InfantAgent 提供輕量級的結構，用於設計與部署Python中的智慧代理。它整合熱門的大型語言模型（OpenAI、Hugging Face）、支援持久性記憶模組，並啟用自定義工具鏈。開箱即用的功能包括會話界面、任務協調與策略驅動的決策。其插件架構允許輕鬆擴展特定領域的工具與API，非常適合用於原型研究代理、工作流程自動化或將AI助理整合到應用程式中。

LangChain是一個開源Python框架，旨在加速AI驅動應用的開發。它提供多個語言模型調用（鏈）、與外部工具互動的代理人建立、以及對話記憶的管理抽象。開發者可以定義提示、輸出解析器和端到端的工作流程。整合包括向量庫、資料庫、API和託管平台，可支援商用聊天機器人、文件分析、程式碼助手與客製化AI管線。

LeanAgent 是一個基於 Python 的框架，旨在簡化自主 AI 代理的建立。它提供內建的規劃模組，利用大型語言模型進行決策，擴展性強的工具集成層可調用外部 API 或自定義腳本，並具有能在多次交互中保留上下文的記憶管理系統。開發者可以配置代理工作流程、加入自定義工具，快速進行除錯並部署適用於各種領域的生產級代理。

LLM Maze Agent框架提供了一個基於Python的環境，用於構建能夠利用大型語言模型導航網格迷宮的智能代理。通過結合模塊化環境介面、思路鏈提示模板和啟發式規劃，代理迭代詢問LLM以決定移動方向，適應障礙物並更新其內部狀態表示。支持OpenAI和Hugging Face模型的開箱即用，並可配置迷宮生成和逐步調試，方便實驗不同策略。研究人員可以調整獎勵函數、定義自定義觀測空間，並視覺化代理路徑來分析推理過程。這種設計使得LLM Maze Agent成為評估LLM驅動規劃、教授AI概念和基準測試空間推理任務的多功能工具。

LLM狀態機是一個開源的Python框架，專為使用明確狀態機構建AI代理而設計。開發者將狀態定義為離散步驟——每個調用一個大型語言模型或自訂邏輯——並根據輸出進行轉換。這種方法提供清晰性、可維護性和強健的錯誤處理，適用於多步、由LLM驅動的工作流程，例如文件處理、對話機器人或自動化流程。

MARO（多代理資源優化）是一個基於Python的框架，旨在支援供應鏈、物流和資源管理場景中多代理強化學習代理的開發與評估。其包含存貨管理、卡車排程、交叉碼頭作業、集裝箱租賃等模板。MARO提供統一的代理API、內建追蹤器用於實驗記錄、平行模擬以進行大規模訓練，以及性能分析的視覺化工具。平台模組化、可擴展，可與流行RL庫整合，實現可重複的研究與快速的AI驅動優化方案原型。

Matcha Agent提供一個彈性的基礎，用於在Python中建立自主代理。開發者可以配置具有自訂工具集（API、腳本、資料庫）的代理，管理對話記憶，並在不同的LLM（OpenAI、本地模型等）間協調多步驟工作流程。其插件架構便於拓展、除錯和監控代理行為。無論是自動化研究任務、資料分析還是客服支援，Matcha Agent都能簡化端對端代理的開發與部署。

MGym是一個專門用於在Python中構建與管理多智能體強化學習（MARL）環境的框架。用戶可以定義多個智能體的複雜場景，每個智能體都具有可自定義的觀察和行動空間、獎勵函數及互動規則。MGym支援同步與非同步兩種執行模式，提供平行與輪換式的智能體模擬。採用類似Gym的API設計，與Stable Baselines、RLlib和PyTorch等流行RL庫無縫整合。內建工具模組用於環境基準測試、結果視覺化及績效分析，方便系統性評估MARL演算法。其模組化架構允許快速原型設計合作、競爭或混合型智能體任務，幫助研究人員與開發者加速MARL實驗與研究。

Multi-Agent AI Assistant是一個模組化的Python框架，能協調多個GPT驅動的代理，每個代理被分配到不同的角色，如規劃、研究、分析和執行。系統支援代理之間的訊息傳遞、記憶儲存，以及與外部工具和API整合，實現複雜的任務拆解與合作解決問題。開發者可以自訂代理行為、添加新工具包，並透過簡單的配置檔案設定工作流程。利用專業代理之間的分散推理，該框架加速自動研究、資料分析、決策支援和任務自動化。資料庫包含範例實作和模板，支持快速原型設計智慧助手和數位工作者，能處理企業、教育及研究環境中的端對端工作流程。

Nuzon-AI提供一個基於Python的代理框架，允許定義任務、管理對話記憶和通過插件擴展功能。它支持與主要LLMs（OpenAI、本地模型）集成，使代理能執行網絡互動、數據分析和自動化流程。架構包括技能註冊表、工具調用系統及多代理協作層，讓您組合代理用於客戶支持、研究輔助和個人生產力。透過配置文件，您可以定制每個代理的行為、記憶保留策略和日誌記錄，用於除錯或審計。

Notte是一個以開發者為中心的Python框架，旨在協調由大型語言模型驅動的AI代理。它提供內建的記憶模組來存儲和檢索對話上下文，靈活的外部API或自定義函數工具整合，以及排序任務的規劃引擎。有了Notte，你可以快速開發對話助手、數據分析機器人或自動化工作流程，同時享有開源的擴展性和跨平台支持。

PyGame Learning Environment（PLE）是一個開源的 Python 框架，旨在簡化在自訂遊戲場景中開發、測試和基準強化學習代理的流程。它提供一套輕量級的基於 Pygame 的遊戲，內建支持代理觀察、離散與連續動作空間、獎勵塑形和環境渲染。PLE 擁有一個易於使用的 API，與 OpenAI Gym 包裝器相容，可與 popular RL 函式庫（如 Stable Baselines 和 TensorForce）無縫整合。研究人員與開發者能夠客製化遊戲參數、實現新遊戲，並運用向量化環境以加快訓練速度。藉由活躍的社群貢獻與豐富的文件說明，PLE 成為一個多用途的平台，適用於學術研究、教育與現實應用原型設計。

RL Shooter 是一個基於 Python 的框架，整合 ViZDoom 與 OpenAI Gym API，以建立一個彈性的 FPS 遊戲強化學習環境。使用者可自訂場景、地圖及獎勵結構，以進行導航、目標偵測和射擊任務的訓練。它支援可配置的觀察幀、行動空間與日誌功能，並支援流行的深度 RL 函式庫，例如 Stable Baselines 和 RLlib，以提供明確的性能追蹤及實驗可重複性。

Samantha Voice AI Agent 是一個完全模塊化、開源的語音助手框架，完全用Python構建。它利用OpenAI的GPT-4模型進行語境對話管理，使用Whisper進行準確的語音轉文字，並通過ElevenLabs或微軟的TTS實現逼真的文本轉語音輸出。內建支持持續聽取、可定制的技能觸發點、API集成和事件觸發，允許開發者構建個性化語音流程，自動化任務，並在桌面或伺服器環境中部署，無需繁重授權限制。

Simple-Agent 是一個用 Python 編寫的開源 AI 代理框架，利用 OpenAI API 創建模組化的對話代理。它允許開發者定義代理可以調用的工具功能，維持多次互動的上下文記憶，並通過技能模組自訂代理行為。框架負責請求路由、動作規劃和工具執行，讓你專注於領域特定邏輯。內建記錄與錯誤處理，Simple-Agent 可加快AI聊天機器人、自動化助理與決策支援工具的開發。它支援簡單整合自定義API與資料來源，支持非同步工具呼叫，並提供簡易配置界面。用它來原型設計客服支持、資料分析、自動化等用途。模組化架構使擴充功能變得容易，不需更改核心邏輯。在社群貢獻與文檔支援下，Simple-Agent 非常適合初學者及經驗豐富的開發者快速部署智慧代理。

SmolAgents動態工具擴展開源Python框架，使基於LLM的代理能動態調用工具。代理可以根據用戶意圖和思考链，無縫調用預先建立好的工具—如SerpAPI的網頁搜索、數學計算器、日期時間獲取、文件系統操作和自定義HTTP請求處理程序—詳情由開發者註冊或自訂。通過在運行時評估工具的可用性，SmolAgents動態工具能優化代理工作流程，減少硬編碼邏輯，提升模組化，適用於研究支援、自動報告和聊天機器人增強等多種場景。

SonAgent是一個可擴展的開源框架，主要用於在Python中構建、組織和運行AI代理。它提供核心模塊，用於記憶存儲、工具包裝器、規劃邏輯和異步事件處理。開發者可註冊自定義工具、整合語言模型、管理長期代理記憶，並協調多個代理以合作完成複雜任務。SonAgent的模組化設計促進對話機器人、工作流程自動化和分散式代理系統的開發。

Duet GPT是一個基於Python的開源框架，用於協調兩個GPT模型之間的多代理對話。你定義不同的代理角色，並用系統提示進行定制，框架自動管理輪流、訊息傳遞和對話記錄。這種合作結構加速解決複雜任務，支持比較推理、批評循環和反覆修正，通過來回交換來提高效率。其與OpenAI API的無縫集成、簡單配置和內建日誌，使其非常適合研究、原型開發和生產流程中的程式協助、決策支援和創意構思。開發者可以擴展核心類別，以整合新的LLM服務，調整迭代邏輯，並將對話記錄匯出為JSON或Markdown格式以便後續分析。

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。

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。