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。

Agenite 是一個以 Python 為中心的 AI 代理框架，旨在簡化自主代理的建立、協調與管理。它提供模組化的元件，如記憶儲存、任務排程和事件驅動通信通道，使開發者能建立能進行有狀態互動、多步推理和非同步流程的代理。平台還提供用於連接外部 API、資料庫和訊息佇列的適配器，其插拔式架構支持自訂模組，以進行自然語言處理、資料檢索與決策。內建支持 Redis、SQL 和記憶體快取的存儲後端，確保代理狀態持久化並支援可擴展部署。亦包括命令列界面和 JSON-RPC 伺服器，用於遠端控制，方便整合到 CI/CD 流程及即時監控儀表板。

Agentic-Systems旨在簡化複雜自主式AI應用的開發，提供由代理、工具及記憶體元件組成的模組化架構。開發者可以定義自訂工具，封裝外部API或內部函數，同時記憶模組則在代理迭代中保存上下文資訊。內建的協調引擎排程任務、解決依賴並管理多代理互動，以支援協作流程。透過將代理邏輯與執行細節解耦，這個框架能快速實驗、輕鬆擴展並細緻控制代理行為。無論是建立研究助理原型、資料流水線自動化，或部署決策支援代理，Agentic-Systems都提供必要的抽象與模板，加速端到端的AI解決方案開發。

AIPE集中管理人工智慧代理的協調，提供可插拔模組用於記憶、規劃、工具使用和多代理合作。開發者可以定義代理角色，結合向量存儲納入上下文，並整合外部API或資料庫。此框架提供內建的網頁儀表板與命令列工具，用於測試提示、監控代理狀態和串聯任務。AIPE支援多種記憶後端，如Redis、SQLite及記憶體存取。其多代理設定允許分配專業角色—資料擷取、分析、摘要—以合作處理複雜查詢。透過抽象化提示工程、API包裝器與錯誤處理，AIPE加速文件問答、客戶支持與自動流程的AI驅動助理部署。

LightJason Benchmark提供一套全面的預定義和可定制的場景，用於測試和評估建立在LightJason框架之上的多智能體應用。用戶可以配置智能體數量、通信模式和環境參數，以模擬現實世界的工作負載，並評估系統行為。基準收集包括訊息吞吐量、智能體反應時間、CPU和記憶體渲染，並匯出為CSV和圖形格式。與JUnit的整合允許在自動化測試流程中無縫加入，支持回歸測試和性能測試。藉由可調整設定與擴展模版，協助識別性能瓶頸、驗證擴展性並引導高性能、彈性多智能體系統的架構優化。

MARFT是一個基於Python的LLM，支持可重複實驗和快速原型設計協作式AI系統。

Maxun.dev 是一個無程式碼/低程式碼的 AI 代理框架，允許開發者與企業建立符合特定任務的智能代理。用戶可以透過視覺界面定義代理工作流程，整合資料來源與外部 API，並配置記憶體模組以進行情境理解。該平台支援多代理協調、即時監控與性能分析，以優化代理行為。內建協作工具、版本控制與一鍵部署選項，使 Maxun.dev 簡化從原型到實作的整個流程，加速 AI 驅動的自動化，涵蓋客戶支援、文件管理與商業流程。

Multi-Agent Debate提供完整的工具組來協調AI代理間的互動辯論。開發者克隆存庫並安裝依賴，然後在配置文件中定義Pro、Con和Moderate等角色。該框架利用OpenAI或相容的LLM API，產生結構化的辯論輪次：開場陳述、反駁和結束語。在每輪後，主持人代理綜合重點並記錄日誌。用戶可以調整辯論長度、代理人個性和評分標準。模組化設計支持整合自訂LLMs、插件架構及可視化工具進行分析。這設定促進AI推理、協作決策及根據辯論結果生成自動內容的研究。

MultiAgent-Systems-StarCraft2-PySC2-Raw提供一整套工具組，用於在星際爭霸II中開發、訓練與評估多個AI代理。它暴露低層次控制單位移動、目標指向和技能，同時支持彈性的獎勵設計與場景配置。用戶可以輕鬆插入自定義神經網路架構、定義隊伍協調策略，並記錄指標。基於PySC2，支援並行訓練、檢查點與視覺化，非常適合推動合作與對抗多智能體強化學習的研究。

OpenSpiel 是一個研究框架，提供從簡單矩陣遊戲到複雜棋類遊戲（如國際象棋、圍棋和撲克）的廣泛環境，並實現各種強化學習和搜索算法（如值迭代、策略梯度方法、MCTS）。其模組化的 C++ 核心和 Python 綁定允許用戶插入自定義算法、定義新遊戲，並在標準基準上比較性能。設計具有擴展性，支持單一和多智能體設置，研究合作和競爭場景。研究人員利用 OpenSpiel 快速原型設計算法、大規模實驗和分享可重複的代碼。