BeeAI框架提供一個完全模組化的架構，用於構建能執行任務、管理狀態並與外部工具互動的智能代理。它包含長期上下文保留的記憶管理器、自定義技能集成的插件系統，以及內建的API串聯和多代理協調支援。框架提供Python和JavaScript SDK、用於建構專案的命令列介面，以及用於雲端、Docker或邊緣設備的部署腳本。監控儀表板和記錄工具協助即時追蹤代理性能與除錯。

openai-agents-python是一個全面的Python套件，旨在協助開發者構建完全自主的AI代理。它提供代理規劃、工具整合、記憶狀態及執行循環的抽象。使用者可以註冊自定義工具，指定代理目標，並讓框架協調逐步推理。此庫還包含測試和記錄代理操作的工具，方便迭代行為與排解複雜的多步任務。

Agent-Squad是一個模組化的Python框架，能讓團隊設計、部署與運行多代理系統來執行複雜任務。其核心允許配置多樣的代理設定，如數據擷取器、摘要器、程式碼撰寫器與驗證器，這些代理透過定義的頻道溝通，共享記憶體語境。藉由將高層目標分解為子任務，框架協調平行處理，並利用LLM與外部API、資料庫或自訂工具連結。開發者可用JSON或程式碼定義工作流程，監控代理互動，並用內建日誌與評估工具動態調整策略。

ANAC-agents是一個基於Python的框架，集中多個談判代理的實現，用於Automated Negotiating Agents Competition（ANAC）。每個代理都具有不同的策略，用於效用建模、提議產生、讓步策略與接受標準，有助於比較研究與快速原型設計。用戶可以定義具有自訂議題與偏好檔的談判域，並模擬雙邊談判或類似錦標賽的競賽。工具包包括配置腳本、評估指標與日誌工具，用於分析談判動態。研究人員與開發者可以擴展現有代理、測試新算法或整合外部學習模組，促進自動化議價與在資訊不完整條件下的策略決策創新。

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。

合作搜尋環境提供一個彈性的、與gym相容的多智能體強化學習環境，適用於離散格子與連續空間中的合作搜尋任務。智能體在部分可觀測的條件下運作，並可根據自訂的通信拓撲分享資訊。框架支持預定義的場景，如搜尋與救援、動態目標追蹤及協作繪圖，並提供API以定義自訂的環境與獎勵結構，與Stabloes Baselines3和Ray RLlib等流行RL庫無縫整合，包含記錄性能的工具及即時可視化功能。研究人員可調整格子大小、智能體數量、感測器範圍及獎勵分享機制，有效評估協作策略與基準新演算法。