MONAI，即醫學開放網絡AI，是一個為醫療影像設計的開源框架，專為深度學習而設。它為醫療專業人員提供穩健的工具和庫，使他們能夠快速有效地開發、訓練和部署AI驅動的解決方案。其模組化架構確保用戶可以定制自己的工作流程，同時利用現有的組件，從而導致更高效的研究和臨床合作。通過MONAI，開發者可以處理多樣的醫療數據集，促進醫學影像技術的進步。

這個開源框架結合了AgentSimJs的智能體建模庫與Three.js的3D圖形引擎，提供交互式的瀏覽器多智能體模擬。用戶可以定義智能體類型、行為和環境規則，配置碰撞檢測和事件處理，並以可定制的渲染選項實時視覺化模擬。該庫支持動態控制、場景管理和性能調優，非常適合用於研究、教育和複雜智能體場景的原型設計。

MultiAgentPacman提供一個基於Python的遊戲環境，使用戶能夠在Pacman領域中實現、可視化和基準多個AI代理。它支持對抗搜索算法，如Minimax、Expectimax、α-β剪枝，以及用於強化學習或啟發式的方法的自定義代理。該框架包含簡潔的GUI、命令行控制和用於記錄比賽統計及比較性能的工具，支持競爭或合作場景。

RoboCup Rescue Agent Simulation是一個開源框架，模擬多個AI驅動的代理在城市災害環境中合作，尋找並拯救受害者。它提供導航、地圖、通信及感測器整合介面。用戶可撰寫自訂的代理策略、執行批次實驗及視覺化代理表現指標。平台支持場景配置、日誌記錄與結果分析，加速多代理系統及災難反應算法的研究。

Base OnChain Agent 是一個設計用於在以太坊類區塊鏈上部署自主AI代理的開源框架。它通過Web3連接到區塊鏈節點，並使用OpenAI GPT模型來解讀鏈上事件，例如代幣轉移或協議專有日誌。代理可以處理自然語言提示或預設策略，決定何時執行交易、調用智能合約或回應治理提案。開發者可擴展模組，用於自訂事件監聽器、整合鏈下數據源，並安全管理私鑰。此方案支持自動化DeFi操作，如流動性提供、套利交易和資產配置調整，避免手動干預。

BeeAI Framework Py Starter是一個開源的Python專案，旨在快速啟動AI代理的建立。它包括核心模組用於代理協調、一個擴展功能的插件系統，以及連接流行LLM API的適配器。開發者可以定義任務、管理對話記憶並透過簡單的配置檔整合外部工具。該框架強調模組化和易用性，支持對話式聊天機器人、自動化助手和資料處理代理的快速原型設計，無需樣板程式碼。

Cerebellum提供一個模組化平台，開發者可以使用聲明式計劃定義代理，這些計劃由一連串的步驟或工具調用組成。每個計劃都可以通過統一介面調用內建或自定義的工具，例如API連接器、檢索器或資料處理器。記憶模組允許代理在會話中存取、存儲及遺忘資訊，支援上下文感知與狀態化互動。它整合了OpenAI、Hugging Face等流行的LLM，支援自訂工具註冊，並配備事件驅動的執行引擎，支持即時流程控制。透過日誌、錯誤處理及插件鉤子，Cerebellum提升生產效率，加速自動化、虛擬助手與研究應用的代理開發。

此基於RAG的智慧對話AI代理，結合支持向量存儲的檢索層與Google的Gemini LLM，通過LangChain推動富含語境的知識提取。用戶將PDF、網頁或資料庫中的文件索引到向量資料庫中。當提問時，代理會檢索最相關的段落，並輸入提示模板，生成簡潔且準確的答案。模組化元件允許自訂資料來源、向量存儲、提示工程與LLM後端。此開源框架簡化開發領域專屬問答機器人、知識探索者與研究助手，能從大量文檔中即時擷取可擴展的洞見。

Trinity-RFT（檢索微調）是一個統一的開源框架，旨在通過結合檢索和微調流程來提升模型的準確性和效率。用戶可以準備語料庫、構建檢索索引，並將檢索到的上下文直接插入訓練循環中。它支持文本、圖像和視頻的多模態檢索，與流行的向量存儲集成，並提供評估指標和部署腳本，以便快速原型設計與生產部署。

Fetch.ai的自主經濟代理（AEA）是一個多用途框架，讓開發者能設計、實現並協調自主軟件代理，這些代理能相互作用、與外部環境及數字帳本互動。利用插件架構，AEA提供預建模塊，用於通信協議、加密帳本API、去中心化身份和可自定義的決策能力。代理能在去中心化市場合內自我探索及交易，執行目標驅動行為，並通過實時數據流進行調整。該框架支持模擬工具，用於測試和排除多代理情境的錯誤，以及部署到實時區塊鏈或點對點網絡。結合內建的互操作性和代理之間的訊息傳遞，AEA能簡化能源交易、供應鏈優化和智慧物聯網協調等複雜的自主經濟應用開發。

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。

RAGENT 被設計用來創建能與各種工具及資料源互動的自主 AI 代理。底層上，它使用檢索增強生成來從本地檔案或外部資源取得相關內容，並透過 OpenAI 模型撰寫回應。開發者可以加入網頁搜尋、Selenium 瀏覽器自動化、檔案讀寫、在安全沙箱中執行程式碼，以及 OCR 圖像文字擷取的工具。該框架管理對話記憶、協調工具，並支持自訂提詞模板。有了 RAGENT，團隊可以快速原型設計智慧代理，用於文件問答、研究自動化、內容摘要及端到端工作流程自動化，全部在 Python 環境中實現。