ReasonChain 提供一個模組化流程，用於構建由 LLM 驅動的操作序列，每個步驟的輸出可傳入下一步。用戶可以定義自訂的鏈節點來生成提示、調用 API、進行條件判斷路由工作流程，以及進行最終結果的彙總。此框架內建除錯與日誌記錄，支持向量資料庫查詢，並可藉由用戶模組擴充。無論是解決多步推理任務、協調資料轉換，或構建具備記憶的對話 agent，ReasonChain 提供透明、可重用、可測試的環境。它鼓勵實驗思考策略，特別適合研究、原型打造與生產準備的 AI 解決方案。

Vagent.io 提供了一個直觀的界面，用於通過語音命令與自定義 AI 代理互動。用戶可以通過自然語音輕鬆地與其 AI 代理進行溝通，而不是鍵入。該平台與簡單的 webhook 集成，並使用 OpenAI 來提供高質量的語音識別，並支持 60 多種語言。數據隱私是優先考慮的，無需註冊，所有數據均存儲在用戶的設備上。Vagent.io 非常靈活，允許用戶連接各種後端並構建模塊化的多代理系統，以處理更複雜的任務。

Samantha Voice AI Agent 是一個完全模塊化、開源的語音助手框架，完全用Python構建。它利用OpenAI的GPT-4模型進行語境對話管理，使用Whisper進行準確的語音轉文字，並通過ElevenLabs或微軟的TTS實現逼真的文本轉語音輸出。內建支持持續聽取、可定制的技能觸發點、API集成和事件觸發，允許開發者構建個性化語音流程，自動化任務，並在桌面或伺服器環境中部署，無需繁重授權限制。

AgentSpeak是基於Java的開源實作，為AgentSpeak(L)語言設計，旨在促進BDI（信念-慾望-意圖）自主代理的創建與管理。它具有解析AgentSpeak(L)代碼、維護代理信念基底、觸發事件並根據現有信念和目標選擇執行計劃的運行時環境。該解釋器支援並行的代理執行、動態計劃更新及可自訂語義。透過模組化架構，程式設計師可以擴充核心組件，如計劃選擇與信念修正。AgentSpeak使學術界與產業界能更快速的原型設計、模擬與部署智慧型代理於模擬系統、物聯網及多代理場景中。

Evolving Agents提供了一個基於遺傳編程的框架，用於構建和演化模組化AI代理。用戶可以組合可互換的代理架構，配置環境模擬和適應度指標，然後運行進化周期，自動產生改進的代理行為。該庫包括突變、交叉、種群管理和進化監控的工具，讓研究者和開發者能在多樣的模擬環境中原型設計、測試並改良自主代理。

LinkAgent提供一個輕量級的微核心，用於構建具插拔元件的AI代理。用戶可以註冊語言模型後端、檢索模組與外部API作為工具，並運用內建的規劃器與路由器，組合成工作流程。LinkAgent支援記憶體處理器以保持上下文持續，動態調用工具，並設有可配置的決策邏輯進行複雜的多步推理。只需少量程式碼，團隊即可自動化問答系統、資料抽取、流程協調與報告產生等任務。

OpenMAS旨在促進去中心化AI代理和多智能體協調策略的開發與評估。其具有模組化架構，允許用戶定義自訂的代理行為、動態環境模型和代理間訊息傳遞協議。框架支援基於物理的模擬、事件驅動的執行，以及AI演算法的插件整合。用戶可通過YAML或Python配置場景、視覺化代理互動，並利用內建分析工具收集性能指標。OpenMAS簡化了在群智能、合作機器人和分散式決策等研究領域的原型設計。

Clear Agent 是一個面向開發者的框架，旨在簡化建立AI驅動代理的流程。它提供工具註冊、記憶體管理和可自定義的代理類，可以處理用戶指令，調用API或本地函數，並返回結構化回應。開發者可以定義工作流程，透過插件擴展功能，並在多個平台部署代理而無需樣板碼。Clear Agent 強調清晰、模組化以及易於整合，適用於生產環境的AI助手。

Deep Study AI Agent 利用 OpenAI 的 GPT 模型處理用戶提供的文本或文件，提取重點概念並生成學習輔助工具。用戶上傳講義筆記、PDF或純文本檔案，代理會產生簡潔的摘要、一組閃卡、多選測驗及有針對性的練習題。也提供可配置的難度設定與情境提示。模組化設計允許擴展至新內容類型和提示範本，具備彈性以適應各類學術科目及自主學習流程。

gym-multigrid提供一套可定製的網格世界環境，旨在用於強化學習中的多房間導航和探索任務。每個環境由相互連接的房間組成，內有物體、鑰匙、門和障礙物。用戶可以程式設計調整網格大小、房間配置和物體佈局。該庫支持全觀測或部分觀測模式，提供RGB或矩陣狀態表示。行動包括移動、物體交互和門的操作。將其作為Gym環境整合後，研究人員可以利用任何兼容Gym的代理，無縫訓練和評估用於鑰匙門拼圖、物體檢索和層次規劃等任務的演算法。gym-multigrid的模組化設計與最小依賴，使其成為新AI策略基準測試的理想選擇。

HexaBot旨在簡化智慧自主代理的開發與部署。它提供模組化的工作流程管道，將複雜任務拆分為可管理的步驟，以及持久記憶存儲，用於跨會話保留上下文。開發者可以通過插件生態系統將代理連接到外部API、資料庫和第三方服務。即時監控與日誌，確保對代理行為的透明度，Python和JavaScript SDK促進快速集成到現有應用。HexaBot的擴展架構支持高併發，並支援版本化部署，以確保可靠的生產使用。

MAGI（模組化人工智慧生成式智慧）是一個為簡化人工智慧代理建立與管理而設計的開源框架。它提供插件結構，用於自定義工具整合、持久記憶模組、思維鏈規劃，以及多步工作流程的即時協調。開發者可以註冊外部 API 或本地腳本作為代理工具、配置記憶後端，並定義任務策略。MAGI 的可擴展設計支援同步與非同步任務，非常適用於聊天機器人、自動化流程和研究原型。

MAPF_G2RL 是一個開源研究框架，將圖論與深度強化學習結合起來，以解決多智能體路徑搜尋問題（MAPF）。它將節點和邊編碼為向量表示，定義空間和碰撞感知的獎勵函數，支援 DQN、PPO、A2C 等多種 RL 算法。框架通過生成隨機圖或導入現實世界地圖來自動創建場景，並管理訓練循環以同時優化多個代理的策略。訓練後，代理在模擬環境中進行評估，以測量路徑最優化、完成時間和成功率。其模組化設計使研究人員能擴展核心元件、整合新技術，並與傳統解算器做基準測試。

多智能體架構提供一個可擴展且可擴展的平台，用於定義、註冊和協調多個共同工作的AI智能體。它包括訊息中介、生命週期管理、動態智能體生成和可定制的通信協議。開發者可以構建專門的智能體（例如：資料擷取器、NLP處理器、決策者），並將它們插入核心運行時，以處理資料整合到自主決策流程等任務。其模組化設計支援插件擴展，並可與現有的ML模型或API整合。

multiagent_envs 提供一套模組化的Python環境，專為多智能體強化學習的研究與開發而設。包括合作導航、捕食者-獵物、社會困境和競爭性場景。每個環境允許定義智能體數量、觀察特徵、獎勵函數和碰撞動態。該框架與Stable Baselines和RLlib等常用RL庫無縫整合，支持向量化訓練、平行執行和方便記錄。用戶可以拓展現有場景或遵照API创建新环境，加速算法（如MADDPG、QMIX、PPO）的實驗和重現。