CogAgent是一個面向研究的開源Python庫，旨在簡化AI代理的開發。它提供核心模組，包括記憶管理、規劃與推理、工具與API整合，以及思維鏈執行。憑藉高度模組化的架構，使用者可以定義自訂工具、記憶存儲與代理政策，以建立對話聊天機器人、自動任務規劃器與流程自動化腳本。CogAgent支援與OpenAI GPT和Meta LLaMA等熱門LLMs整合，讓研究人員與開發者能實驗、擴展並擴展其智能代理，應用於各種實務場景。

DeepMind MAS 環境是一個Python函式庫，提供建構和模擬多智能體強化學習任務的標準化介面。用戶可以配置智能體數量、定義觀察與行動空間，並自定義獎勵結構。該框架支援智能體間通信渠道、性能日誌和渲染功能。研究人員可以將DeepMind MAS無縫整合到流行的RL庫（如TensorFlow與PyTorch），用於基準測試新算法、測試通信協議，並分析離散與連續控制領域。

SmartRAG是一個模塊化的Python函式庫，設計用於搭配大型語言模型的檢索增強生成（RAG）工作流程。它結合了文件引入、向量索引和先進的LLM API，可提供準確且富含上下文的回應。用戶可以匯入PDF、文本檔或網頁，使用FAISS或Chroma等流行的向量存儲進行索引，並定義自訂的提示範本。SmartRAG負責協調檢索、提示組合與LLM推理，並回傳依據資料來源的連貫答案。通過抽象化RAG流程的複雜度，加快知識庫問答系統、聊天機器人及研究助理的開發速度。開發者可以擴充連接器、更換LLM供應商，並微調檢索策略以符合特定知識領域。

SyntropAI是一個以開發者為核心的Python函式庫，旨在簡化自主AI代理的建構。它提供模組化架構，核心組件包括記憶體管理、工具與API整合、LLM後端抽象，以及協調多步工作流程的規劃引擎。用戶可以定義自訂工具、配置持久或短期記憶，並從支援的LLM提供者中選擇。SyntropAI亦包含日誌記錄與監控鉤子，以追蹤代理決策。其即插即用模組讓團隊能快速迭代代理行為，非常適合用於聊天機器人、知識助手、任務自動化機器人與研究原型。

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。

BambooAI combines a collection of modular Python libraries, utilities, and templates designed to streamline the creation and deployment of autonomous AI agents. At its core, BambooAI provides flexible memory architectures—vector databases, ephemeral caches—and configurable retrieval mechanisms for RAG workflows. Developers can easily integrate tools like web search, Wikipedia lookups, file operations, database queries, and Python code execution. The framework supports major LLM APIs (OpenAI, Anthropic) as well as local model hosting. Agents can be orchestrated via a simple CLI, a RESTful service, or embedded within applications. Logging, monitoring, and error recovery features ensure reliability in production. Community-driven extensions and plugin systems make BambooAI extensible for custom domains and workflows.

FMAS（Flexible Multi-Agent System）是一個開源的Python函式庫，用於建立、運行和視覺化多代理模擬。您可以定義具有自訂決策邏輯的代理、配置環境模型、設置通訊渠道來進行通信，並執行可擴展的模擬。FMAS提供監控代理狀態、除錯交互和匯出結果的鉤子。其模組化架構支援用於視覺化、度量收集及與外部資料源整合的插件，非常適合研究、教育和自主系統的實際原型。

GenAI Agents SDK 是一個開源的Python函式庫，旨在協助開發者利用大型語言模型建立自主的AI代理。它提供一個核心代理範本，具有可插拔的模組，用於記憶儲存、工具介面、規劃策略與執行循環。你可以設定代理致電外部API、讀寫檔案、執行搜尋或與資料庫互動。其模組化設計確保易於客製化、快速原型開發，以及新功能的無縫整合，促進打造具備推理、規劃與在現實場景中行動的動態自主AI應用。

Jupyter AI Agents是一個框架，可將自主式AI助手嵌入Jupyter Notebook和JupyterLab環境。它允許用戶建立、配置並執行多個代理，能完成資料分析、程式碼生成、除錯、網路爬取與知識檢索等各類任務。每個代理都保存語境記憶，可串連形成複雜的工作流程。透過簡易的魔術命令與Python API，使用者能將代理與現有的Python函式庫和資料集無縫整合。此平台基於熱門的大型語言模型（LLM），支援自訂提示範本、代理間通訊，以及即時反饋。它顛覆傳統筆記本流程，藉由自動化重複性任務，加速原型開發，並在開發環境中直接進行互動式AI探索。

LangChain Google Gemini 代理是一個用於簡化由Google Gemini語言模型提供支持的自主AI代理建立的Python函式庫。它結合 LangChain 的模組化設計—允許提示鏈、記憶管理和工具整合—與 Gemini 先進的自然語言理解能力。用戶可以定義自訂工具，進行API呼叫、資料庫查詢、網路爬蟲及文件摘要，並由代理解讀用戶輸入，選擇適當的工具操作，產生連貫的回應。這樣的代理能進行多步推理、即時資料存取和語境對話，非常適合建立聊天機器人、研究助手和自動化工作流程，也支援與流行向量資料庫及雲端服務整合，提供擴展性。

LlamaIndex是一個面向開發者的Python庫，旨在彌合大型語言模型與私有或領域專用數據之間的鴻溝。它提供多種類型的索引，如向量索引、樹狀索引和關鍵詞索引，以及數據庫、文件系統和Web API的適配器。該框架包含將文檔切片成節點、利用流行的嵌入模型進行嵌入，並進行智能檢索以提供上下文的工具。配備內建緩存、查詢模式和節點管理功能，LlamaIndex使構建檢索增強生成變得簡單，能在聊天機器人、問答服務和分析管道中提供高精度且豐富上下文的回應。

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。

NagaAgent是一個開源的Python庫，旨在簡化AI代理的創建、協調和擴展。它提供即插即用的工具集成系統、持久的對話記憶對象和異步多代理控制器。開發者可以將自定義工具註冊為函數，管理代理狀態，並安排多個代理之間的交互。此框架包括日誌功能、錯誤處理鉤子和快速原型設計的預設配置，非常適合構建複雜工作流程——如客戶支持機器人、數據處理管道或研究助理，且無需基礎設施負擔。

Pydantic 設計用於幫助開發者輕鬆管理數據，通過使用 Python 進行數據驗證和設置管理。它允許用戶使用 Python 類定義數據模型，自動將數據與這些模型進行驗證。這包括類型檢查、嵌套對象的驗證，甚至是配置管理。使用 Pydantic，開發者可以快速捕捉運行時的數據問題，提高應用程序的穩健性和可維護性。

PettingZoo 遊戲的強化學習代理人是一個基於 Python 的程式庫，提供現成的 DQN、PPO 和 A2C 演算法，用於 PettingZoo 環境下的多智能體強化學習。具有標準化的訓練與評估腳本、可配置的超參數、整合的 TensorBoard 日誌記錄，以及支持競爭和合作遊戲。研究人員和開發者可以克隆倉庫、調整環境與演算法參數、運行訓練並視覺化指標，以快速進行多智能體 RL 實驗和基準測試。

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。

Serena旨在自動化複雜的工作流程，透過自主規劃與執行。它與網路搜尋引擎、資料庫和API交互，收集資訊、總結結果，並根據用戶預設的目標執行任務。作為Python函式庫，Serena在不同會話中維持狀態，動態載入插件來增強功能，並使用大型語言模型生成結構化的計畫。開發者可以自訂工具整合，用於程式碼執行、檔案管理與分析，使Serena成為一個研究、資料處理、內容產生等多用途的框架。

AgentSimulation 是一個建立在 Pygame 之上的開源 Python 函式庫，用於在 2D 環境中模擬多個自主代理。它允許用戶配置代理屬性、操控行為（如搜尋、逃跑、漫遊）、碰撞檢測、路徑尋找及互動規則。藉由實時渲染和模組化設計，支援快速原型設計、教學模擬及群體智慧或多代理互動的小規模研究。