Hyperbolic Time Chamber 提供一個彈性的環境，用來建構 AI 代理，包含記憶管理、語境窗口編排、提示鏈結、工具整合及執行控制等元件。開發者透過模組化積木定義代理行為，配置短長期記憶，並連結外部 API 或本地工具。該框架支持非同步、記錄與調試功能，促進快速迭代，讓在 Python 專案中部署複雜對話或任務導向代理更加便捷。

Java-Action-Shape 是一個專為擴充 LightJason 多智慧體框架而設的專用幾何形狀動作函庫。它為代理人提供開箱即用的動作來實例化常見形狀（圓、矩形、多邊形）、應用轉換（平移、旋轉、縮放）和執行分析計算（面積、周長、重心）。每個動作皆為執行緒安全，並能與 LightJason 非同步執行模型整合，確保高效的平行處理。開發者可以透過指定頂點和邊來定義自訂形狀，並將其註冊於代理的動作登錄表中，亦可在計劃定義中使用。集中形狀相關邏輯後，Java-Action-Shape 能降低重複冗長代碼，確保 API 一致性，加快基於幾何的代理應用開發，包括模擬與教育工具。

Kin Kernel 是一個輕量級的開源核心框架，用於構建由AI驅動的數字工作者。它提供統一系統來協調大型語言模型、管理上下文記憶，以及整合自定義工具或API。採用事件驅動架構，Kin Kernel 支持異步任務執行、會話跟蹤和擴展插件。開發者定義代理行為、註冊外部功能，並配置多LLM路由，從資料擷取到客戶支持自動化工作流程。框架內建日誌紀錄與錯誤處理，便於監控與除錯。設計彈性高，Kin Kernel 可以嵌入Web服務、微服務或獨立Python應用，協助組織部署穩健的AI代理，大規模應用。

LiteMultiAgent提供模組化的SDK，用於構建和運行多個AI代理，可以並行或順序運行，每個代理具有唯一的角色和責任。它包含現成的記憶體存儲、訊息管道、插件適配器和執行循環，以管理複雜的代理間通訊。用戶可以自訂代理行為、加入外部工具或API，並透過日誌監控對話。其輕量設計和依賴管理，使其非常適合快速原型製作和協作AI工作流程的正式部署。

NaturalAgents是一個開源的Python函式庫，旨在簡化LLM驅動代理的建立與部署。它提供記憶管理、情境追蹤和工具整合模組，使代理能在長時間的會話中存取及回憶資訊。階層式規劃器協調多步推理及行動，擴展系統支持自訂插件及外部API調用。內建日誌記錄與分析功能，使開發者能監控代理表現並除錯工作流程。NaturalAgents同時支援同步與非同步執行，適用於互動與自動化管線。

AgenticSearch是一個開源的Python工具包，用於構建自主AI代理，這些代理可以執行網絡搜索、整合數據並產生結構化答案。它集成了大型語言模型和搜索API，以協調多步工作流程：發出查詢、抓取結果、排序相關鏈接、提取關鍵段落和摘要調查結果。開發者可以自定義代理行為、鏈接動作並監控執行情況，打造研究助手、競爭情報工具或特定領域的數據收集器，而無需手動瀏覽。

Agent Script 提供了一層宣告式腳本層，覆蓋大型語言模型，可用 YAML 或 JSON 來撰寫定義代理流程、工具調用與記憶使用的腳本。你可以連接 OpenAI、本地 LLM 或其他提供者，將外部 API 作為工具，並配置長短期記憶後端。框架自動處理內容管理、非同步執行和詳細日誌。只需少量程式碼，即能快速原型聊天機器人、RPA 流程、資料擷取代理或自訂控制循環，讓建構、測試與部署 AI 自動化更為容易。

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。

AI Agents with LangGraph利用圖形表示來定義自主AI代理之間的關係與通信。每個節點代表一個代理或工具，支持任務拆解、提示（prompt）自定義和動態操作路由。該框架與流行的LLMs無縫集成，並支持自定義工具功能、記憶存儲和日誌記錄以供調試。開發者可以用幾行Python代碼快速原型複雜的工作流程、自動化多步驟流程，並嘗試協作代理互動。

AtomicAgent 提供一個結構化的框架，用於定義、組合及執行 AI 代理任務。核心模組包括用來註冊並調用外部服務的工具註冊表、持久存取對話或任務上下文的記憶管理器，以及逐步引導 LLM 互動的協調引擎。開發者可以定義可重用的工具、設定決策邏輯，並利用非同步執行長時間任務。AtomicAgent 的模組化設計促進維護性、測試性與快速迭代的複雜 AI 驅動工作流程，從聊天機器人到資料處理工作流。

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。

AWS Bedrock Multi-Agent Blueprint提供一個模組化的框架，用以在AWS Bedrock上實現多代理架構。包含定義代理角色（規劃者、研究員、執行者與評估者）的範例程式碼，這些角色透過共用訊息佇列合作。每個代理都可調用不同的Bedrock模型，配合自訂提示語，並將中間輸出傳遞給下一個代理。內建CloudWatch日誌記錄、錯誤處理範例，以及同步或非同步執行支援，展示如何管理模型選擇、批次任務與端到端協調。開發者可克隆資源庫、設定AWS IAM角色與Bedrock端點，然後透過CloudFormation或CDK部署。開源設計鼓勵擴展角色、跨任務擴充代理，並整合S3、Lambda與Step Functions。

Swarms.rs 是執行基於群組的 AI 代理程式的核心 Rust 運行時。它具有模組化插件系統以整合自訂邏輯或 AI 模型，點對點通信層以實現點對點消息傳遞，以及非同步執行器來調度代理行為。這些組件共同允許開發者設計、部署和擴展複雜的去中心化代理網絡，用於模擬、自動化和多代理協作任務。

Continuum 是一個開源的 Python 框架，讓開發者能以模組化方式定義任務、工具與記憶體，來建構智能代理。使用 Continuum 的代理遵循「規畫-執行-觀察」循環，能在大型語言模型推理與外部 API 調用或腳本之間插入。其插件架構支援多種記憶體存儲（如 Redis、SQLite）、自訂工具庫及非同步執行。注重彈性，使用者可撰寫自訂代理規則，整合第三方服務如資料庫或 Webhook ，以及在多種環境部署。Continuum 的事件驅動協調會記錄代理行動，有助於除錯與性能調優。不論是自動化資料擷取，構建對話式助理，或協調 DevOps 流程，Continuum 都提供可擴展的產線級 AI 代理工作流程基礎。

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。

LangChain是一個開源Python框架，旨在加速AI驅動應用的開發。它提供多個語言模型調用（鏈）、與外部工具互動的代理人建立、以及對話記憶的管理抽象。開發者可以定義提示、輸出解析器和端到端的工作流程。整合包括向量庫、資料庫、API和託管平台，可支援商用聊天機器人、文件分析、程式碼助手與客製化AI管線。

LLM-Agent是個輕量級且可擴充的框架，用於建構由大型語言模型驅動的AI代理。它提供對於會話記憶、動態提示範本及無縫整合自訂工具或API的抽象層。開發者能編排多步推理流程、跨多次互動保持狀態，並自動化複雜任務，例如資料擷取、報告生成與決策支援。結合記憶管理、工具利用與規劃，讓在Python中開發智能、任務導向的代理更加高效。

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。

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。

Odyssey 提供了一個靈活的架構，用於構建協作式多智能體系統。其核心組件包括用於定義和分配子任務的任務管理器、存儲上下文和對話歷史的記憶模塊、協調基於 LLM 的智能體的智能體控制器，以及整合外部 API 或自定義函數的工具管理器。開發者可以通過 YAML 文件來配置工作流程，選擇預建的 LLM 核心（例如 GPT-4、本地模型），並輕鬆擴展框架加入新工具或記憶後端。Odyssey 支援交互記錄、異步任務執行和迭代優化流程，適用於研究、原型設計和投產的多智能體應用。