Multi-Agent-RAG提供一個模組化框架，用於構建由多個專用AI代理人協調工作的基於檢索的生成應用（RAG）。開發者配置個別代理人：檢索代理連接向量存儲以提取相關文件；推理代理執行思維鏈分析；生成代理用大語言模型合成最終回應。框架支持插件擴展、可配置提示語和全面日誌紀錄，實現與主流LLM API及向量資料庫的無縫整合，改善RAG的準確性、擴展性與開發效率。

OpenAI Agent Swarm是一個模組化框架，旨在簡化跨不同任務的多個GPT驅動代理的協調工作。每個代理獨立運作，具有可自訂的提示詞和角色定義，而Swarm核心負責代理生命周期、訊息傳遞與任務排程。該平台包含定義複雜工作流程、即時監控代理互動與彙整結果的工具。通過將工作負載分配至專業化代理，用戶可以處理複雜的問題解決場景，從內容生成、研究分析到自動錯誤排除與資料摘要。OpenAI Agent Swarm與OpenAI API無縫整合，使開發者能快速部署多代理系統，並免於自建協調基礎架構。

Solace AI是一個模組化的AI代理框架，能讓你在自己的基礎設施上部署專屬的對話助手。提供情境記憶管理、向量資料庫支援以進行文件檢索、外部整合的插件鉤子，以及基於網頁的聊天界面。透過可自訂的系統提示與細緻的知識來源控制，您可以建立用於支援、教學、個人生產力或內部自動化的代理，無需依賴第三方伺服器。

CoreLink-Persona-Engine 是一個模組化的框架，讓開發者能透過定義人格特質、記憶行為和對話流程，建立具有獨特人格的 AI 代理。它提供彈性的插件架構，整合知識庫、自定義邏輯和外部 API。引擎同時管理短期與長期記憶，確保持續的上下文連貫性。開發者可用 JSON 或 YAML 配置人格檔案，連結 OpenAI 或本地模型的 LLM 提供者，並在多平台部署。內建的日誌記錄與分析功能幫助監控代理性能與優化行為，適用於客戶支援聊天機器人、虛擬助理、角色扮演應用和研究原型。

LemLab 是一個用於開發由大型語言模型驅動的 AI 代理的模組化框架。開發者可以定義自訂提示範本、串聯多步推理管道、整合外部工具和 API，並配置記憶後端以儲存對話內容。它也包括評估套件，用來基準測試代理在特定任務上的表現。透過提供可重用的組件與清晰的抽象，LemLab 加速實驗、除錯，並在研究與商業環境中部署複雜的 LLM 應用。

Pacman AI 提供一個功能完整的 Python 環境和代理架構，用於經典的吃豆人遊戲。此專案實作關鍵的強化學習演算法——Q-learning 和價值迭代，使代理能學習最佳策略來收集豆子、穿越迷宮及避開鬼怪。用戶可以定義自訂的獎勵函數，並調整學習率、折扣因子與探索策略。此框架支援指標記錄、性能視覺化與可復現的實驗設定。設計於易於擴展，讓研究人員與學生能整合新演算法或神經網路學習方法，並與基線網格方法做比較。

Real-Agents旨在簡化創建和協調能獨立完成複雜任務的AI代理。基於Python並兼容主要的大型語言模型，框架具有模組化設計，核心組件包括語言理解、推理、記憶存儲和工具執行。開發者可快速集成Web API、資料庫與自定義函數來擴展代理能力。支持記憶機制以在交互中保持上下文，實現多回合對話與長時間運行的工作流程。平台亦包含日誌記錄、除錯和量產擴展工具。通過抽象低層細節，Real-Agents 精簡開發流程，讓團隊專注於任務邏輯，提供強大的自動化解決方案。

TexasHoldemAgent提供一個基於Python的模組化環境，用於訓練、評估和部署由AI驅動的對戰限制德州撲克角色。它整合了自定義模擬引擎與深度強化學習算法（如DQN），用於反覆策略改進。主要功能包括手牌狀態編碼、行動空間定義（棄牌、跟注、加注）、獎勵塑造和即時決策評估。用戶可自訂學習參數、利用CPU/GPU加速、監控訓練進度，並載入或儲存訓練模型。該框架支援批次模擬，測試策略、產生性能數據及視覺化勝率，幫助研究者、開發者和撲克愛好者實驗AI驅動的遊玩策略。

ADK-Golang 是一個開源的代理開發套件，適用於 Go 生態系。它提供模組化框架，支援註冊與管理工具（API、資料庫、外部服務）、建立動態提示範本，以及維持多回合交互的對話記憶。內建協調模式與日誌支援，開發者可以輕鬆配置、測試與部署執行資料擷取、自動化流程與情境對話等任務的 AI 代理。ADK-Golang 抽象低層 API 呼叫，使整個代理生命週期從初始化、規劃到執行與回應處理都能在純 Go 中完成。

AI Agent Playground為開發者與研究人員提供一個模組化環境，可構建能自主推理、規劃和執行任務的高階AI驅動代理。通過利用可插拔的記憶系統、可自訂的工具介面及可擴展的插件架構，用戶可以定義與Web服務、資料庫和自定義API交互的代理。該框架提供常用角色的預製模板，如資訊檢索、資料分析與自動測試，同時支持深入定制決策邏輯。用戶可透過命令行界面監控代理工作流程，整合CI/CD流程，並在任何支持Python的平台上部署。其開源性質鼓勵社群貢獻，促進自主代理能力的快速創新。

Autonomais是一個模塊化的AI代理框架，設計實現任務規劃和執行的完全自主。它整合大型語言模型來生成計劃，通過可定制的管道協調操作，並將上下文存儲在記憶模塊中，以實現連貫的多步推理。開發者可以插入額外的工具，如網頁爬蟲、數據庫和API，定義自定義動作處理器，並通過可配置的技能微調代理行為。該框架支持日誌記錄、錯誤處理和逐步調試，確保研究任務、數據分析和網頁交互的可靠自動化。其擴展性插件架構使Autonomais能快速開發具有複雜決策和動態工具使用能力的專用代理。

GPT Agent 提供一個模組化框架，用於建構由最新 GPT 模型驅動的智慧代理。用戶透過視覺化編輯器定義任務流程，指定輸入、動作與輸出格式。平台支援與外部資料來源和自訂知識庫的整合，使代理能執行複雜調查與摘要任務，並提供 API 存取以支援無界面部署，以及 web 控制台來監控性能、調整模型參數和查看會話紀錄。無論是自動化客戶交互、產出報告或管理排程，GPT Agent 都提供從建立到大規模生產的完整支援。

Easy-Agent 加速 AI 代理開發，提供一個模組化框架，將 LLM 與外部工具、記憶會話追蹤和可配置的操作流程集成。開發者首先定義一組工具封裝器，暴露 API 或可執行文件，然後使用所需的推理策略（如單步、多步鏈式思考或自定義提示）實例化代理。框架管理上下文，根據模型輸出動態調用工具，並通過會話記憶追蹤對話歷史。支持異步執行平行任務，並具有健全的錯誤處理，確保代理穩定運行。通過抽象複雜的協調，Easy-Agent 賦能團隊以最小設置部署智能助手，用於自動化研究、客戶支援、資料擷取流程和排程助手等用例。