Claude Code MCP（Memory Context Provider）是一個用Python開發的CLI工具，旨在簡化與Anthropic Claude Code模型的交互。它提供持久化的對話歷史、可重用的提示模板，以及用於生成、審核和重構代碼的工具。開發者可以調用命令進行代碼生成、自動編輯、差異比較和內聯說明，並通過插件系統擴展功能。MCP方便將Claude Code集成到開發流程中，支持更一致、上下文感知的編碼助手。

Crayon使開發者能在JavaScript/Node.js中建立能呼叫外部API、維持對話歷史、規劃多步任務和處理非同步流程的自主AI代理。其核心實現了一個規劃-執行循環，將高層目標拆解為獨立的行動，並與自訂工具包整合，利用記憶模組來儲存和回憶資訊跨會議。該框架支援多個記憶後端、插件式工具整合與完整的除錯記錄。開發者可以透過提示與YAML流程配置代理行為，這促使複雜工作流程，例如資料爬取、報告生成和互動聊天機器人變得簡便且高效。Crayon的架構支持擴展，讓團隊能整合特定領域工具並根據業務需求調整代理。

defaultmodeAGENT 是一個基於 Python 的框架，旨在簡化建立能自主執行多步工作流程的智慧代理。它具備預設模式規劃—一種用於決定何時探索或利用的自適應策略—以及與自訂工具與 API 的無縫整合。代理保持對話記憶，支持動態提示，並提供除錯記錄。基於 OpenAI 的 API，使快速原型化資料提取、研究和任務自動化輔助成為可能。

Dev-Agent 是一個開源的AI代理框架，能快速幫助開發者構建和部署自主代理。它將模塊化插件架構與易於配置的工具調用相結合，包括HTTP端點、資料庫查詢和自定義腳本。代理可以利用持久記憶層來參考過去的互動，並協調多步推理流程以完成複雜任務。支持內建的OpenAI GPT模型，用戶通過簡單的JSON或YAML規格定義代理行為。CLI工具管理身份驗證、會話狀態和日誌記錄。無論是建立客服機器人、資料擷取助手，還是自動化CI/CD助手，Dev-Agent都能降低開發負擔並通過社群驅動的插件實現無縫擴展，為多樣化的AI驅動應用提供彈性與擴展性。

動態多智能體RAG路徑提供模塊化架構，每個智能體處理特定任務，如文件檢索、向量搜索、上下文摘要或生成，而中心協調器則動態路由輸入和輸出。開發者可以定義自定義智能體，通過簡單的配置文件組裝管道，並利用內建的日誌記錄、監控與插件支持。此框架加快複雜RAG解決方案的開發，實現自適應任務分解與並行處理，以提升吞吐量和準確率。

Fabrice AI讓開發者能在Node.js與瀏覽器環境中建立利用大型語言模型（LLMs）的高階AI代理系統。內建記憶模組用於保存對話歷史、工具整合以擴展代理能力並支持自訂API，以及插件系統促進社群擴充。配合類型安全的提示模板、多代理協調和可配置的運行時行為，簡化聊天機器人、任務自動化與虛擬助理的建立。跨平台設計確保無縫部署於網頁應用、無伺服器功能或桌面程式，加速智能且具上下文感知的AI服務開發。

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。

ggfai提供統一介面來定義目標、管理多步推理，並利用記憶模組維護對話內容。它支援可自訂的工具集成以呼叫外部服務或API，非同步執行流程，以及OpenAI GPT模型抽象。框架的插件架構讓你能更換記憶後端、知識庫和行動範本，簡化在客戶支援、資料檢索或個人助理等任務中的代理協調。

GPA-LM 是一個以 Python 為基礎的框架，旨在簡化由大型語言模型驅動的人工智慧代理的建立與協調。它具有一個規劃器，能將高層指令拆解為子任務，一個執行器，管理工具調用和互動，以及一個能在會話之間保留上下文的記憶模塊。插件架構允許開發者新增自訂工具、API 及決策邏輯。支援多代理協同的 GPA-LM，可以協調角色、分配任務並匯整結果。它無縫整合 OpenAI GPT 等流行 LLM，並支援在不同環境中部署。該框架加速自主代理的研發，用於研究、自動化與應用原型設計。

CamelAGI是一個簡化創建自主AI代理的開源框架。它具有插件架構用於自定義工具，長期記憶集成以保持上下文，以及支持GPT-4和Llama 2等多種大型語言模型。通過明確的計劃與執行模塊，代理可以拆解任務、調用外部API並隨時間調整。CamelAGI的擴展性和社群驅動的設計使其適合研究原型、生產系統和教育項目。

JARVIS-1提供模組化架構，結合了自然語言介面、記憶模塊以及插件驅動的任務執行器。基於GPT-index，能持久保存對話、檢索上下文，並隨用戶互動持續進化。用戶通過簡單提示定義任務，JARVIS-1則協調任務排程、代碼執行、文件操作和網頁瀏覽。它的插件系統支持自訂整合資料庫、電子郵件、PDF和雲端服務。可在Linux、macOS和Windows上的Docker或CLI中部署，JARVIS-1確保離線運行與完整數據控制，特別適合開發者、DevOps團隊與高階用戶追求安全且擴展性強的自動化工具。

kilobees是一個用Python構建的綜合多代理協調平台，簡化複雜AI工作流程的開發。開發者可以定義具有專業角色的個別代理，比如資料擷取、自然語言處理、API整合或決策邏輯。kilobees自動管理代理間的訊息傳遞、任務隊列、錯誤恢復和跨執行緒或分散式節點的負載平衡。其插件架構支持自定義提示範本、性能監控儀表板，並能集成外部服務如資料庫、Web API或雲端功能。通過抽象多代理協調的常見挑戰，kilobees加速了複雜AI系統的原型設計、測試與部署，這些系統需進行協作、並行執行與模塊擴展。

LangGraph-GUI後端是一個開源的FastAPI服務，為LangGraph圖形界面提供動力。它處理圖節點和邊的CRUD操作，管理針對各種語言模型的工作流程執行，並返回實時推理結果。後端支持身份驗證、日誌記錄與擴展功能，允許用戶通過視覺編程範式原型設計、測試和部署複雜的自然語言處理工作流程，同時完全掌控執行管道。

LangGraph-MAS4SE 設計為一個合作性生態系統，由專門於軟體工程各階段的智能代理組成。在核心，由圖形消息總線協調工作流程，讓代理在任務資料節點間發布與訂閱。例如，程式碼合成代理產生初步草稿，然後傳遞給靜態分析代理進行品質檢查。文件代理根據分析的模組產生用戶指南，而測試代理自動生成單元測試。系統支持插件介面，以開發自訂代理，讓團隊整合特定領域的邏輯。透過抽象複雜的依賴管理與利用 LLM 驅動的推理，LangGraph-MAS4SE 加快開發週期、降低手動負擔，並確保大型專案的程式碼品質一致。

實際操作中，LlamaSim允許您使用Llama模型定義多個AI驅動的代理，設置交互場景，運行受控模擬。您可以使用簡單的Python API來自定義代理的個性、決策邏輯和通信渠道。該框架自動處理提示構建、回應解析和對話狀態追蹤。它記錄所有交互，並提供內建的評估指標，如回應一致性、任務完成率和延遲。通過插件架構，您可以整合外部資料來源、添加自定義評估函數或擴展代理能力。LlamaSim輕量化的核心適用於本地開發、持續集成管道或雲端部署，促進可複製的研究與原型驗證。

llm-tournament提供一個模塊化、可擴展的方法，用於大型語言模型的基準測試。用戶定義參賽者（LLMs），配置錦標賽分支，指定提示和評分邏輯，並運行自動回合。結果匯總到排行榜和可視化圖表，幫助基於數據做出與LLM相關的選擇和微調決策。該框架支持自訂任務定義、評估指標，以及在雲端或本地環境中進行批次執行。

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。

Magi MDA是一個以開發者為中心的AI代理框架，簡化自主代理的建立與部署。它提供核心組件——規劃者、執行者、解釋器和記憶體——可以組裝成自定義流程。用戶可連接流行的LLM提供者進行文字生成、加入檢索模組以增強知識，並整合任意工具或API以完成專門任務。該框架自動處理逐步推理、工具路由和上下文管理，讓團隊專注於領域邏輯，而非協調程序。

Matcha Agent提供一個彈性的基礎，用於在Python中建立自主代理。開發者可以配置具有自訂工具集（API、腳本、資料庫）的代理，管理對話記憶，並在不同的LLM（OpenAI、本地模型等）間協調多步驟工作流程。其插件架構便於拓展、除錯和監控代理行為。無論是自動化研究任務、資料分析還是客服支援，Matcha Agent都能簡化端對端代理的開發與部署。

Melissa提供一個輕量、可擴展的架構，用於構建基於AI的代理，而不需要大量樣板程式碼。其核心基於插件系統，開發者可以註冊自訂動作、資料連結器和記憶模組。記憶子系統能在交互中保存上下文，增強對話連續性。整合適配器允許代理從API、資料庫或本地檔案中獲取並處理資訊。結合簡單的API、命令列工具和標準化介面，Melissa簡化自動化客戶查詢、生成動態報告或調度多步驟流程等任務。此框架支援語言無關的整合，適用於Python專案，並可部署在Linux、macOS或Docker環境中。