GoLC 為開發者提供一個完整的工具包，用於在 Go 中構建語言模型鏈和代理。其核心包括鏈管理、可定制的提示模板，以及與主要 LLM 提供商的無縫整合。藉由文檔加載器和向量存儲，GoLC 能實現嵌入式檢索，支持 RAG 工作流程。該框架支持有狀態的記憶模組以便於對話環境，還有輕量的代理架構可協調多步推理及工具調用。其模組化設計允許集成自定義工具、資料來源及輸出處理器。以 Go 原生性能和最低依賴，GoLC 簡化 AI 管道開發，非常適合構建聊天機器人、知識助理、自動化推理代理以及生產級後端 AI 服務。

Isek是一個針對開發人員的AI代理建構平台，採用模組化架構。提供工具和資料來源的插件系統、內建記憶以保留上下文、及協調多步任務的規劃引擎。你可以在本地或雲端部署代理，整合任何LLM後端，並透過社群或自訂模組擴展功能。Isek透過範本、SDK和CLI工具，簡化聊天機器人、虛擬助手及自動化工作流程的快速開發。

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。

MASChat提供一個彈性的架構，用於協調由語言模型驅動的多個AI代理之間的對話。開發者可以定義具有特定角色的代理，例如研究員、摘要者或評論員，並指定他們的提示詞、許可權和通訊協議。MASChat的中心管理器負責訊息路由、維持上下文與記錄互動，以確保追蹤性。透過協調專門化代理，MASChat將像研究、內容創作或資料分析等複雜任務分解成平行工作流程，提高效率與洞察力。它整合OpenAI的GPT API或本地大型語言模型，並支援插件擴展客製化行為。MASChat非常適合用於多代理策略的原型設計、模擬合作環境，以及探索AI系統中的新興行為。

mcp-agent-graph為AI代理提供一個基於圖的調度層，使開發者可以將複雜的多步工作流程映射為有向圖。每個圖節點對應一個代理任務或函數，捕捉輸入、輸出和依賴。邊定義代理之間的數據流，確保正確的執行順序。引擎支持順序和並行執行模式，能自動解決依賴，並可與自定義Python函數或外部服務整合。內建的視覺化功能允許用戶檢查圖拓撲並進行調試。該框架簡化模組化、可擴展的多代理系統開發，用於數據處理、自然語言工作流程或結合多個AI模型的管道。

OpenMAS旨在促進去中心化AI代理和多智能體協調策略的開發與評估。其具有模組化架構，允許用戶定義自訂的代理行為、動態環境模型和代理間訊息傳遞協議。框架支援基於物理的模擬、事件驅動的執行，以及AI演算法的插件整合。用戶可通過YAML或Python配置場景、視覺化代理互動，並利用內建分析工具收集性能指標。OpenMAS簡化了在群智能、合作機器人和分散式決策等研究領域的原型設計。

RepoAgent 是一個能將任何程式碼倉庫轉變為互動知識庫的人工智慧框架。它將原始碼檔案、函式、類別與文件索引至向量儲存區，實現快速搜尋與情境回應。開發者可問及有關程式碼功能、架構或相依性之自然語言問題。它支援自動摘要、文件生成與測試案例製作，並結合大型語言模型來達成。RepoAgent 也會分析問題、Pull Request 及提交歷史，提供程式碼品質和潛在錯誤的洞見。其模組化設計允許自訂檢索流程、模型選擇與輸出格式。透過整合至 CI/CD 流程或 IDE，使開發更有效率，降低學習曲線，提升團隊生產力。

簡易自學為開發者提供一個非常簡單的方法來用Python建立和訓練強化學習代理。該框架將核心RL組件（如環境封裝、策略模組和經驗緩衝）封裝為簡潔接口。用戶能快速初始化環境，使用熟悉的PyTorch或TensorFlow後端定義自訂策略，並執行內建有日誌記錄和檢查點的訓練循環。該庫支持on-policy和off-policy演算法，可靈活進行Q學習、策略梯度和演員-評論家方法的試驗。降低樣板碼重複度，使實務者、教師和研究人員能以最少配置快速原型化演算法、測試假設並視覺化代理性能。其模組化設計也便於與現有ML堆疊和自訂環境整合。

ToolAgents是一個模組化的開源AI代理框架，將大型語言模型與外部工具整合，實現複雜的工作流程自動化。開發者通過集中式註冊表註冊工具，定義像API呼叫、資料庫查詢、程式碼執行與文件分析等任務端點。代理可以規劃多步操作，依據LLM輸出動態調用或鏈接工具。該框架支援串列與平行任務執行、錯誤處理，以及可擴展的插件擴充，並藉由Python API簡化智能代理的建構、測試與部署，促進資料擷取、內容生成、腳本執行與文件處理，加速原型開發與擴展自動化範圍。

Venus是一個開源的Python庫，讓開發者能輕鬆設計、配置並運行智慧型AI代理。它提供內建的對話管理、持久記憶存儲選項，以及彈性的插件系統用於整合外部工具與API。用戶可以定義自訂工作流程、串連多個LLM調用，並加入函數調用介面，以執行資料檢索、網頁擷取或資料庫查詢等任務。Venus支援同步與非同步執行、日誌記錄、錯誤處理與代理活動監控。透過抽象低層API互動，Venus能快速產生初步模型並部署聊天機器人、虛擬助手與自動化流程，同時保持對代理行為與資源使用的完全控制。

Advanced_RAG 提供一個模組化的管道，用於檢索增強生成任務，包括文件載入器、向量索引構建器和鏈管理器。用戶可以配置不同的向量資料庫（FAISS、Pinecone）、自訂檢索策略（相似度搜尋、混合搜尋），並插入任何 LLM 以產生具上下文的回應。它還支援評估指標與日誌記錄，用於性能調整，並設計為具有擴展性與可擴充性，適合生產環境使用。

Agentin 是一個開源的 Python 函式庫，旨在協助開發者建立能進行規劃、行動與學習的智慧代理。它提供管理對話記憶、整合外部工具或 API，以及協調多個代理人在平行或層級工作流程中的抽象層。藉由可配置的規劃模組與客製化工具封裝，Agentin 可迅速原型化自主資料處理、客服機器人或研究助理等代理。此框架亦提供擴展性強的日誌記錄與監控接口，便於追蹤代理決策與排查複雜的多步互動問題。

Agentic AI Workflow是一個可擴展的Python函式庫，設計用來協調多個AI代理以進行複雜的任務自動化。它包括一個規劃代理，用來將目標拆解為可行的步驟；執行代理，用來透過連接的LLMs執行這些步驟；以及一個反思代理，用來檢視結果並完善策略。開發者可以自訂提示模板、記憶模組和連接器整合，以支援任何主流語言模型。該框架提供可重用的組件、記錄功能及性能指標，方便建立自主研究助理、內容管線與資料處理流程。

AgentX提供一個可擴展的架構，用於構建利用大型語言模型、工具和API集成以及記憶模塊的AI驅動代理，能夠自主執行複雜任務。它具有插件系統，支持自定義工具、基於向量的檢索、思維鏈推理和詳細執行日誌。用戶可通過靈活的配置文件或代碼來定義代理，指定工具、記憶後端如Chroma DB以及推理管道。AgentX管理多會話中的上下文，支持檢索增強生成，並促進多輪對話。其模塊化組件允許開發者協調工作流程、定制代理行為，並與外部服務集成，用於自動化、研究協助、客戶支持和數據分析。

Agno AI Agent旨在幫助開發者快速構建由大型語言模型支援的自主代理。它提供模組化的工具管理庫、記憶管理、規劃與執行循環，以及與外部API（如網頁搜索、檔案系統和資料庫）的無縫集成。用戶可定義自訂工具介面、配置代理個性化設置，並協調複雜的多步工作流程。代理可以規劃任務、動態調用工具，並從過往交互中學習以提升性能。

autogen4j 是一個輕量級的 Java 函式庫，旨在抽象建立自主 AI 代理的複雜性。它提供核心模組用於規劃、記憶體存儲與行動執行，使代理能將高層次的目標拆解成連續的子任務。該框架與 LLM 提供者（如 OpenAI、Anthropic）整合，並允許註冊自訂工具（HTTP 客戶端、資料庫連接器、檔案輸入輸出）。開發者透過流暢的 DSL 或註解來定義代理，快速組裝資料豐富、自動化報告與對話機器人的流程。一個可擴展的插件系統確保靈活性，實現多樣應用的微調行為。

Cara 是一個專為保險部門打造的 AI 系統，提供模組化的架構，使領先的保險公司和經紀人賦能。它幫助加速銷售，同時自動化各種服務，有效地作為一個 24/7 可用的數位勞動力。這使得代理商能夠精簡操作、改善客戶服務，最終在競爭激烈的市場中推動增長。

CArtAgO（Common ARTifact Infrastructure for AGents Open environments）是一個輕量、可擴展的框架，用於在多智能體系統中實作環境基礎架構。它引入工件的概念：代表具有定義操作、可觀察屬性和事件界面的環境資源的一等公民實體。開發者在Java中定義工件類型，將它們註冊到環境類別中，並公開操作與事件供代理使用。代理透過標準動作（如createArtifact、observe）與工件互動，接收非同步的狀態變更通知，並通過共享資源協作。CArtAgO能輕鬆與Jason、JaCaMo、JADE和Spring Agent等平台整合，支援混合系統開發。該框架提供內建的工件文件、動態載入和運行時監控支援，加快複雜代理應用的快速原型設計。

Fast-LLM-Agent-MCP 是一個輕量級的開源 Python 框架，用於構建結合記憶管理、鏈式推理和多步規劃的 AI 代理。開發者可以與 OpenAI、Azure OpenAI、本地 Llama 及其他模型整合，以保持對話上下文、產生結構化推理跡徑，並將複雜任務拆解為可執行的子任務。其模組化設計允許整合自定義工具及記憶庫，適用於虛擬助理、決策支援系統及自動化客戶支持機器人等應用。

Deep Study AI Agent 利用 OpenAI 的 GPT 模型處理用戶提供的文本或文件，提取重點概念並生成學習輔助工具。用戶上傳講義筆記、PDF或純文本檔案，代理會產生簡潔的摘要、一組閃卡、多選測驗及有針對性的練習題。也提供可配置的難度設定與情境提示。模組化設計允許擴展至新內容類型和提示範本，具備彈性以適應各類學術科目及自主學習流程。