FreeThinker 提供模組化架構，用於定義能自主執行任務的 AI 代理，藉由利用大型語言模型、記憶體模組和外部工具。開發者可以透過 Python 或 YAML 配置代理，插入用於網路搜尋、數據處理或 API 呼叫的自訂工具，並使用內建的規劃策略。該框架處理逐步執行、情境保留與結果彙整，使代理可以在研究、自動化或決策支援工作流程中免手動操作。

MARL-DPP是一個開源框架，使用確定性點過程（DPP）強制多智能體強化學習（MARL）中的多樣性。傳統的MARL方法經常陷入策略收斂到類似行為的問題，MARL-DPP透過引入基於DPP的措施來鼓勵代理保持多元的行動分佈。該工具套件提供模組化的程式碼來將DPP嵌入訓練目標、樣本策略和探索管理中，包括與OpenAI Gym和多智能體粒子環境（MPE）的即插即用整合，以及用於超參數管理、日誌記錄和多樣性指標視覺化的工具。研究人員可以評估多樣性約束在合作任務、資源分配與競爭遊戲中的影響。其擴展性設計支持客製化環境與高階演算法，促進新型MARL-DPP變體的探索。