Llamator是一個開源的JavaScript函式庫，讓開發者可以在統一的管道中，透過結合記憶模組、工具整合與動態提示模板，建立自主AI代理。它協調規劃、行動執行與反思循環，以處理多步驟任務，支援多個LLM提供者，並允許自定義工具來進行API調用或資料處理。利用Llamator，你可以快速在網頁或Node.js應用中原型化聊天機器人、個人助理及自動化工作流程，並且享有模組化架構，方便擴展與測試。

OSU NLP Middleware是一個輕量級的Python框架，簡化AI代理系統的開發。它提供一個核心代理循環，協調自然語言模型與作為插件定義的外部工具功能的交互。該框架支持流行的LLM供應商（如OpenAI、Hugging Face等），並允許開發者註冊用於資料庫查詢、文件檢索、網絡搜索、數學計算和RESTful API調用等任務的自定義工具。Middleware管理對話歷史，處理速率限制，並記錄所有互動。它還提供可配置的快取和重試策略，以提升可靠性，讓用戶能輕鬆建立智能助理、聊天機器人和自主工作流程，且代碼量最小化。

MixAgent提供即插即用的架構，讓開發者定義提示、連接多個LLM後端並整合外部工具（API、數據庫或代碼）。它協調規劃和執行循環，管理代理的記憶以支持狀態交互，並記錄思考鏈推理。用戶可以快速原型設計助手、資料擷取器或自動化機器人，無需從零構建協調層，從而加速AI代理的部署。

NavamAI是一個強大的人工智能工具，通過與您的終端集成來提升生產力，提供個人化、快速和高品質的AI體驗。它支持15個大型語言模型和7個供應商，使用者可以利用Markdown、VS Code、Obsidian和GitHub生成情境應用程式並自動化工作流程。通過簡化例如創建網頁應用程式、抓取內容和通過簡單命令生成洞見等任務，NavamAI幫助用戶在不需要複雜設置或廣泛編程知識的情況下優化工作流程。該應用程式的靈活性和豐富的用戶介面使其成為希望提高生產力和效率的任何人的不可或缺的工具。

PySpur提供一個整合的環境，讓你可以透過友善的節點介面建構、測試和部署AI代理。開發者可以拖曳模組化的區塊（如語言模型呼叫、資料取得、決策分支和API互動），組成行動鏈條。即時模擬模式允許工程師驗證邏輯、檢查中間狀態並在部署前除錯工作流程。PySpur亦支持版本控制、性能分析，並能一鍵部署到雲端或內部基礎設施。支援可插拔的連接器及主流大型語言模型及向量資料庫，團隊能快速原型複雜的推理代理、自動化助理或數據管道。其開源且可擴展的架構，將複雜程式碼和基礎建設開銷降至最低，加快迭代步伐，打造更可靠的代理方案。

Tongui Agent提供模組化架構，用於創建能夠維持對話狀態、利用外部工具並協調多個子代理的AI代理。開發者可以配置LLM後端、定義自定義行動，並附加記憶模組來存儲上下文。該框架包含SDK、CLI和中介層鉤子，以便實現觀測性，方便整合至網頁或Node.js應用程序中。支援的LLM包括OpenAI、Azure OpenAI及開源模型。

WanderMind 提供模組化架構，用於建構自我引導的 AI 代理。它管理持久的記憶庫以在會話間保留上下文，整合外部工具和 API 以擴展功能，並通過可自定義的規劃器協調多步推理。開發者可以連接不同的 LLM 供應商、定義異步任務，並用新工具適配器擴展系統。此框架加速自主工作流程的實驗，應用範圍從想法探索到自動化研究助手，無需大量工程負擔。

ChatStreamAiAgent為開發者提供一個輕量級的Python工具包，用於實現能夠實時傳輸生成中Token的AI對話代理。它支持多個LLM提供者、異步事件掛鉤，以及方便集成到Web或控制台應用程序中。內置的上下文管理和提示模板，讓團隊能快速原型化會話助手、客戶支持機器人或互動教學，同時提供低延遲的實時反應。

CopilotKit是一個開源的Python框架，設計給開發者建立客製化的AI代理。其模組化架構允許註冊和配置工具——如檔案系統存取、網路搜尋、Python REPL和SQL連接器——並將它們與支援的LLM結合。內建的記憶模組可用於持久化對話狀態，LangGraph則用來定義複雜任務的結構化推理流程。代理可在腳本、網頁服務或CLI應用部署，並支持雲端擴展。CopilotKit無縫與OpenAI、Azure OpenAI及Anthropic模型協作，強化自動化流程、聊天機器人及資料分析機器人。

ElizaOS 提供一套強大的工具，用於在 TypeScript 項目中設計、測試和部署自主 AI 代理。開發者可以定義代理角色、目標和記憶層級，並利用 ElizaOS 的規劃系統來設計任務流程。其模組化連接器架構簡化了與通信平台—如 Discord、Telegram、Slack、X—及 Web3 匹配器的整合。ElizaOS 支援多個 LLM 後端（OpenAI、Anthropic、Llama、Gemini），實現模型之間的無縫切換。插件支援擴展功能，包含自訂技能、記錄和可觀察性。借助 CLI 和 SDK，你的團隊可以微調代理配置，監控即時表現，並在雲端或本地環境中擴展部署。ElizaOS 讓企業能自動化客戶互動、社群媒體參與和業務流程，創造自主數位工作者。

Isek是一個針對開發人員的AI代理建構平台，採用模組化架構。提供工具和資料來源的插件系統、內建記憶以保留上下文、及協調多步任務的規劃引擎。你可以在本地或雲端部署代理，整合任何LLM後端，並透過社群或自訂模組擴展功能。Isek透過範本、SDK和CLI工具，簡化聊天機器人、虛擬助手及自動化工作流程的快速開發。

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。

pyafai是開源的Python函式庫，協助開發者設計、配置與執行自主式AI代理。它提供可插拔模組，用於管理記憶以保存上下文、整合工具以呼叫外部API、環境監控器、決策規劃器，以及用於管理代理循環的協調器。其日誌與監控功能提供代理效能與行為的可視性。pyafai支援主要LLM供應商，允許建立自訂模組，並降低樣板碼數，使團隊能快速原型化虛擬助理、研究機器人與自動化工作流程，並完整掌控每個元件。

Spellcaster採用結構化方法構建AI代理，通過‘咒語’——結合提示、邏輯與工作流程。開發者編寫YAML配置文件，來定義代理的角色、輸入、輸出與協調步驟。CLI工具執行咒語，傳遞訊息，並與OpenAI、Anthropic等LLM API無縫整合。Spellcaster追蹤執行日誌，保存對話上下文，並支持自定義插件進行前後處理。其除錯界面能視覺化調用序列與資料流程，方便辨識提示失敗與性能問題。藉由抽象複雜的協調模式與標準化提示範本，減少開發負擔，確保跨環境的一致代理行為。

SyntropAI是一個以開發者為核心的Python函式庫，旨在簡化自主AI代理的建構。它提供模組化架構，核心組件包括記憶體管理、工具與API整合、LLM後端抽象，以及協調多步工作流程的規劃引擎。用戶可以定義自訂工具、配置持久或短期記憶，並從支援的LLM提供者中選擇。SyntropAI亦包含日誌記錄與監控鉤子，以追蹤代理決策。其即插即用模組讓團隊能快速迭代代理行為，非常適合用於聊天機器人、知識助手、任務自動化機器人與研究原型。

AgentServe 提供一個統一界面，用於建立和部署 AI 代理。用戶在配置檔或程式碼中定義代理行為，整合外部工具或知識來源，並在 REST 終點暴露代理。框架內建模型路由、並行請求、健康檢查、日誌記錄和量測。模組化設計允許插拔新模型、定制工具或排程策略，非常適合構建聊天機器人、自動化工作流程及多代理系統，且具備可擴展性與可維護性。

AAGPT是一個可擴展的開源AI代理框架，旨在構建自主代理。它允許您定義高層次目標，管理對話記憶，規劃多步任務，以及整合外部工具或API。使用簡單的配置文件和Python SDK，您可以自訂代理行為，定義自訂動作，並部署能與資料來源交互、執行指令、並從過往互動中學習以提升性能的代理。

Aegix提供一個強大的SDK，用於協調能處理複雜工作流程的多步推理AI代理。它支持多種LLM提供者，允許開發者整合自定義工具——從數據庫連接器到網頁爬蟲——並使用向量存儲等記憶模塊來保持對話狀態。Aegix的靈活代理循環架構允許制定規劃、執行和審查階段，使代理能迭代優化輸出。無論是構建文件問答機器人、代碼助手還是自動支持代理，Aegix都通過清晰的抽象、配置驅動的管道和便捷擴展點簡化開發。其設計可從原型擴展到生產，確保在AI應用中提供可靠性能和可維護的代碼庫。

AgentScope是一個面向開發者的框架，旨在簡化智能代理的創建，透過模組化組件提供動態規劃、上下文記憶存儲和工具/API整合。它支援多個LLM後端（OpenAI、Anthropic、Hugging Face），並提供可自行定義的任務執行、答案合成和資料檢索管道。其架構支持快速原型化會話機器人、流程自動化代理和研究助理，同時保持擴展性和可擴充性。

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。