Bespoke Curator 是一個由人工智慧驅動的協調框架，讓用戶能啟動多個具有明確角色（如研究員、分析員、摘要員）的專門代理，獨立收集資訊、處理文件並輸出結構化結果。內建的網路瀏覽、API 及共享記憶體存儲整合，允許代理進行通訊與任務反覆完成。用戶配置資料來源、規則與性能指標。平台的儀表板追蹤代理進展，支持即時調整並匯出最終報告、洞察或摘要，用於商業智慧、學術評審和內容策略工作流程。

Hive是一個為Node.js環境打造的強大AI代理編排平台。它提供一個模組化系統，用於定義、管理和執行多個AI代理，支持並行或序列化的工作流程。每個代理可以設定特定角色、提示範本、記憶存儲與外部工具整合，如API或插件。Hive簡化代理之間的通訊路徑，促進資料共享、決策和任務委派。其擴展設計允許開發者實作自訂工具、監控執行紀錄，並大規模部署代理。Hive亦具備錯誤處理、重試策略及效能優化等功能，確保可靠的自動化。透過最少設定，團隊可以原型開發複雜的AI服務，包括聊天機器人、資料分析流程與內容生成器。

IoA提供了一個靈活的架構，用於定義、協調和執行多個AI代理在統一的工作流程中。主要組件包括分解高層目標的規劃器、向專用代理調度任務的執行器，以及用於上下文管理的記憶模組。它支援與外部API和工具包的整合、實時監控和可自定義的技能插件。開發者可以通過結合現成的模組或用自定義邏輯擴展來快速原型設計自主助理、客戶支持機器人和數據處理管道。

LLMLing代理是一個模組化框架，用於建立、配置和部署由大型語言模型驅動的人工智能代理。用戶可以實例化多個代理角色，連接外部工具或API，管理對話記憶，並協調複雜的工作流程。平台包含一個基於瀏覽器的實驗場，可視化代理互動、記錄訊息歷史，並允許實時調整。借助Python SDK，開發者可以撰寫自定義行為、整合向量數據庫，並通過插件擴展系統。LLMLing代理通過提供可重用組件和清晰抽象，簡化聊天機器人、數據分析機器人和自動化助手的創建流程，促進多代理協作。

NanoBrowser作為一個Chrome擴展，直接在瀏覽器中運行，使您能夠通過自然語言提示來自動化重複或複雜的網絡任務。您可以用自己的LLM API密鑰（包括OpenAI GPT、自託管LLaMA模型或其他）來配置它，並定義由多個代理組成的工作流程。它支持數據抓取、表單交互、自動研究和通過LangChain集成的工作流程鏈接。您可以協調代理合作處理子任務，將結果導出為CSV或JSON，並可以交互式地進行調試或微調步驟。作為一個開源的替代方案，NanoBrowser重視隱私、擴展性和易用性。

OpenAI Agents Chatbot讓開發者能將多個專用AI代理（例如工具、知識檢索、記憶模組）整合並管理於單一對話應用。它具有思考鏈路協調、會話紀錄記憶、可配置的工具端點，並能無縫與OpenAI API互動。使用者可以自訂每個代理的行為，部署於本地或雲端環境，並用額外模組擴充框架。這促進進階聊天機器人、虛擬助理與任務自動化系統的開發。

OpenAI Swarm Node協調多個ChatGPT代理的並行調用，收集每個輸出，應用所選擇的彙總策略（例如多數投票或自訂加權），並返回統一的共識回應。其可擴展的架構支援對模型參數的細緻控制、錯誤處理、重試邏輯和非同步執行，使開發者能在任何Node.js應用中整合群集智慧，以提升AI決策的準確性與一致性。

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。

CASA設計為一個模組化即插即用的自主框架，建立在ROS生態系統之上。它采用去中心化架構，每個機器人運行本地規劃器和行為樹節點，並向共享黑板發布世界狀態更新。任務分配通過基於拍賣的算法來根據機器人能力和可用性分配任務。通信層使用標準ROS消息在多機器人網路中同步代理。開發者可以自定義任務參數、整合傳感器驅動和擴展行為庫。CASA支持場景模擬、實時監控和日誌工具。其擴展性設計使研究團隊能試驗新型協同算法，並能在多種機器平台上無縫部署，從無人地面車輛到空中無人機。

AgentChat 是一個開放原始碼的 AI 代理管理平台，利用 OpenAI 的 GPT 模型來運行多用途的對話代理。它提供使用 React 開發的交互式聊天界面、使用 Node.js 的後端 API 路由，以及用於擴展代理能力的插件系統。代理可以設定角色導向的提示、持久記憶存儲與預設工作流程，以自動化摘要、排程、資料擷取及通知等任務。使用者可以建立多個代理實例，指定自訂名稱，並在即時切換。系統支援安全的 API 密鑰管理，開發者亦可建立或整合新的資料連接器、知識庫和第三方服務，豐富代理互動。

AgentChat是一個面向開發者的平臺，用於建立複雜的多智能體AI對話。它結合了基於Python的FastAPI後端和React用戶界面，允許用戶定義具有不同角色的AI代理—如資料擷取、分析和總結，這些角色協同合作完成複雜任務。利用OpenAI的GPT模型，AgentChat提供Redis記憶存儲並支持自定義工具的整合，用於API調用、網絡抓取和數據庫查詢等任務。該平台提供實時對話監控、代理性能日誌及可配置的代理流程。其模塊化架構讓開發者能夠通過新增工具或調整提示來擴展代理功能，實現定制化的自動化流程、決策過程和知識發現應用。

Agentic Seek利用OpenAI的GPT模型和定制工具包，來自動化整個網絡研究生命周期。用戶定義高層次的目標，系統生成專門的子代理來執行搜索查詢、瀏覽網站、通過抓取提取關鍵信息，並匯總結果。它支持迭代細化，允許代理根據新見解重新調整和更新結果。開發者可以通過集成自定義操作處理器和API連接器來擴展其功能。其適用於競爭情報、學術研究、市場分析和大規模數據收集，Agentic Seek減少手動瀏覽，加快決策速度，並確保多個線上資源的全面覆蓋。平台包括一個基於網頁的監控界面，用於監督代理活動和審查中間輸出。內建日誌記錄、可自定義的提示和審計跟蹤，使團隊能追蹤代理決策以確保透明度、合規性與質量保證。

Agent Supervisor Demonstrates存儲庫展示如何在協調的工作流程中編排多個自主AI代理。用Python編寫，定義一個Supervisor類，用於調度任務、監控代理狀態、處理故障及整合回應。您可以擴展基本代理類，插入不同模型API，並配置排程策略。它記錄活動以作稽核，支援平行執行，並提供模組化設計，方便定制與整合入更大型的AI系統。

AgentFarm提供一個全面的框架，用於在統一系統中協調不同的AI代理。用戶可以用Python腳本化專業的代理行為，分配角色（管理員、工作人員、分析員）並建立任務佇列進行並行處理。它與主要的LLM服務（OpenAI、Azure OpenAI）無縫集成，支持動態提示路由和模型選擇。內置儀表板追蹤代理狀態、記錄互動並可視化工作流程性能。通過模組化插件擴展API功能，開發者可以擴充功能、自動化錯誤處理及監控資源利用。適合部署多階段流程，AgentFarm提升了AI驅動自動化的可靠性、擴展性和維護性。

Agentic Website Dev通過協調專門的AI代理，帶來網站開發的自動化。某個代理分析用戶的提示以設計網站架構，另一個生成響應式HTML和CSS模板，而一個編碼代理則實現動態JavaScript功能。最後，一個部署代理打包並將網站推送到Vercel或Netlify等平台。該框架抽象化整個工作流程——規劃、編碼、測試和部署——實現快速原型和迭代。開發者用簡單的英文定義需求，代理合作產出一個完整的可運作、上線的網站。這減少了手動編碼，加快了上市時間，並讓非技術人員也能參與網站開發。

crewAI Playground 是一個用於構建和實驗人工智慧驅動代理的工具包和沙箱環境。您可以透過配置文件或程式碼定義代理，指明提示內容、工具和記憶模組。這個平台能同時運行多個代理，處理訊息路由，並記錄對話歷史。它支援外部數據源插件整合、可自定義的記憶後端（記憶中或持久存儲），以及用於測試的網頁界面。使用它可以在正式部署前原型設計聊天機器人、虛擬助手和自動化工作流程。

動態多智能體RAG路徑提供模塊化架構，每個智能體處理特定任務，如文件檢索、向量搜索、上下文摘要或生成，而中心協調器則動態路由輸入和輸出。開發者可以定義自定義智能體，通過簡單的配置文件組裝管道，並利用內建的日誌記錄、監控與插件支持。此框架加快複雜RAG解決方案的開發，實現自適應任務分解與並行處理，以提升吞吐量和準確率。

FMAS（Flexible Multi-Agent System）是一個開源的Python函式庫，用於建立、運行和視覺化多代理模擬。您可以定義具有自訂決策邏輯的代理、配置環境模型、設置通訊渠道來進行通信，並執行可擴展的模擬。FMAS提供監控代理狀態、除錯交互和匯出結果的鉤子。其模組化架構支援用於視覺化、度量收集及與外部資料源整合的插件，非常適合研究、教育和自主系統的實際原型。

GenAI Job Agents 是一個基於 Python 的開源框架，可簡化 AI 助力的任務代理的建立與管理。開發者可以使用簡單的配置文件或 Python 類來定義自訂的任務類型與代理行為。系統無縫整合 OpenAI 用於 LLM 支持的推理，以及 LangChain 用於調用鏈。任務可以排入佇列、並行執行，並通過內建日誌與錯誤處理機制進行監控。代理能處理動態輸入，自動重試失敗，輸出結構化結果供後端處理。模組化架構、可擴充插件與清晰 API，讓團隊能自動化重複任務、協調複雜工作流程，並在生產環境擴展 AI 驅動運營。

基於GA的N皇后解算器採用模組化的2APL多代理架構，每個代理編碼一個候選的N皇后配置。代理評估適應度（如非攻擊的皇后對數）後，與其他代理共享高適應度配置。通過選擇、交叉和突變等遺傳操作，生成新的候選棋盤。在多次迭代中，代理集體收斂至有效的N皇后解决方案。此框架用Java實現，支持調整群體大小、交叉率、突變概率和通信協議，並提供詳細日誌和演化過程的視覺化。