YGO-Agent框架允許研究人員與愛好者利用強化學習開發能玩遊戲王卡牌遊戲的AI機器人。它將YGOPRO遊戲模擬器包裝成與OpenAI Gym相容的環境，定義手牌、場地和生命值等狀態表示，並包括召喚、魔法/陷阱啟動和攻擊等行動。獎勵基於勝負結果、造成的傷害和遊戲進展。代理架構使用PyTorch實作DQN，並提供客製化網絡架構、經驗回放及epsilon-greedy探索選擇。記錄模組可以記載訓練曲線、勝率與詳細行動日誌供分析。此框架為模組化設計，允許用戶替換或擴充獎勵函數或行動空間等元件。

Azul 遊戲 AI 代理是針對 Azul 桌遊比賽的專用 AI 解決方案。用 Python 實作，模型化遊戲狀態，運用 Minimax 搜索進行確定性剪枝，並利用蒙特卡洛樹搜索探索隨機結果。代理使用自訂的啟發式來評估棋盤位置，偏好產生高分的磁磚擺放模式。支援一對一錦標賽模式、批次模擬和結果記錄，用於性能分析。用戶可以調整演算法參數、整合入自訂遊戲環境、並可視化決策樹來了解走法選擇。