整合及執行控制等元件。開發者透過模組化積木定義代理行為，配置短長期記憶，並連結外部 API 或本地工具。該框架支持非同步、記錄與調試功能，促進快速迭代，讓在 Python 專案中部署複雜對話或任務導向代理更加便捷。

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。

Promptix Python是一個用於在Python中構建自主AI代理人的開源框架。通過簡單的pip安裝，您可以實例化由任何主要的LLM驅動的代理人、註冊領域特定工具、配置內存或持久數據存儲器，以及調度多步決策循環。此SDK支持實時串流Token輸出、日誌記錄或自定義處理的回調，以及內建的記憶模組來保持交互上下文。開發者可以利用此函式庫在幾分鐘內原型設計聊天機器人助手、自動化流程、數據管道或研究代理人。其模組化設計允許切換模型、添加自定義工具和擴展記憶後端，以適應多種AI代理應用需求。

Agent Script 提供了一層宣告式腳本層，覆蓋大型語言模型，可用 YAML 或 JSON 來撰寫定義代理流程、工具調用與記憶使用的腳本。你可以連接 OpenAI、本地 LLM 或其他提供者，將外部 API 作為工具，並配置長短期記憶後端。框架自動處理內容管理、非同步執行和詳細日誌。只需少量程式碼，即能快速原型聊天機器人、RPA 流程、資料擷取代理或自訂控制循環，讓建構、測試與部署 AI 自動化更為容易。

Agentle為開發者提供一個結構化的框架，以最少的樣板碼建立定制的AI代理。它支持將代理工作流程定義為任務序列、與外部API及工具的無縫整合、保存上下文的對話記憶管理，以及內建的日誌記錄以確保可追蹤性。該庫還提供插件掛鉤以擴展功能、多代理協調以處理複雜管道，以及統一界面在本地運行或通過HTTP API部署。

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。

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。