Saiki是一個開源的代理協調框架，讓開發者能寫出描述性的YAML定義，建立複雜的AI驅動工作流程。每個代理可以執行任務、調用外部服務或串聯調用其他代理。Saiki提供內建的REST API服務器、執行追蹤、詳細日志和即時監控的Web儀表板，支援重試、備援和自定義擴展，使迭代除錯和擴展機器人流程變得簡單。

Swarm Simulator 提供一個可自訂的環境，用於多代理的即時實驗。用戶可以調整關鍵行為參數——對齊、凝聚和分離——觀察產生的動態，並支援互動式 UI 滑桿、動態調整代理數量與資料匯出分析。非常適合教育示範、科研原型或興趣者探索群體智慧原理。

Tongui Agent提供模組化架構，用於創建能夠維持對話狀態、利用外部工具並協調多個子代理的AI代理。開發者可以配置LLM後端、定義自定義行動，並附加記憶模組來存儲上下文。該框架包含SDK、CLI和中介層鉤子，以便實現觀測性，方便整合至網頁或Node.js應用程序中。支援的LLM包括OpenAI、Azure OpenAI及開源模型。

Avalon-LLM是一個基於Python的多智能體AI框架，用於在協調環境中管理多個由LLM驅動的智能體。每個智能體可以配置特定的工具，包括網路搜索、文件操作和自定義API，以執行專門任務。該框架支持存儲對話背景與長期知識的記憶模組、用於改進決策的思考鏈推理，以及內建的性能評估流程以進行基準測試。Avalon-LLM提供模組化插件系統，方便開發者輕鬆添加或替換組件，例如模型提供者、工具包和記憶存儲。透過簡單的配置文件和命令列介面，用戶可以部署、監控和擴展符合研究、開發及生產用例的自主AI工作流程。

Bespoke Curator 是一個由人工智慧驅動的協調框架，讓用戶能啟動多個具有明確角色（如研究員、分析員、摘要員）的專門代理，獨立收集資訊、處理文件並輸出結構化結果。內建的網路瀏覽、API 及共享記憶體存儲整合，允許代理進行通訊與任務反覆完成。用戶配置資料來源、規則與性能指標。平台的儀表板追蹤代理進展，支持即時調整並匯出最終報告、洞察或摘要，用於商業智慧、學術評審和內容策略工作流程。

基於JADE的電子商務多智能體系統展示了自主代理如何管理線上購物流程。買家代理搜索商品並與賣家代理談判價格。賣家代理管理庫存和價格策略。物流代理安排出貨並更新訂單狀態。系統展示了通過ACL進行的代理通信、行為擴展與在JADE平台上的容器部署。

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。

LLMLing代理是一個模組化框架，用於建立、配置和部署由大型語言模型驅動的人工智能代理。用戶可以實例化多個代理角色，連接外部工具或API，管理對話記憶，並協調複雜的工作流程。平台包含一個基於瀏覽器的實驗場，可視化代理互動、記錄訊息歷史，並允許實時調整。借助Python SDK，開發者可以撰寫自定義行為、整合向量數據庫，並通過插件擴展系統。LLMLing代理通過提供可重用組件和清晰抽象，簡化聊天機器人、數據分析機器人和自動化助手的創建流程，促進多代理協作。

NanoBrowser作為一個Chrome擴展，直接在瀏覽器中運行，使您能夠通過自然語言提示來自動化重複或複雜的網絡任務。您可以用自己的LLM API密鑰（包括OpenAI GPT、自託管LLaMA模型或其他）來配置它，並定義由多個代理組成的工作流程。它支持數據抓取、表單交互、自動研究和通過LangChain集成的工作流程鏈接。您可以協調代理合作處理子任務，將結果導出為CSV或JSON，並可以交互式地進行調試或微調步驟。作為一個開源的替代方案，NanoBrowser重視隱私、擴展性和易用性。

OpenAI Agents Chatbot讓開發者能將多個專用AI代理（例如工具、知識檢索、記憶模組）整合並管理於單一對話應用。它具有思考鏈路協調、會話紀錄記憶、可配置的工具端點，並能無縫與OpenAI API互動。使用者可以自訂每個代理的行為，部署於本地或雲端環境，並用額外模組擴充框架。這促進進階聊天機器人、虛擬助理與任務自動化系統的開發。

OpenAI Swarm Node協調多個ChatGPT代理的並行調用，收集每個輸出，應用所選擇的彙總策略（例如多數投票或自訂加權），並返回統一的共識回應。其可擴展的架構支援對模型參數的細緻控制、錯誤處理、重試邏輯和非同步執行，使開發者能在任何Node.js應用中整合群集智慧，以提升AI決策的準確性與一致性。

Overeasy 是一個基於 Python 的開源框架，用於在各種領域協調由 LLM 驅動的 AI 代理。它提供模組化架構，用以定義代理、配置記憶存儲及整合外部工具，如 API、知識庫與資料庫。開發者可以連接至 OpenAI、Azure 或自行托管的 LLM 端點，設計涉及單一或多個代理的動態工作流程。Overeasy 的協調引擎負責任務委派、決策及後備策略，從而打造強健的數位工作者，用於科研、客戶支持、資料分析、排程等。完善的文件與範例專案促進在 Linux、macOS 與 Windows 上的快速部署。

Team Coordination是一個輕量級Python庫，旨在簡化多個AI代理共同完成複雜任務的協調工作。通過定義專門的代理角色—如規劃者、執行者、評估者或通信者—用戶可以將高層目標分解為可管理的子任務，委派給各個代理，並促進它們之間的有序通信。該框架處理異步執行、協議路由以及結果聚合，使得AI代理團隊能有效協作。其插件系統支持與熱門的大型語言模型（LLMs）、API和自定義邏輯整合，非常適用於自動客戶服務、研究、遊戲AI和資料處理流程等應用。透過清晰的抽象與擴展組件，Team Coordination加快了可擴展多代理工作流程的開發速度。

CASA設計為一個模組化即插即用的自主框架，建立在ROS生態系統之上。它采用去中心化架構，每個機器人運行本地規劃器和行為樹節點，並向共享黑板發布世界狀態更新。任務分配通過基於拍賣的算法來根據機器人能力和可用性分配任務。通信層使用標準ROS消息在多機器人網路中同步代理。開發者可以自定義任務參數、整合傳感器驅動和擴展行為庫。CASA支持場景模擬、實時監控和日誌工具。其擴展性設計使研究團隊能試驗新型協同算法，並能在多種機器平台上無縫部署，從無人地面車輛到空中無人機。

AgentChat是一個面向開發者的平臺，用於建立複雜的多智能體AI對話。它結合了基於Python的FastAPI後端和React用戶界面，允許用戶定義具有不同角色的AI代理—如資料擷取、分析和總結，這些角色協同合作完成複雜任務。利用OpenAI的GPT模型，AgentChat提供Redis記憶存儲並支持自定義工具的整合，用於API調用、網絡抓取和數據庫查詢等任務。該平台提供實時對話監控、代理性能日誌及可配置的代理流程。其模塊化架構讓開發者能夠通過新增工具或調整提示來擴展代理功能，實現定制化的自動化流程、決策過程和知識發現應用。

Agentic Seek利用OpenAI的GPT模型和定制工具包，來自動化整個網絡研究生命周期。用戶定義高層次的目標，系統生成專門的子代理來執行搜索查詢、瀏覽網站、通過抓取提取關鍵信息，並匯總結果。它支持迭代細化，允許代理根據新見解重新調整和更新結果。開發者可以通過集成自定義操作處理器和API連接器來擴展其功能。其適用於競爭情報、學術研究、市場分析和大規模數據收集，Agentic Seek減少手動瀏覽，加快決策速度，並確保多個線上資源的全面覆蓋。平台包括一個基於網頁的監控界面，用於監督代理活動和審查中間輸出。內建日誌記錄、可自定義的提示和審計跟蹤，使團隊能追蹤代理決策以確保透明度、合規性與質量保證。

Agent Supervisor Demonstrates存儲庫展示如何在協調的工作流程中編排多個自主AI代理。用Python編寫，定義一個Supervisor類，用於調度任務、監控代理狀態、處理故障及整合回應。您可以擴展基本代理類，插入不同模型API，並配置排程策略。它記錄活動以作稽核，支援平行執行，並提供模組化設計，方便定制與整合入更大型的AI系統。

AgentFarm提供一個全面的框架，用於在統一系統中協調不同的AI代理。用戶可以用Python腳本化專業的代理行為，分配角色（管理員、工作人員、分析員）並建立任務佇列進行並行處理。它與主要的LLM服務（OpenAI、Azure OpenAI）無縫集成，支持動態提示路由和模型選擇。內置儀表板追蹤代理狀態、記錄互動並可視化工作流程性能。通過模組化插件擴展API功能，開發者可以擴充功能、自動化錯誤處理及監控資源利用。適合部署多階段流程，AgentFarm提升了AI驅動自動化的可靠性、擴展性和維護性。

crewAI Playground 是一個用於構建和實驗人工智慧驅動代理的工具包和沙箱環境。您可以透過配置文件或程式碼定義代理，指明提示內容、工具和記憶模組。這個平台能同時運行多個代理，處理訊息路由，並記錄對話歷史。它支援外部數據源插件整合、可自定義的記憶後端（記憶中或持久存儲），以及用於測試的網頁界面。使用它可以在正式部署前原型設計聊天機器人、虛擬助手和自動化工作流程。

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。