ROCKET-1 是一個開源的 AI 代理編排平台，設計用於構建先進的多代理系統。它允許用戶使用模組化 API 定義代理流程，實現語言模型、插件和資料庫的無縫串接。核心特點包括跨會話維持內容的語義記憶、動態工具整合外部 API 和資料庫，以及內建的監控儀表板追蹤性能指標。開發者能用最少程式碼自訂工作流程，通過容器化部署擴展，此平台亦支援插件架構擴展功能。ROCKET-1 支援即時除錯、自動重試並具備安全控制，適用於客戶支援機器人、研究助理和企業自動化任務。

VacuumWorld是一個開源模擬平台，旨在促進多智能體強化學習算法的開發與評估。它提供基於格子的環境，虛擬吸塵機器人可在可自定義的布局中運行，檢測並清除塵埃。用戶可以調整網格大小、塵埃分佈、隨機移動噪聲與獎勵結構，以模擬多種場景。框架內建支持智能體之間的通訊協議、即時視覺化儀表板及性能追蹤的紀錄工具。透過簡單的Python API，研究人員可以快速整合其強化學習算法，比較合作或競爭策略並進行可重現的實驗，讓VacuumWorld成為學術研究與教學的理想工具。

SARL為決策支援提供動態的支援，並配備編輯器支援、程式碼生成、除錯和測試工具。其運行引擎可針對多平台，包括模擬框架（例如MadKit、Janus）和實際應用在機器人與IoT系統中。開發者可透過組合模組化技能與協定，架構複雜的多代理系統應用，簡化自適應且分散的人工智慧系統開發。

MultiAgentModel提供統一API，用於定義多智能體場景的自訂環境和智能體類。開發者可以指定觀察與行動空間、獎勵結構和通信通道。內建支持流行的RL算法如PPO、DQN和A2C，讓訓練變得簡單配置。實時可視化工具協助監控智能體互動和績效指標。模塊化架構確保易於整合新算法與自訂模組。此外，還包括用於超參數調優的彈性配置系統、實驗追蹤的日誌工具，以及與OpenAI Gym環境的相容性，實現無縫移植。用戶可以在共享環境合作，並重播記錄的會話進行分析。

Berkeley Pacman Projects的倉庫提供一個模組化的Python程式碼庫，讓用戶在Pacman迷宮中建立並測試AI代理。它引導學習者進行非知情和知情搜尋（DFS、BFS、A*）、對抗性多智能體搜尋（minimax、alpha-beta剪枝），以及強化學習（Q-learning與特徵擷取）。整合的圖形界面實時視覺化代理行為，內建測試案例與自動評分驗證算法正確性。透過反覆實作算法，使用者能在統一的遊戲框架中累積狀態空間探索、啟發式設計、對抗性推理與獎勵導向學習的實務經驗。

ComfyUI LLM派對擴展了Node基礎的ComfyUI環境，提供一系列用於協調文本交互和視覺AI工作流程的LLM驅動節點。它包括用於與大型語言模型互動的聊天節點、用於保持上下文的記憶節點，以及用於管理多代理對話的路由節點。用戶可以在管道中鏈接語言生成、總結和決策操作，將文本AI與圖像生成結合。此擴展還支持自定義提示模板、變數管理和基於條件的分支，讓創作者能自動生成故事、圖像說明和動態場景描述。其模塊化設計支持與現有節點的無縫集成，使藝術家和開發者可以在不需程式技術的情況下建立複雜的AI代理人流程。

Octagon Agents 是一個企業級平台，讓開發者和組織能夠創建、協調和擴展自主人工智能代理。它具有可視化工作流程編輯器和Python及JavaScript的SDK，允許用戶配置代理行為、整合外部API及管理有狀態記憶體。代理可串聯成複雜的管道，支援多任務決策，例如資料抽取、分析及自動回應。透過實時監控儀表板、記錄與重試機制，確保在生產環境中的可靠性與追蹤性。此外，內建的認證與加密保障強固安全性，非常適合敏感商業應用。團隊可以在雲端或本地基礎設施中部署代理，實現高可用性與高性能。

VMAS是一個構建與訓練多智能體系統的綜合工具包，利用深度強化學習。它支持GPU並行模擬上百個環境實例，實現高通量數據收集與可擴展訓練。VMAS包含流行的MARL算法實現，例如PPO、MADDPG、QMIX和COMA，並具有模塊化的策略和環境接口，便於快速原型設計。該框架促進集中訓練與去中心化執行(CDTE)，提供可自定義的獎勵塑造、觀測空間和回調鉤子，用於記錄和可視化。其模塊化設計使VMAS能與PyTorch模型及外部環境無縫整合，非常適合在機器人、交通控制、資源分配和遊戲AI等多方面進行合作、競爭與混合動機任務的研究。

A2A（Agent-to-Agent Architecture）是由谷歌開源的框架，可開發和操作協同工作的分散式 AI 智能體。它提供模組化元件，以定義智能體角色、通訊通道和共用記憶體。開發者可以整合多種 LLM 提供者，客製化智能體行為，並編排多步驟的工作流程。A2A 包含內建的監控、錯誤管理和回放功能，以追蹤智能體互動。透過標準化的協定進行智能體發現、訊息傳遞和任務分配，A2A 簡化複雜的協調模式，在不同環境中擴展智能體應用時提升可靠性。

Agent Communication Protocol (ACP) 是一個正式規範，旨在實現自主人工智慧代理之間的無縫互動。ACP 指定了一套訊息類型、標頭和負載約定，以及代理發現和登記機制。它支持對話追蹤、版本協商和標準化的錯誤回報。透過提供語言無關的JSON架構和傳輸無關的綁定，ACP 減少了整合的複雜性，讓開發者可以組合出可擴展、互通的多代理系統，用於客戶服務機器人、機器人群、物聯網協調與合作人工智慧流程。

人工智慧代理機器翻譯是一個開源框架，設計用於機器翻譯的研究與開發。它協調三個核心代理：生成、評估與調整，共同產出、評估並改善翻譯。基於PyTorch與Transformer模型，支援監督預訓練、強化學習優化與可配置代理策略。用戶可以在標準資料集上做基準測試、追蹤BLEU分數，並擴充流程加入自訂代理或獎勵函數，以探索代理間合作在翻譯任務中的應用。

AI-Agents 提供模組化架構，用於定義與運行基於Python的AI代理。開發者可以配置代理行為、整合外部API或工具，以及管理跨會話的代理記憶。它利用流行的大型語言模型（LLMs）、支援多代理合作，並允許透過插件擴展複雜工作流程，如資料分析、自動化支援與個人助理。

Agent4Edu是一個基於Python的人工智慧代理框架，設計來支援透過自動化和智能互動的教學學習。它協調多個代理，例如題目產生、回饋和分析代理，由大型語言模型和領域知識圖譜驅動。教師可以定義課程和知識來源，然後部署Agent4Edu來生成練習、評分、追蹤學習進度，以及建議學習資料。其插件架構允許透過REST API或直接資料庫連結，與熱門LMS平台整合。內建工具讓用戶自訂提示語、高度調教模型和圖像化學生表現，使Agent4Edu成為一個全面的個人化、數據驅動教育解決方案。

Agents with ADK是一個開源的Python框架，旨在簡化由大型語言模型驅動的智能代理建立。它包含模組化的代理範本、內建記憶管理、工具執行介面，以及多代理協調功能。開發者能快速插入自定義功能或外部API，配置規劃與推理流程，並監控代理互動。該框架支援與流行的LLM供應商整合，並提供日誌、重試邏輯，以及用於生產部署的擴展性。

Agent Studio是一個全面的AI代理人開發環境，旨在降低創建智慧工作流程的複雜度。透過直觀的拖放畫布，使用者定義代理人行為，將提示範本、記憶連接器（向量儲存）、API整合（例如Webhooks、資料庫）和控制流程連結起來。平台支援即插即用的工具包，用於文件分析、網路搜尋、排程安排與電子郵件自動化等任務。進階功能包括代理人配置的版本控制、多代理合作空間，以及內建的日誌和性能指標監控面板，以追蹤績效與除錯。透過抽象化樣版碼，Agent Studio加速從概念到生產的迭代流程，使團隊能快速且可靠地應用於客戶服務機器人、資料助手與流程自動化工具。

AgentForge提供一個有結構的環境，用於定義、組合與協調個別的AI技能，形成連貫的自主代理人。它支援對話記憶以保持上下文、插件整合以連接外部服務、多代理人通信、任務排程及錯誤處理。開發者可以配置自訂技能處理器、利用內建模組進行自然語言理解，並與如OpenAI的GPT系列等流行的大型語言模型（LLM）整合。模組化設計加速開發週期，促進測試，並簡化聊天機器人、虛擬助理、資料分析代理人與特定領域自動化機器人的部署。

Agents-Prompts 是一個完整的 GitHub 儲存庫，為開發者提供一套結構化的可定制提示模板集合，用於建立智能 AI 代理。這些模板涵蓋記憶管理、動態指令更新、多代理協調、決策邏輯和 API 集成等核心功能。用戶可以組合和匹配模板來定義代理角色、任務和對話流程，實現快速測試和原型設計。該倉庫也包括與主要 LLM 服務器的界面範例、連結代理行動範例，以及進行自主流程設計的最佳實踐指南。通過利用這些可重用的提示範式，團隊能夠促進開發速度，維持代理間的一致性，並聚焦於較高層次的應用邏輯而非底層提示工程。

AgentVerse旨在促進多代理架構的創建，通過提供一套可重用的模組和抽象。用戶可以定義具有自訂決策邏輯的獨特代理類，建立用於訊息傳遞的通信通道，並模擬環境條件。平台支援同步和非同步的代理間互動，以實現談判、任務委託和合作解決問題等複雜流程。結合內建的日誌記錄與監控，開發者可以追蹤代理行動並評估性能指標。AgentVerse還提供常見應用場景的模板，如自主探索、交易模擬和合作內容生成。其插件式設計支持與外部機器學習模型（如語言模型或強化學習算法）的無縫集成，為各種AI驅動的應用提供彈性。

CrewAI是一個模組化的Python框架，用於建立完全自主的AI代理。核心組件包括用於規劃與決策的代理協調器、連接外部API或自訂動作的工具整合層，以及用於存儲與回憶交互內容的記憶模組。開發者定義任務、註冊工具、配置記憶後端，並啟動能規劃多步驟流程、執行動作、根據結果調整的Agent，讓CrewAI非常適合用於打造智能助手、自動化工作流程與研究原型。

AIGC Agents是一個模組化的開源框架，旨在簡化智慧旅遊助手的創建與部署。它提供預設的自然語言理解、行程規劃、航班與飯店搜尋整合，以及多代理協調模組。開發者可自訂提示詞、定義工具介面，並用新API擴展功能。該框架支援Python流程、RESTful端點與容器化部署，適用於原型開發和正式運營。內建錯誤處理、日誌記錄和安全金鑰管理，加速強韌、以旅遊為中心的AI聊天應用開發。