AI-Agents 提供模組化架構，用於定義與運行基於Python的AI代理。開發者可以配置代理行為、整合外部API或工具，以及管理跨會話的代理記憶。它利用流行的大型語言模型（LLMs）、支援多代理合作，並允許透過插件擴展複雜工作流程，如資料分析、自動化支援與個人助理。

CArtAgO（Common ARTifact Infrastructure for AGents Open environments）是一個輕量、可擴展的框架，用於在多智能體系統中實作環境基礎架構。它引入工件的概念：代表具有定義操作、可觀察屬性和事件界面的環境資源的一等公民實體。開發者在Java中定義工件類型，將它們註冊到環境類別中，並公開操作與事件供代理使用。代理透過標準動作（如createArtifact、observe）與工件互動，接收非同步的狀態變更通知，並通過共享資源協作。CArtAgO能輕鬆與Jason、JaCaMo、JADE和Spring Agent等平台整合，支援混合系統開發。該框架提供內建的工件文件、動態載入和運行時監控支援，加快複雜代理應用的快速原型設計。

Multi-Agent 是一個幫助你建立並編排多個並行運行的 AI 代理的開發者工具包。每個代理都具有獨立的記憶存儲、提示配置和訊息佇列。你可以定義自訂行為、建立代理間的溝通渠道，並根據代理角色自動委派任務。它利用 OpenAI 的 Chat API 來理解與產生語言，並提供模組化的組件來進行工作流程編排、日誌記錄與錯誤處理。這使得可以建立專門的代理，例如研究助手、資料處理器或客戶支援機器人，共同完成多面向的任務。

OpenAI Agents MCP Server提供一個穩固的基礎，用於部署及管理由OpenAI模型驅動的自主代理。它公開彈性RESTful API來建立、配置和控制代理，讓開發者能編排多步驟任務、協調代理之間的互動，並維持跨會話的持久記憶。框架支持插件式工具整合、進階對話記錄及可定制的規劃策略。透過抽象化基礎建設問題，MCP Server簡化開發流程，促進快速原型製作和在生產環境中的擴展部署，適用於對話助手、流程自動化和AI驅動的數位工作者。

牧羊是一個開源的模擬框架，設計用於強化學習研究人員與開發者來研究和實現多代理牧羊任務。它提供一個兼容Gym的環境，代理可以在連續或離散空間中執行側翼、收集與分散目標群的行為。該框架包括模組化的獎勵塑造函數、環境參數設定與訓練性能監控工具。用戶可定義障礙物、動態代理族群和自訂策略，利用TensorFlow或PyTorch。視覺化腳本生成軌跡圖與影片紀錄。牧羊的模組設計允許與現有RL庫完美整合，實現可重現的實驗、創新協作策略的基準測試，以及快速原型設計AI驅動的牧羊解決方案。

CommNet是一個面向研究的庫，實現了CommNet架構，允許多個智能體在每個時間步共享隱藏狀態，並學習在合作環境中協調行動。它包括PyTorch模型定義、訓練和評估腳本、OpenAI Gym的環境包裝器，以及用於定制通信通道、智能體數量和網絡深度的工具。研究人員和開發人員可以利用CommNet在導航、追蹤–逃避和資源收集任務中原型設計並基準測試智能體之間的通信策略。

ePH-MAPF提供一個高效的流程，用於計算數十到數百代理人在格子地圖上的無碰撞路徑。它採用優先啟發式、增量搜尋技術與可自訂的成本度量（曼哈頓距離、歐幾里得距離），在速度與解決方案品質之間取得平衡。使用者可以選擇不同的啟發式函數，將函數整合到Python機器人系統中，並在標準MAPF場景中進行效能基準測試。程式碼模組化且有良好文件，方便研究人員和開發者擴展適用於動態障礙或特殊環境。