MultiAgentModel提供統一API，用於定義多智能體場景的自訂環境和智能體類。開發者可以指定觀察與行動空間、獎勵結構和通信通道。內建支持流行的RL算法如PPO、DQN和A2C，讓訓練變得簡單配置。實時可視化工具協助監控智能體互動和績效指標。模塊化架構確保易於整合新算法與自訂模組。此外，還包括用於超參數調優的彈性配置系統、實驗追蹤的日誌工具，以及與OpenAI Gym環境的相容性，實現無縫移植。用戶可以在共享環境合作，並重播記錄的會話進行分析。

AgentSimJS旨在簡化JavaScript中大規模基於代理的模型創建與執行。通過模組化架構，開發者可以定義具有自定義狀態、傳感器、決策函數和執行器的代理，然後整合到由全域變數參數化的動態環境中。該框架協調離散時間步長的模擬，管理代理之間的基於事件的消息傳遞，並記錄交互數據供分析。視覺化模組支持使用HTML5 Canvas或外部庫進行即時渲染，插件則可實現與統計工具的整合。AgentSimJS可在現代網頁瀏覽器和Node.js運行，非常適合互動式Web應用、學術研究、教育工具，以及群體智慧、群眾動態或分佈式AI實驗的快速原型設計。

AgentSpeak是基於Java的開源實作，為AgentSpeak(L)語言設計，旨在促進BDI（信念-慾望-意圖）自主代理的創建與管理。它具有解析AgentSpeak(L)代碼、維護代理信念基底、觸發事件並根據現有信念和目標選擇執行計劃的運行時環境。該解釋器支援並行的代理執行、動態計劃更新及可自訂語義。透過模組化架構，程式設計師可以擴充核心組件，如計劃選擇與信念修正。AgentSpeak使學術界與產業界能更快速的原型設計、模擬與部署智慧型代理於模擬系統、物聯網及多代理場景中。

本儲存庫匯集了多智能體系統組件與分散式AI協調技術的完整集合。提供共識演算法、合約網協商協議、拍賣式任務分配、聯盟形成策略與智能體間通信框架的實作。使用者可以利用內建模擬環境，模擬並測試不同網路拓撲、延遲狀況及故障模式下的智能體行為。模組化設計讓開發者與研究者能方便整合、擴充或客製化單一協作模組，用於機器人群、物聯網裝置合作、智慧電網與分散式決策系統的應用。

AmongA 和多智能體 AI 系統的研究。透過簡單的 Python API，用戶可以啟動任意數量的 AI 代理，每個都具有定制的人格、提示與記憶緩衝。代理參與可配置的對話循環，支援辯論、頭腦風暴、決策或遊戲模擬。此框架無縫整合主要的 LLM API（例如 OpenAI、Anthropic），支持訊息交流與轉錄記錄。開發者可自訂代理角色、控制輪到邏輯，以及插入外部資料來源。AmongAIs 也提供情感分析、評分評估與會話重播工具。非常適合探究新興交流、協作構思及測試研究與生產中的數位工作者協調。

Berkeley Pacman Projects的倉庫提供一個模組化的Python程式碼庫，讓用戶在Pacman迷宮中建立並測試AI代理。它引導學習者進行非知情和知情搜尋（DFS、BFS、A*）、對抗性多智能體搜尋（minimax、alpha-beta剪枝），以及強化學習（Q-learning與特徵擷取）。整合的圖形界面實時視覺化代理行為，內建測試案例與自動評分驗證算法正確性。透過反覆實作算法，使用者能在統一的遊戲框架中累積狀態空間探索、啟發式設計、對抗性推理與獎勵導向學習的實務經驗。

ComfyUI LLM派對擴展了Node基礎的ComfyUI環境，提供一系列用於協調文本交互和視覺AI工作流程的LLM驅動節點。它包括用於與大型語言模型互動的聊天節點、用於保持上下文的記憶節點，以及用於管理多代理對話的路由節點。用戶可以在管道中鏈接語言生成、總結和決策操作，將文本AI與圖像生成結合。此擴展還支持自定義提示模板、變數管理和基於條件的分支，讓創作者能自動生成故事、圖像說明和動態場景描述。其模塊化設計支持與現有節點的無縫集成，使藝術家和開發者可以在不需程式技術的情況下建立複雜的AI代理人流程。

UnitMesh框架提供一個彈性模組化的環境，用於定義、管理與執行AI代理鏈。它可無縫整合OpenAI、Anthropic與自訂模型，支援Python和Node.js SDK，並內建記憶儲存、工具連接器和插件架構。開發者可以調度平行或串列的代理工作流程，追蹤執行日誌，並透過自訂模組擴展功能。其事件驅動設計確保在雲端或本地部署中具有高性能與可擴展性。

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。

EthicalEvalMAS提供一個模組化的環境，用於評估多智能體系統在正義、自主性、隱私、透明度和利他性等關鍵倫理層面的表現。用戶可以生成自定義場景或使用內建範本，定義專屬指標，執行自動化評估腳本，並通過內建的報告工具來視覺化結果。其擴展架構支持與現有MAS平台集成，並促進不同智能體行為的可重現倫理測試。

GenFuse AI提供一個無需編碼的平台，使用戶可以創建自定義AI代理以自動化各種任務。通過可視化工作流程構建器，您可以連接AI代理和工具來設計多代理自動化。該平台具有自動運行管道、自學習代理和預建模板，能幫助您快速入門。GenFuse AI是模型無關性，允許您為每個代理選擇最佳模型，並可以與您的應用程序和自定義工具集成。

IntelligentMASPlatform旨在通過模組化架構收快多智能體系統的開發與部署，架構分為代理層、環境層與服務層。代理使用符合FIPA標準的ACL消息進行通信，實現動態談判與協調。它包括一個多功能環境模擬器，讓開發者建模複雜場景、安排代理任務，並通過內置的儀表板實時可視化代理交互。為支持高階行為，它集成了增強學習模組並支持自定義行為插件。部署工具支持將代理打包為獨立應用或分佈式網絡。此外，平台的API也方便與數據庫、物聯網設備或第三方AI服務集成，非常適合用於科研、工業自動化和智慧城市應用。

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。

LinkAgent提供一個輕量級的微核心，用於構建具插拔元件的AI代理。用戶可以註冊語言模型後端、檢索模組與外部API作為工具，並運用內建的規劃器與路由器，組合成工作流程。LinkAgent支援記憶體處理器以保持上下文持續，動態調用工具，並設有可配置的決策邏輯進行複雜的多步推理。只需少量程式碼，團隊即可自動化問答系統、資料抽取、流程協調與報告產生等任務。

LiteMultiAgent提供模組化的SDK，用於構建和運行多個AI代理，可以並行或順序運行，每個代理具有唯一的角色和責任。它包含現成的記憶體存儲、訊息管道、插件適配器和執行循環，以管理複雜的代理間通訊。用戶可以自訂代理行為、加入外部工具或API，並透過日誌監控對話。其輕量設計和依賴管理，使其非常適合快速原型製作和協作AI工作流程的正式部署。

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。

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。

多代理系統旨在簡化分散式代理架構的創建、配置與執行。開發者可以在Java類中定義代理行為、通信本體與服務描述。框架負責容器設置、訊息傳輸與生命週期管理。基於FIPA標準協議，支持點對點協商、合作規劃及模組擴展。用戶可在單機或跨網絡主機運行、監控與除錯多代理場景，非常適合科研、教育與小型部署。

MultiAgent2提供一套完整工具包，用於協調由大型語言模型驅動的自主AI代理。開發者可以定義具有定制化角色、策略和記憶上下文的代理，實現對話、資料共享和共同解決問題。框架支持可插拔的長期記憶存儲選項、基於角色的存取控制以及可配置的同步或非同步對話通道。其CLI和Python SDK促進快速原型開發、測試和部署多代理系統，適用於研究實驗、自動化客戶支援、內容生成管道和決策支援流程。通過抽象代理間通信和記憶管理，MultiAgent2加速複雜AI應用的開發。

NeuralABM是一個開源的Python圖書館，利用PyTorch將神經網絡整合到代理基建模中。用戶可以指定代理架構為神經模塊，定義環境動力學，並使用反向傳播在模擬步驟中訓練代理行為。該框架支持自定義獎勵信號、課程學習和同步或非同步更新，促進新興現象的研究。配備日誌、視覺化和數據集導出的工具，研究人員和開發者可以分析代理性能、除錯模型並優化模擬設計。NeuralABM簡化了將強化學習與ABM結合，應用於社會科學、經濟學、機器人技術及AI驅動的遊戲NPC行為，提供模組化組件以進行環境定制，支持多代理交互，並提供擴展外部資料集或API的接口，用於現實世界模擬。其開放式設計促進可重現性和合作，可通過清楚的實驗配置和版本控制集成達成。