LLM to MCP整合引擎是一個開源框架，用於將大型語言模型（LLMs）整合到各種訊息通信平台（MCPs）中。它提供OpenAI和Anthropic等LLM API的適配器，以及Slack、Discord和Telegram等聊天平台的連接器。該引擎管理會話狀態、豐富上下文並雙向路由訊息。其插件化架構使開發者能擴展支持新供應商並自定義業務邏輯，加速AI代理在生產環境中的部署。

NavGround Learning提供一套完整工具，用於開發與測試導航任務中的增強學習代理。支援多代理模擬、碰撞建模，以及可定制的感測器與執行器。使用者可選擇預設策略模板或實現自訂架構，並使用最先進的RL演算法進行訓練，還能視覺化性能指標。與OpenAI Gym和Stable Baselines3的整合，讓實驗管理更為便利，內建記錄與視覺化工具則助於深入分析代理行為與訓練動態。

Doraemon-Agent是一個開源的Python平台和框架，幫助開發者構建精密的AI代理器。它允許整合自訂插件和外部工具，維持跨會話的長期記憶，並執行多步連鎖思考規劃。開發者可以配置代理角色、管理上下文、紀錄互動，並通過插件架構擴展功能。它能簡化自主助理的創建，適用於資料分析、研究支援或客戶服務自動化等任務。

Lila提供一個完整的AI代理框架，適用於多步推理和自主任務執行。開發者可以定義自訂工具（API、資料庫、Webhook），並在運行時動態調用。它提供記憶模組來存儲對話歷史和事實，規劃組件來排程子任務，以及思考鏈提示以透明決策路徑。其插件系統允許無縫擴展新功能，內建監控追蹤代理行動與輸出。模組化設計使其易於整合至現有Python專案或作為雲端服務部署，支持實時代理工作流程。

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。

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。

HackerGCLASS Agent API是一個開源的Python框架，暴露RESTful端點來運行AI代理。開發人員可以定義自定義工具整合、配置提示模板，並在各會話中維護代理狀態和記憶體。該框架支持多代理並行調度、處理複雜對話流程，並整合外部服務。它通過Uvicorn或其他ASGI服務器簡化部署，並通過插件模組提供擴展性，快速為各種用途創建領域專屬的AI代理。

Chipper 是一個完全開源的 React 元件庫，旨在簡化由大型語言模型（LLM）支援的對話界面建構。它提供即時串流的 AI 回應、內建的上下文與歷史管理、多代理支持單一聊天、檔案附件與主題自定義。開發者可以透過簡單的屬性整合任何 LLM 後端，並擴展插件或用 CSS-in-JS 進行風格設定，以實現無縫品牌與響應式佈局。

Fetch.ai 是一個開源平台與軟體開發套件，旨在建立代表數字孿生的自主代理，搭建在去中心化網路上。它提供 Python 和 Rust SDK，並配備開放經濟框架（OEF）用於點對點發現，以及與分類帳的無縫整合以實現安全交易。開發者可以定義自訂的代理技能——如市場券差、資料提供或任務出價——並部署於測試網或主網。Fetch.ai 的代理能自主通訊、協商並執行智慧合約，支持供應鏈、物聯網生態系統、出行服務、能源網格等多代理協調。