AI-Agents 使用 Python 和 OpenAI 模型，提供模組化架構來定義 AI 驅動的代理。它包含可插拔的工具，例如網路搜尋、計算器、維基百科查詢和自訂功能，使代理能進行複雜的多步推理。內建的記憶元件支持跨會話的情境保留。開發者可以克隆庫、配置 API 金鑰，並快速擴展或更換工具。配合範例和豐富文件，AI-Agents 可簡化從概念到部署的流程，適用於定制的會話或任務導向 AI 解決方案。

HackerGCLASS Agent API是一個開源的Python框架，暴露RESTful端點來運行AI代理。開發人員可以定義自定義工具整合、配置提示模板，並在各會話中維護代理狀態和記憶體。該框架支持多代理並行調度、處理複雜對話流程，並整合外部服務。它通過Uvicorn或其他ASGI服務器簡化部署，並通過插件模組提供擴展性，快速為各種用途創建領域專屬的AI代理。

AI-Short-Video-Engine在端到端流程中協調多個AI模組，將用戶定義的文字提示轉換成精美的短影片。首先，系統利用大型語言模型產生分鏡和腳本。接著，Stable Diffusion創建場景圖像，bark提供逼真的語音配音。引擎會將圖像、字幕和音訊合成成一個完整影片，自動添加轉場和背景音樂。其插件架構允許按需客製化每階段：從替換不同的文字轉圖像或TTS模型到調整影片解析度和樣式模板。透過Docker或原生Python部署，提供CLI命令和RESTful API端點，讓開發者可以輕鬆整合AI影片製作流程到既有工作流程。

AutoBrowse是一個開發者函式庫，支援由LLM驅動的網路自動化。透過運用大型語言模型，它規劃並執行瀏覽器行為——搜尋、導航、互動與從網頁擷取資訊。採用規劃-執行範式，它將高階任務拆解為逐步執行的動作，並處理JavaScript渲染、表單輸入、連結遍歷與內容分析。它產出結構化資料或摘要，非常適合用於研究、資料收集、自動化測試和競爭情報工作流程。

Azeerc-AI 是一個面向開發者的框架，通過編排大型語言模型（LLM）調用、工具集成和記憶管理，實現快速構建智能代理。它提供插件架構，您可以註冊自定義工具，例如網路搜索、資料獲取器或內部API，然後設計複雜的多步工作流程。內置動態記憶模塊允許代理記住並檢索過去的交互。只需少量樣板代碼，就可以快速建立對話機器人或任務專用代理，定制其行為，並在任何Python環境中部署。其擴展性設計適用於客服對話機器人到自動研究助理等多種應用。

Claude-Code-OpenAI將Anthropic的Claude API轉換為Python應用程式中的即插即用替代OpenAI模型。在安裝pip並配置你的OPENAI_API_KEY和CLAUDE_API_KEY環境變量後，你可以使用熟悉的方法，如openai.ChatCompletion.create()、openai.Completion.create()或openai.Embedding.create()，並使用Claude模型名稱（例如claude-2、claude-1.3）。該庫攔截調用，將其路由到相應的Claude端點，並標準化響應以匹配OpenAI的數據結構。它支持實時流式、豐富的參數映射、錯誤處理和提示模板。這允許團隊在不重構代碼的情況下，實驗Claude與GPT模型，並用於聊天機器人、內容生成、語義搜索和混合LLM工作流程的快速原型設計。

Dialogflow Fulfillment Python Library是一個開源框架，可以處理來自Dialogflow的HTTP請求，將意圖映射到Python處理函數，管理會話和輸出上下文，並構建結構化的回應，包括文字、卡片、建議晶片和自訂負載。它將Dialogflow的Webhook API的JSON結構抽象為方便的Python類和方法，加快了對話後端的創建，並在與資料庫、CRM系統或外部API集成時減少樣板程式碼。

DevLooper旨在簡化AI代理項目的端到端生命週期。只需一個命令，即可生成任務專用代理和逐步工作流程的樣板程式碼。它利用Modal的雲端原生執行環境，將代理作為可擴展、無狀態的函數運行，同時提供快速迭代的本地運行和除錯模式。DevLooper可處理有狀態的資料流、定期排程和內建的可觀察性。通過抽象化基礎設施細節，讓團隊聚焦於代理邏輯、測試和優化。與現有Python庫及Modal的SDK無縫整合，確保在開發、測試和生產環境中的安全、可重現部署。

作為一個彈性的Python庫，LangChain-Taiga將Taiga的RESTful API與LangChain框架連結，打造一個能理解人類語言指令來管理專案的AI代理人。用戶可以用自然語言請求列出活躍的用戶故事、優先排序待辦事項、更改任務細節，以及產生衝刺摘要報告。它支援多個LLM提供者、可自訂的提示範本，並能導出JSON或Markdown等多種格式的結果。開發者和敏捷團隊可將LangChain-Taiga整合進CI/CD流程、聊天機器人或網頁儀表板中。模組化設計也方便擴充自定義工作流程，包括自動狀態通知、估算預測和即時協作洞察。

Melissa提供一個輕量、可擴展的架構，用於構建基於AI的代理，而不需要大量樣板程式碼。其核心基於插件系統，開發者可以註冊自訂動作、資料連結器和記憶模組。記憶子系統能在交互中保存上下文，增強對話連續性。整合適配器允許代理從API、資料庫或本地檔案中獲取並處理資訊。結合簡單的API、命令列工具和標準化介面，Melissa簡化自動化客戶查詢、生成動態報告或調度多步驟流程等任務。此框架支援語言無關的整合，適用於Python專案，並可部署在Linux、macOS或Docker環境中。

多代理LLM食譜價格協調一套專門的AI代理，將食譜拆解成食材，查詢外部價格資料庫或API獲取實時市場價格，進行單位轉換，並按照貨幣計算總成本。用Python編寫，利用食譜解析代理提取項目、價格查詢代理獲取當前價格，貨幣轉換代理處理國際價格。該框架記錄每一步，支持插件擴展以加載新的資料提供者，並輸出詳細的費用分解為JSON或CSV格式供進一步分析。

vagent_comm是一個API客戶端框架，簡化Python應用程式與VAgent AI代理之間的訊息交換。它支援安全的令牌認證、自動JSON格式化，以及透過WebSocket和HTTP REST的雙重傳輸方式。開發者可以建立會話、傳送文字或資料負載、處理串流回應，並管理錯誤重試。此函式庫的非同步介面與內建會話管理，能無縫整合於聊天機器人、虛擬助手後端和自動化工作流程中。

SecGPT 將 LLM 呼叫包裹在層狀安全控制與自動化測試中。開發者在 YAML 中定義安全檔案，將此庫整合到 Python 管道中，並利用模組進行提示注入偵測、防止資料外洩、對抗威脅模擬及合規監控。SecGPT 產生詳細的違規報告、支援 Webhook 警示，並與 LangChain 和 LlamaIndex 等流行工具無縫整合，以確保 AI 部署的安全與合規。

Summarization Agent Reflection結合先進的摘要模型與內建的反思機制，透過反覆評估來精煉自身的摘要。用戶傳入一個或多個文本，例如文章、論文或轉錄資料，代理會產生初步摘要，接著分析結果以找出遺漏或不正確之處，並根據反饋迴圈調整或再產生摘要，直至滿意為止。此設定參數可調整摘要長度、深度與風格，使其能適應不同領域與工作流程。

ePH-MAPF提供一個高效的流程，用於計算數十到數百代理人在格子地圖上的無碰撞路徑。它採用優先啟發式、增量搜尋技術與可自訂的成本度量（曼哈頓距離、歐幾里得距離），在速度與解決方案品質之間取得平衡。使用者可以選擇不同的啟發式函數，將函數整合到Python機器人系統中，並在標準MAPF場景中進行效能基準測試。程式碼模組化且有良好文件，方便研究人員和開發者擴展適用於動態障礙或特殊環境。

Lila提供一個完整的AI代理框架，適用於多步推理和自主任務執行。開發者可以定義自訂工具（API、資料庫、Webhook），並在運行時動態調用。它提供記憶模組來存儲對話歷史和事實，規劃組件來排程子任務，以及思考鏈提示以透明決策路徑。其插件系統允許無縫擴展新功能，內建監控追蹤代理行動與輸出。模組化設計使其易於整合至現有Python專案或作為雲端服務部署，支持實時代理工作流程。

Llama-Agent 是一個以開發者為中心的工具包，用於創建由大語言模型驅動的智能 AI 代理。它提供工具整合以調用外部 API 或函數、記憶管理以儲存與檢索上下文，以及思維鏈規劃來拆解複雜任務。代理能執行動作、與自訂環境互動，並透過插件系統調整。作為一個開源專案，支持方便擴展核心元件，能在各個領域快速實驗與部署自動化工作流程。

mcp-agent-graph為AI代理提供一個基於圖的調度層，使開發者可以將複雜的多步工作流程映射為有向圖。每個圖節點對應一個代理任務或函數，捕捉輸入、輸出和依賴。邊定義代理之間的數據流，確保正確的執行順序。引擎支持順序和並行執行模式，能自動解決依賴，並可與自定義Python函數或外部服務整合。內建的視覺化功能允許用戶檢查圖拓撲並進行調試。該框架簡化模組化、可擴展的多代理系統開發，用於數據處理、自然語言工作流程或結合多個AI模型的管道。

Self Collab AI提供一個模組化框架，開發者可以在其中定義自治代理、通信通道和任務目標。代理使用預設提示和範例來協商責任、交換資料並對解決方案反覆迭代。基於Python且具有易於擴展的界面，支援與大型語言模型、客製插件和外部API整合。團隊可以快速原型設計復雜工作流程，如研究助理、內容生成或資料分析管線，透過配置代理角色與合作規則，而無需深入撰寫調度程式碼。

sma-begin建立一個精簡的代碼基底，用於創建AI 驅動的代理，通過抽象處理輸入、決策邏輯和輸出生成等通用元件。它的核心為一個代理迴圈，查詢LLM，解譯回應，並可選擇性執行整合的工具，如HTTP客戶端、檔案處理器或自訂腳本。記憶模組讓代理可以回想先前的互動或上下文，而提示串聯則支援多步驟工作流程。錯誤處理則會捕捉API失敗或不正確的工具輸出。開發者只需定義提示、工具和預期行為。藉由最少的樣板碼，sma-begin加速聊天機器人、自動化腳本或領域專用助理在任何支援Python的平台上的原型開發。