LangChain作為一個全面的工具包，用於構建高級LLM驅動的應用，抽象低層API交互，提供可重用模塊。利用提示模板系統，開發者可以定義動態提示，並將它們鏈接以執行多步推理流程。內建的代理框架將LLM輸出與外部工具調用結合，實現自主決策和任務執行，如網路搜尋或資料庫查詢。記憶體模塊保留對話上下文，使多輪對話具有狀態。與向量資料庫的整合促進檢索增強生成，豐富回應相關知識。擴展性回調鉤允許自定義日誌記錄與監控。LangChain的模塊化架構促進快速原型設計與擴展，支援本地和雲端部署。

LangGraph-Swift 提供一個基於圖形的 DSL，用於通過串接代表行動的節點（如 LLM 查詢、檢索操作、工具調用和記憶管理）來建立 AI 工作流程。每個節點皆為型別安全，並可連接來定義執行順序。該框架支援適配器連接流行的 LLM 服務如 OpenAI、Azure 和 Anthropic，也支持自訂工具整合，用於調用 API 或函式。內建的記憶模組可跨會話保留上下文，提供除錯與視覺化工具，並支援跨平台運行於 iOS、macOS 和 Linux。開發者可以擴充自訂邏輯的節點，快速原型出聊天機器人、文件處理器與自主代理人，皆可在 Swift 內使用。

MCP Agent Tool Adapter作為語言模型代理與外部工具實現之間的中介層。透過註冊函數簽名或工具描述符，框架能自動分析標明工具調用的代理輸出，調度適當的適配器，處理輸入序列化，並將結果返回推理上下文。功能包括動態工具發現、併發控制、日誌記錄及錯誤處理管道。它支持定義自定義工具接口與集成雲端或本地服務，讓用戶可以在不修改代理核心代碼的情況下構建複雜的多工具工作流，例如API協調、數據檢索與自動化操作。

Semi Agent提供模組化的架構，用於建構能規劃、執行動作並追蹤記憶的AI代理。它整合了流行的語言模型，支援自定義功能的工具定義，並維持對話型或任務導向的記憶。開發者可以定義逐步規劃，將外部API或腳本作為工具，並利用內建的記錄功能來除錯與優化代理的行為。其開源設計與Python基礎使得客製化、擴展及整合於現有流程中變得容易。

SonAgent是一個可擴展的開源框架，主要用於在Python中構建、組織和運行AI代理。它提供核心模塊，用於記憶存儲、工具包裝器、規劃邏輯和異步事件處理。開發者可註冊自定義工具、整合語言模型、管理長期代理記憶，並協調多個代理以合作完成複雜任務。SonAgent的模組化設計促進對話機器人、工作流程自動化和分散式代理系統的開發。

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。

WorFBench是一個全面的開源框架，用於評估建構於大型語言模型上的AI代理能力。它提供多樣化的任務，例如行程規劃、程式碼生成流程等，每個任務都具有明確的目標和評估指標。用戶可以配置自訂的代理策略，透過標準化API整合外部工具，以及運行自動化評估，記錄在任務分解、規畫深度、工具調用準確率及最終輸出品質方面的表現。內建的視覺化儀表板能輕鬆追蹤每個代理的決策路徑，方便識別優缺點。WorFBench模組化設計，使得新增任務或模型非常快速，同時促進可重複的研究與比較。

AIAgentWorkshop是一個開源的Python專案，展示如何建立具有規劃、決策與工具使用能力的自主AI代理。包含整合網路搜尋、檔案管理與系統命令的範例，以及簡單的記憶與推理模組。開發者可進行引導練習，創建能解讀用戶目標、產生多步驟方案、跨工具執行任務並維持上下文的代理。模組化架構使工具易於交換或擴展，並能鏈式執行代理動作，轉化AI研究概念為可執行的原型。

Avalon-LLM是一個基於Python的多智能體AI框架，用於在協調環境中管理多個由LLM驅動的智能體。每個智能體可以配置特定的工具，包括網路搜索、文件操作和自定義API，以執行專門任務。該框架支持存儲對話背景與長期知識的記憶模組、用於改進決策的思考鏈推理，以及內建的性能評估流程以進行基準測試。Avalon-LLM提供模組化插件系統，方便開發者輕鬆添加或替換組件，例如模型提供者、工具包和記憶存儲。透過簡單的配置文件和命令列介面，用戶可以部署、監控和擴展符合研究、開發及生產用例的自主AI工作流程。

openai-agents-python是一個全面的Python套件，旨在協助開發者構建完全自主的AI代理。它提供代理規劃、工具整合、記憶狀態及執行循環的抽象。使用者可以註冊自定義工具，指定代理目標，並讓框架協調逐步推理。此庫還包含測試和記錄代理操作的工具，方便迭代行為與排解複雜的多步任務。

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。

Neon AI 提供量身定做的 AI 代理，旨在改善團隊的效率。這些代理可以自動化日常任務、處理查詢、與工具集成和分析數據，從而導致更高效的工作流程。通過將信息進行上下文化和執行重複性任務，Neon AI 使團隊能轉向戰略性舉措，而不是操作細節。

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。

SimplerLLM為開發者提供最簡化的API，用於組合LLM鏈、定義代理操作以及編排工具調用。內建存儲記憶、提示模板和輸出解析的抽象層，使用戶能快速建立可保持上下文的對話代理。該框架可無縫整合OpenAI、Azure和HuggingFace模型，並支持可插拔的搜尋、計算器與自定義API工具包。其輕量核心減少依賴，促進敏捷開發，並輕鬆在雲端或邊緣部署。不論是建立聊天機器人、QA助手或任務自動化器，SimplerLLM都能簡化端到端的LLM代理流程。

A2A4J 是一個輕量級的 Java 框架，專為構建自主式 AI 機器人而設計。它提供機器人、工具、記憶與規劃者的抽象，支援任務的異步執行以及與 OpenAI 及其他 LLM API 的無縫整合。其模組化設計允許用戶定義自訂工具與記憶儲存，協調多步驟工作流程以及管理決策循環。內建錯誤處理、記錄與擴展性，加速智慧 Java 應用與微服務的開發。

AI-Agents提供一個靈活的代理架構，協調語言模型規劃器、持久記憶模塊和可插拔的工具包。開發者定義HTTP請求、文件操作和自定義邏輯的工具，然後配置LLM規劃器以決定調用哪個工具。記憶存儲上下文和會話歷史。該框架處理異步執行、錯誤修復和日誌記錄，加快智能助手、數據分析器或自動化機器人原型開發，而無需重新發明核心協調邏輯。

Agentfy提供模組化架構，將大型語言模型（LLM）、記憶後端和工具整合成一個合作的運行環境。開發者用Python類別聲明代理行為，註冊工具（REST API、資料庫、工具程式），並選擇記憶存儲（本地、Redis、SQL）。框架協調提示、行動、工具調用和上下文管理以自動化任務。內建CLI與Docker支援，讓部署可以一步完成，適用於雲端、邊緣或桌面環境。

Agents from Scratch TS 是一個開源的 TypeScript 框架，示範如何使用 LangChain 從底層建立 AI 代理。它包括用於定義和註冊外部工具、管理對話記憶、將用戶輸入路由到正確的代理，以及鏈接多個 LLM 呼叫的範例程式碼。開發者可以用它來了解最佳實踐、客製化代理行為，以及整合新功能，如網路搜尋、數據檢索或自訂插件，以自動化任務或建立互動式助手。

ai-agents-trial是一個開源的Python項目，展示如何使用LLMs構建自主AI代理。它提供模組化抽象來規劃代理、調用工具（如網絡搜索、計算器）和管理記憶。開發者可以定義自訂工具、串連多步操作，並在會話間保存上下文。這個代碼庫結合OpenAI API與輔助工具，協調工作流程，非常適合快速建立聊天助手、研究機器人或專門領域的自動化代理的原型。擴展點允許添加新連接器和資料來源，無需更改核心邏輯。

AI-Creator提供一個彈性的架構，可用於創建能執行任務、用自然語言互動並利用外部工具的AI代理。它包含提示管理、鏈式推理、會話記憶及可自訂的流程模組。開發者可以使用簡單的JSON或程式碼配置來定義代理行為，整合API和資料庫作為工具，並將代理部署為Web服務或CLI應用程式。此框架支持擴充性和模組化，非常適合用於快速打造聊天機器人、虛擬助手和專用數位工作者。