MGym是一個專門用於在Python中構建與管理多智能體強化學習（MARL）環境的框架。用戶可以定義多個智能體的複雜場景，每個智能體都具有可自定義的觀察和行動空間、獎勵函數及互動規則。MGym支援同步與非同步兩種執行模式，提供平行與輪換式的智能體模擬。採用類似Gym的API設計，與Stable Baselines、RLlib和PyTorch等流行RL庫無縫整合。內建工具模組用於環境基準測試、結果視覺化及績效分析，方便系統性評估MARL演算法。其模組化架構允許快速原型設計合作、競爭或混合型智能體任務，幫助研究人員與開發者加速MARL實驗與研究。

agent-steps是一個Python步驟協調框架，旨在通過將複雜任務拆解為離散且可重用的步驟，以簡化AI代理的開發。每個步驟封裝一個特定操作，如調用語言模型、執行資料轉換或外部API調用，並可以將上下文傳遞到後續步驟。該庫支持同步和異步執行，實現可擴展的管道。內建的日誌與除錯工具提供執行透明度，其模組化架構促進維護性。用戶可以定義自訂的步驟類型，將它們鏈接成工作流程，並輕鬆整合到現有Python應用中。agent-steps適用於建立聊天機器人、自動化資料管道、決策支援系統及其他多步驟AI解決方案。