Trainable Agents 被設計為模組化、可擴展的工具包，用於快速開發和訓練由先進大型語言模型支持的 AI 代理。框架抽象出交互環境、策略介面和反饋循環等核心組件，使開發者能夠輕鬆定義任務、提供示範並實現獎勵函數。內建支持 OpenAI GPT 和 Anthropic Claude，方便體驗重放、批次訓練和性能評估。它還包括日誌記錄、指標追蹤和導出訓練策略的工具。不論是建立對話聊天機器人、自動化工作流程或進行研究，此框架都能簡化從原型到生產的整個流程，融於一體的 Python 套件中。

Patrolling-Zoo提供一個彈性的框架，讓用戶能在Python中建立與實驗多智慧體巡邏任務。庫內包含多種基於格子與圖形的模擬環境，模擬監控、巡查與覆蓋場景。用戶可自行設定智慧體數量、地圖大小、拓撲結構、獎勵和觀測空間。藉由與PettingZoo與Gym API的相容性，支援與流行強化學習演算法的順暢整合。此環境便於在一致設定下進行基準測試與技術比較。通過提供標準場景與自訂工具，促進自主機器人、安保監控、搜尋救援及多智慧體協調策略的研究與應用。

Agentin 是一個開源的 Python 函式庫，旨在協助開發者建立能進行規劃、行動與學習的智慧代理。它提供管理對話記憶、整合外部工具或 API，以及協調多個代理人在平行或層級工作流程中的抽象層。藉由可配置的規劃模組與客製化工具封裝，Agentin 可迅速原型化自主資料處理、客服機器人或研究助理等代理。此框架亦提供擴展性強的日誌記錄與監控接口，便於追蹤代理決策與排查複雜的多步互動問題。

Agentic AI Workflow是一個可擴展的Python函式庫，設計用來協調多個AI代理以進行複雜的任務自動化。它包括一個規劃代理，用來將目標拆解為可行的步驟；執行代理，用來透過連接的LLMs執行這些步驟；以及一個反思代理，用來檢視結果並完善策略。開發者可以自訂提示模板、記憶模組和連接器整合，以支援任何主流語言模型。該框架提供可重用的組件、記錄功能及性能指標，方便建立自主研究助理、內容管線與資料處理流程。

Flocking Multi-Agent提供模組化的庫，用於模擬展示群體智慧的自主智能體。它編碼核心操控行為——凝聚、分離與對齊——以及避障和動態目標追蹤。利用Python和Pygame進行視覺化，該框架允許調整如鄰居半徑、最大速度和轉向力等參數。它支持通過自定義行為函數和機器人或遊戲引擎的集成掛鉤來擴展。適用於AI、機器人學、遊戲開發和學術研究的實驗，展示簡單的本地規則如何產生複雜的全局行為。