CamelAGI是一個簡化創建自主AI代理的開源框架。它具有插件架構用於自定義工具，長期記憶集成以保持上下文，以及支持GPT-4和Llama 2等多種大型語言模型。通過明確的計劃與執行模塊，代理可以拆解任務、調用外部API並隨時間調整。CamelAGI的擴展性和社群驅動的設計使其適合研究原型、生產系統和教育項目。

kilobees是一個用Python構建的綜合多代理協調平台，簡化複雜AI工作流程的開發。開發者可以定義具有專業角色的個別代理，比如資料擷取、自然語言處理、API整合或決策邏輯。kilobees自動管理代理間的訊息傳遞、任務隊列、錯誤恢復和跨執行緒或分散式節點的負載平衡。其插件架構支持自定義提示範本、性能監控儀表板，並能集成外部服務如資料庫、Web API或雲端功能。通過抽象多代理協調的常見挑戰，kilobees加速了複雜AI系統的原型設計、測試與部署，這些系統需進行協作、並行執行與模塊擴展。

Self Machines 是一個最先進的平台，旨在構建、部署和管理人工智慧 (AI) 應用程序。專注於自動化，它使得用戶能夠創建可以無縫集成到現有基礎設施中的 AI 解決方案。該平台提供了各種工具和功能，旨在便捷整個 AI 生命週期，從開發、訓練到部署和監控。

AgentSmith是一個模組化的代理協調框架，建立於Python，允許開發者定義、配置和運行多個AI代理，共同協作。每個代理可以被指定為研究員、規劃員、編碼員或審核員，並通過內部訊息總線通訊。AgentSmith支持使用FAISS或Pinecone等向量存儲進行記憶管理，將任務分解為子任務，並自動監督以確保目標完成。代理和管線皆由易讀的YAML文件配置，並與OpenAI API及自訂LLM無縫整合。內建日誌、監控和錯誤處理，適用於自動化軟體開發流程、數據分析與決策支援系統。

DEf-MARL（多智能體強化學習去中心化執行框架）提供一個穩健的基礎設施，用於執行與訓練合作智能體，無需中央控制。它利用點對點通訊協議，分享政策與觀測數據，實現局部互動協調。該框架能無縫整合PyTorch及TensorFlow等常用RL工具包，提供可自訂的環境包裝器、分散式Rollout收集與梯度同步模組。用戶可定義特定智能體的觀測空間、獎勵函數與通訊拓撲。DEf-MARL支持運行時動態添加與移除智能體，通過複製關鍵狀態提升錯誤容忍，並採用自適應通訊調度平衡探索與利用。它透過平行模擬環境並減少中心瓶頸，加速訓練，適用於大規模MARL研究及工業模擬。