MGym是一個專門用於在Python中構建與管理多智能體強化學習（MARL）環境的框架。用戶可以定義多個智能體的複雜場景，每個智能體都具有可自定義的觀察和行動空間、獎勵函數及互動規則。MGym支援同步與非同步兩種執行模式，提供平行與輪換式的智能體模擬。採用類似Gym的API設計，與Stable Baselines、RLlib和PyTorch等流行RL庫無縫整合。內建工具模組用於環境基準測試、結果視覺化及績效分析，方便系統性評估MARL演算法。其模組化架構允許快速原型設計合作、競爭或混合型智能體任務，幫助研究人員與開發者加速MARL實驗與研究。

Multi-Agent-AI-Models-and-Path-Planning提供一個完整工具包，用於開發與測試結合古典與現代路徑規劃方法的多代理系統。涵蓋A*、Dijkstra、RRT和電勢場等算法的實作，並配有可客製化的代理行為模型。框架包含模擬和視覺化模組，方便建立場景、即時監控與性能分析。設計為擴充性強，用戶可加入新的規劃算法或代理決策模型，以評估在複雜環境中的合作導航與任務分配。