autogen4j 是一個輕量級的 Java 函式庫，旨在抽象建立自主 AI 代理的複雜性。它提供核心模組用於規劃、記憶體存儲與行動執行，使代理能將高層次的目標拆解成連續的子任務。該框架與 LLM 提供者（如 OpenAI、Anthropic）整合，並允許註冊自訂工具（HTTP 客戶端、資料庫連接器、檔案輸入輸出）。開發者透過流暢的 DSL 或註解來定義代理，快速組裝資料豐富、自動化報告與對話機器人的流程。一個可擴展的插件系統確保靈活性，實現多樣應用的微調行為。

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。

CUPCAKE AGI（Component Utilitarian Pipeline for Creative, Knowledgeable, and Evolvable Autonomous General Intelligence）是一個彈性的Python框架，通過結合語言模型、記憶體和外部工具，簡化建立自主代理的流程。其核心模組包含目標規劃器、模型執行器與記憶管理器，以保持多次互動中的上下文。開發者能透過插件擴充功能，整合API、資料庫或自訂工具包。CUPCAKE AGI支援同步與非同步工作流程，非常適合科研、原型設計和生產環境部署，應用範圍多元。

智能體中的新興通訊是一個開源的PyTorch框架，專為探索多智能體系統如何發展自己的通訊協議的研究人員設計。該資料庫提供靈活的合作強化學習任務實現，包括參照游戲、組合彩游戲和對象識別挑戰。用戶定義說話者和聽者的架構，指定訊息通道的屬性（如詞匯大小和序列長度），並選擇訓練策略（如策略梯度或監督學習）。框架包括端到端的腳本用於執行實驗、分析通訊效率和可視化新興語言。其模組化設計允許輕鬆擴展新的游戲環境或自定義損失函數。研究人員可以復現已發表的研究、基準測試新算法，並探究新興智能體語言的組合性和語意。

Exo 是一個以開發者為中心的框架，能夠建立能與用戶溝通、調用外部API，以及保存會話上下文的人工智能驅動代理。它的核心使用TypeScript定義來描述工具、記憶層和對話管理。用戶可以註冊自定義動作，用於數據檢索、排程或API協調。框架自動處理提示模板、訊息路由和錯誤處理。Exo的記憶模組可以跨會話存儲和回憶用戶特定資訊。開發者可在Node.js或無伺服器環境中以最少配置部署代理。Exo還支持用於記錄、認證和度量的中介軟體。其模組化設計確保各組件可以在多個代理中重用，加快開發速度並減少冗餘。

LifelongAgentBench 旨在模擬現實世界中的持續學習環境，讓開發者能夠測試 AI 代理在一系列演變中的任務中。該框架提供即插即用的 API 以定義新場景、加載數據集並配置記憶體管理策略。內建評估模組能計算正向轉移、逆向轉移、遺忘率和累計性能等指標。用戶可以部署基線實作或集成專有代理，以在相同條件下直接比較。結果將作為標準化報告匯出，並配備互動式圖表和表格。模組化架構支持自定義數據加載器、性能指標和視覺化插件的擴展，使研究人員和工程師能根據不同應用領域調整平台。

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。

Multi-Agent-LLM的設計旨在簡化由大型語言模型驅動的多個人工智能代理的協調。用戶可以定義具有獨特個人角色、記憶存儲和整合外部工具或API的獨立代理。一個中心的AgentManager管理通信循環，允許代理在共享環境中交換訊息並共同推進複雜目標。該框架支援切換LLM提供商（如OpenAI、Hugging Face）、靈活的提示範本、對話歷史和逐步工具上下文。開發者可利用內建的日誌、錯誤處理及動態代理生成工具，實現多步驟工作流程、研究任務和決策管道的可擴展自動化。

Multi-Agent Coordination提供輕量級API，用於定義AI代理、將其註冊到中央協調器並派發任務進行合作解決問題。它負責訊息路由、併發控制和結果整合。開發者可以插入自定義代理行為、擴展通訊通道，並通過內建日誌和Hooks監控交互。該框架簡化了分散式AI工作流程的開發，每個代理專精於子任務，協調器確保合作順暢。

多代理視覺追蹤實現一個分散式追蹤系統，由互相通信的智能代理組成，以提升影片物件追蹤的準確性與韌性。代理執行卷積神經網路進行偵測、共享觀察以處理遮擋，並透過強化學習調整追蹤參數。相容於主要的影片資料集，支持訓練與即時推理。用戶可輕鬆整合於現有流程，並擴展代理行為以符合客製化應用。

OmniMind0 是一個完整的基於代理的 AI 框架，使用 Python 編寫，允許建立並協調多個自主代理。每個代理可配置以處理特定任務—如資料擷取、摘要或決策—並透過可插拔的記憶體後端（如 Redis 或 JSON 檔案）共享狀態。內建插件架構讓您可以拓展功能，與外部 API 或客製命令整合。支援 OpenAI、Azure 和 Hugging Face 模型，並提供 CLI、REST API 伺服器或 Docker 的部署選項，以便靈活集成入您的工作流程。

OpenAgent 提供一個完整的框架，用於開發能理解任務、規劃多步行動並與外部服務互動的自主 AI 代理。通過與 OpenAI 和 Anthropic 等 LLM 整合，實現自然語言推理和決策。平台具有可插拔的工具系統，用於執行 HTTP 請求、檔案操作和自訂 Python 函數。記憶體管理模組允許代理在會話中儲存和檢索上下文資訊。開發者可以通過插件擴展功能，配置實時串流應答，並利用內建的記錄與評估工具監控代理性能。OpenAgent簡化了複雜工作流程的編排，加速智能助手的原型設計，並確保模組化架構以支援可擴展的 AI 應用。

OpenAI Agents 提供一個模組化的環境，用於定義、運行和管理基於 OpenAI 語言模型的自主 AI 代理。開發者可以配置帶有記憶存儲的代理、註冊自訂工具或插件、協調多代理合作，並通過內建日誌監控執行狀況。該框架負責 API 請求、上下文管理以及非同步任務排程，便於快速原型設計複雜的 AI 驅動工作流程和應用，例如數據擷取、客戶支援自動化、程式碼生成與研究協助。

simple_rl是一個簡約的Python庫，旨在簡化增強學習的研究和教育。它提供一致的API用於定義環境和代理，內置支援常見RL範式，包括Q-learning、蒙特卡羅方法和動態規劃算法如價值和策略迭代。該框架包括範例環境，如GridWorld、MountainCar和多臂強盜，方便實操實驗。用戶可以擴展基類實現自定義環境或代理，並利用工具函數進行記錄、性能追蹤和策略評估。simple_rl的輕量架構和清晰代碼使其非常適合快速原型、教授RL基礎，以及在可重現且易於理解的環境中進行新算法的基準測試。

Base OnChain Agent 是一個設計用於在以太坊類區塊鏈上部署自主AI代理的開源框架。它通過Web3連接到區塊鏈節點，並使用OpenAI GPT模型來解讀鏈上事件，例如代幣轉移或協議專有日誌。代理可以處理自然語言提示或預設策略，決定何時執行交易、調用智能合約或回應治理提案。開發者可擴展模組，用於自訂事件監聽器、整合鏈下數據源，並安全管理私鑰。此方案支持自動化DeFi操作，如流動性提供、套利交易和資產配置調整，避免手動干預。

在其核心，DAGent將代理工作流表示為由節點組成的有向無環圖，每個節點可以封裝一個LLM調用、自定義函數或外部工具。開發者明確定義任務依賴，實現并行執行和條件邏輯，框架管理調度、數據傳遞和錯誤恢復。DAGent還提供內建可視化工具，用於檢查DAG結構和執行流程，改善調試和審計。通過可擴展的節點類型、插件支持和與主流LLM提供者的無縫集成，DAGent使團隊能夠輕鬆構建複雜的多步AI應用，如數據管道、對話代理和自動化研究助手。其模塊化和透明性設計使其成為實驗和生產中的可擴展代理協調的理想選擇。

Devon提供一整套工具，用於在Python應用中定義、協調和運行自主代理人。用戶可以設定代理目標、指定可調用的任務，並根據條件鏈接行動。透過與GPT等語言模型及本地向量存儲的無縫集成，代理人能捕捉並解釋用戶輸入、檢索上下文知識並制定計劃。框架支持長期記憶，通過可插拔的存儲後端，讓代理人能回憶過去的互動。內建監控和記錄元件能夠即時追蹤代理人表現，CLI與SDK則幫助快速開發與部署。適用於自動化客戶支持、資料分析流程和例行商業操作，Devon加快可擴展數字工作的創建。

Promptix Python是一個用於在Python中構建自主AI代理人的開源框架。通過簡單的pip安裝，您可以實例化由任何主要的LLM驅動的代理人、註冊領域特定工具、配置內存或持久數據存儲器，以及調度多步決策循環。此SDK支持實時串流Token輸出、日誌記錄或自定義處理的回調，以及內建的記憶模組來保持交互上下文。開發者可以利用此函式庫在幾分鐘內原型設計聊天機器人助手、自動化流程、數據管道或研究代理人。其模組化設計允許切換模型、添加自定義工具和擴展記憶後端，以適應多種AI代理應用需求。

Venus是一個開源的Python庫，讓開發者能輕鬆設計、配置並運行智慧型AI代理。它提供內建的對話管理、持久記憶存儲選項，以及彈性的插件系統用於整合外部工具與API。用戶可以定義自訂工作流程、串連多個LLM調用，並加入函數調用介面，以執行資料檢索、網頁擷取或資料庫查詢等任務。Venus支援同步與非同步執行、日誌記錄、錯誤處理與代理活動監控。透過抽象低層API互動，Venus能快速產生初步模型並部署聊天機器人、虛擬助手與自動化流程，同時保持對代理行為與資源使用的完全控制。

A-Mem設計用於無縫整合Python為基礎的AI代理框架，提供三大不同的記憶模組：每集上下文的情境記憶、即時過去行動的短期記憶，以及隨時間累積知識的長期記憶。開發者可以自訂記憶容量、保留策略與序列化儲存後端，如記憶體或Redis。此函式庫包含高效的索引演算法，用於根據相似度及上下文窗伍來檢索相關記憶。將A-Mem的記憶處理器插入代理的感知-行動循環中，使用者可在運行時儲存觀察、行動與結果，並查詢過去經驗來輔助當前決策。其模組化設計便於在強化學習、對話AI、機器人導航等任務中快速實驗，這些任務需具備情境感知與時間推理能力。