Agent Nexus提供一個模組化架構，用於設計、設定和運行互聯的AI代理人，這些代理人合作完成複雜任務。開發者可以動態註冊代理人，透過Python模組自訂行為，並利用簡單的YAML配置定義通信流程。內建訊息路由器確保代理人間資料的可靠傳遞，整合的日誌記錄和監控工具幫助追蹤績效和偵錯工作流程。支援OpenAI和Hugging Face等熱門AI庫，使Agent Nexus能輕鬆整合多種模型。無論是原型研發、建立自動化客服助手，或是模擬多代理環境，Agent Nexus都能協助簡化合作型AI系統的發展與測試，涵蓋學術研究到商業部署。

AI-Agent-Solana是一個專門的框架，彌合AI驅動決策與區塊鏈執行之間的鴻溝。透過利用Solana的高吞吐量網路，它允許開發者用TypeScript編寫智能代理，在實時資料的基礎上自主觸發智能合約交易。SDK包含安全錢包管理、鏈上數據取回、Solana集群事件監聽器等模組，以及定義代理行為的可定制工作流程。無論是自動化流動資產管理NFT鑄造機器人，還是治理投票代理，AI-Agent-Solana都能協調複雜的鏈上互動，同時確保持鍵安全和高效的任務平行處理。其模組化設計與豐富的文件讓擴展功能或與現有去中心化應用整合變得簡單。

自治代理是一個開源的Python庫，旨在簡化由大型語言模型驅動的自主AI代理的創建。通過抽象感知、推理和行動等核心組件，它允許開發者定義自定義工具、記憶體和策略。代理能自主規劃多步任務、查詢外部API、通過自定義解析器處理結果，以及保持對話上下文。該框架支持動態工具選擇、序列和並行任務執行，以及記憶體持久化，讓數據分析、研究、電子郵件摘要和網頁抓取等工作具有強大的自動化能力。其可擴展性設計方便與各種LLM提供商和自定模組的集成。

Swarms 是一個以開發者為中心的框架，實現多代理 AI 工作流程的創建、協調和執行。您可以定義具有特定角色的代理，通過 LLM 提示配置它們的行為，並將其與外部工具或 API 連結。Swarms 管理代理間的通信、任務規劃和記憶持久化。它的插件架構允許無縫整合自訂模組，例如檢索器、資料庫或監控儀表板，同時內建連接器支援主流 LLM 提供商。不論您需要協調資料分析、自動化客戶支援或複雜的決策制定流程，Swarms 提供建立可擴展自動化代理生態系統的基礎元件。

CrewAI-Learning是一個開源庫，旨在簡化多智能體強化學習的項目。它提供環境結構、模組化智能體定義、可定制的回饋函數，以及適用於協作任務的內建算法如DQN、PPO和A3C。用戶可以定義場景、管理訓練迴圈、記錄度量並視覺化結果。框架支持動態配置智能體團隊和回饋共享策略，使其在多領域中便於原型設計、評估和優化合作AI解決方案。

JaCaMo提供一個統一的環境，用於設計和運行多智能體系統（MAS），整合三個核心組件：用於基於BDI代理的Jason代理語言、用於工件的環境建模CArtAgO，以及用於指定組織結構和角色的Moise。開發者可以撰寫代理計劃、定義帶操作的工件，並在規範框架下組織代理群組。此平台包括模擬、除錯和視覺化MAS交互的工具。支援分散式執行、工件資料庫及彈性訊息傳遞，使得JaCaMo能迅速原型化與研究，例如群體智慧、協作機器人及分散決策。其模組設計確保在學術及工業專案中的擴展性及彈性。

LLM to MCP整合引擎是一個開源框架，用於將大型語言模型（LLMs）整合到各種訊息通信平台（MCPs）中。它提供OpenAI和Anthropic等LLM API的適配器，以及Slack、Discord和Telegram等聊天平台的連接器。該引擎管理會話狀態、豐富上下文並雙向路由訊息。其插件化架構使開發者能擴展支持新供應商並自定義業務邏輯，加速AI代理在生產環境中的部署。

PersonalAI提供一個整合先進LLM、持久語義記憶及可擴展插件系統的完整代理框架。開發者可以配置Redis、SQLite、PostgreSQL或向量存儲管理嵌入內容與回憶過去對話。內建插件支持網路搜索、讀寫檔案及Python代碼執行，並且擁有強大的API允許開發自訂工具。該代理協調LLM提示和工具調用於導向工作流程，實現上下文感知回應與自動化行動。可透過Hugging Face本地LLM或OpenAI、Azure OpenAI雲端服務使用。PersonalAI的模組化設計促使快速建立領域專用助手、自動研究機器人或學習與適應的知識管理代理。

MCP 瀏覽器代理是一種基於瀏覽器的自主人工智慧代理框架，利用大型語言模型執行網頁導航、資料爬取、內容摘要、表單互動與自動任務序列。作為輕量級的 JavaScript 函式庫，它無縫集成 OpenAI 的 GPT API，允許開發者以程式方式定義自訂動作、記憶儲存與提示鏈。此代理可以點擊連結、填寫表單、擷取表格資料，並按需摘要頁面內容。支援非同步執行、錯誤處理和透過瀏覽器儲存的會話持久化。藉由可自訂的界面與可擴充的動作模組，MCP 瀏覽器代理簡化智慧瀏覽器助手的創建，以提升生產力、優化工作流程並降低跨多個網路應用的手動瀏覽任務。

JADE是一個基於Java的代理框架，使開發者能夠在分散式環境中建立、部署與管理多個自主軟件代理。每個代理在容器中運行，通過符合FIPA的代理通訊語言（ACL）進行通信，並能在服務目錄（Directory Facilitator）註冊服務以供發現。代理執行預定義行為或動態任務，並能利用遠端方法調用（RMI）在容器間遷移。JADE支持本體定義，用於結構化訊息內容，並提供圖形工具來監控代理狀態與訊息交換。其模組化架構允許與外部服務、資料庫及REST界面整合，使其適用於模擬、物聯網協調、談判系統等各種應用。框架的擴展性與行業標準的遵循，促進了複雜多代理系統的實作。

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。

WordCraft3D是一種多功能工具，能將文本描述轉換為3D模型。用戶可以生成.obj格式的3D模型，以及如model.mtl和texture.png等伴隨文件。這個解決方案專為希望快速可視化概念的愛好者、設計師和教育工作者設計，而無需對3D建模軟體進行深入了解。憑藉可訪問的功能以及零成本開始，它提供了一個進入3D建模的極佳入口。

AgentSimulation 是一個建立在 Pygame 之上的開源 Python 函式庫，用於在 2D 環境中模擬多個自主代理。它允許用戶配置代理屬性、操控行為（如搜尋、逃跑、漫遊）、碰撞檢測、路徑尋找及互動規則。藉由實時渲染和模組化設計，支援快速原型設計、教學模擬及群體智慧或多代理互動的小規模研究。

ChatAgent 讓開發者能快速建立和部署智慧型聊天機器人，通過可擴展的架構提供核心模組，包括記憶處理、工具鏈和策略協調。它能無縫整合流行的 LLM 供應商，並允許自定義 API 呼叫、資料庫查詢或檔案操作的工具定義。此框架支援多步規劃、動態決策與情境記憶回溯，確保擴展對話中的連貫性。其插件系統與配置驅動的流程設計使定製與實驗更為方便，同時結構化日誌與指標有助於監控性能和排解生產中的問題。

DemoGPT是一個開源Python專案，旨在展示使用OpenAI GPT模型的AI代理的核心概念。它實作具有持久記憶的對話界面，存儲於JSON文件中，讓會話之間能進行上下文感知的互動。此框架支持動態工具執行，例如網路搜尋、計算與自定義擴充，通過插件式架構。只需配置OpenAI API密鑰與安裝相關依賴，即可在本地運行DemoGPT，原型設計聊天機器人、探索多回合對話流程，並測試代理驅動工作流程。這個全面的演示為開發者與研究人員提供實用基礎，用於在真實場景中建立、定制及實驗GPT驅動的代理。

Disco通過提供事件驅動的協調框架，連接語言模型響應與伺服器無服務函數、訊息佇列和外部API，來簡化AWS上的AI代理開發。它提供預建的連接器，用於AWS Lambda、Step Functions、SNS、SQS和EventBridge，便於根據LLM輸出進行訊息路由和動作觸發。Disco的模組化設計支持自訂任務定義、重試邏輯、錯誤處理和透過CloudWatch的即時監控。它利用AWS IAM角色進行安全存取，提供內建的日誌紀錄和追蹤以提升可觀測性。適用於聊天機器人、自動化工作流程與代理驅動取數管道，Disco提供可擴展且成本效益高的AI代理方案。

Dual Coding Agents 提供模組化架構，建構能無縫結合視覺理解與語言生成的人工智慧代理。此框架支援內建影像編碼器如 OpenAI CLIP、基於變壓器的語言模型如 GPT，並將它們串聯成思考鏈流程。用戶可向代理提供圖像和提示詞範本，代理會處理視覺特徵、推理上下文，並產出詳盡的文字輸出。研究人員與開發者可交換模型、配置提示詞，並用插件擴展代理。此工具包簡化多模態人工智慧實驗，更快速原型應用，涵蓋圖像問答、文件分析、無障礙工具與教育平台。

LLMLing代理是一個模組化框架，用於建立、配置和部署由大型語言模型驅動的人工智能代理。用戶可以實例化多個代理角色，連接外部工具或API，管理對話記憶，並協調複雜的工作流程。平台包含一個基於瀏覽器的實驗場，可視化代理互動、記錄訊息歷史，並允許實時調整。借助Python SDK，開發者可以撰寫自定義行為、整合向量數據庫，並通過插件擴展系統。LLMLing代理通過提供可重用組件和清晰抽象，簡化聊天機器人、數據分析機器人和自動化助手的創建流程，促進多代理協作。

SmartRAG是一個模塊化的Python函式庫，設計用於搭配大型語言模型的檢索增強生成（RAG）工作流程。它結合了文件引入、向量索引和先進的LLM API，可提供準確且富含上下文的回應。用戶可以匯入PDF、文本檔或網頁，使用FAISS或Chroma等流行的向量存儲進行索引，並定義自訂的提示範本。SmartRAG負責協調檢索、提示組合與LLM推理，並回傳依據資料來源的連貫答案。通過抽象化RAG流程的複雜度，加快知識庫問答系統、聊天機器人及研究助理的開發速度。開發者可以擴充連接器、更換LLM供應商，並微調檢索策略以符合特定知識領域。

Vanilla Agents 是一個輕量級的 PyTorch 為基礎的框架，提供模組化且可擴展的核心強化學習代理實作。它支援 DQN、Double DQN、PPO 和 A2C 等演算法，並配備與 OpenAI Gym 兼容的可插拔環境封裝。用戶可以配置超參數、記錄訓練指標、保存檢查點並制圖學習曲線。程式碼架構清晰，非常適合研究原型設計、教育用途及新想法的基準測試。