FastAPI Agents為基於LLM的代理開發提供了一個強大的服務層，利用FastAPI網絡框架。它允許您使用LangChain鏈、工具和記憶系統定義代理行為。每個代理都可作為標準的REST端點暴露，支持非同步請求、流媒體回應和可自定義的載荷。與向量存儲的整合實現了基於檢索的擴增生成，適用於知識驅動的應用。框架內置日誌記錄、監控鉤子和Docker支援，方便容器化部署。您可以輕鬆擴展代理，加入新工具、中間件和身份驗證。FastAPI Agents提升AI解決方案的生產就緒，加強安全性、擴展性和維護性，適用於企業和研究環境。

AI-Agents提供一個模組化工具包，能創建具有任務規劃、執行和自我監控能力的自主AI代理。它內建支持工具集成，例如網頁搜索、數據處理和自定義API，並具有記憶組件，可在交互過程中保留和回憶上下文。借助靈活的插件系統，代理可以動態載入新功能，而異步執行確保高效的多步工作流程。該框架利用LangChain實現高級連鎖思考推理，並簡化在macOS、Windows或Linux上的Python環境部署。

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。

Agent Adapters 設計旨在為開發者提供一個一致的介面，用來連接 AI 代理與外部服務和框架。透過其可插拔的適配器架構，它提供預建的適配器，用於 HTTP API、Slack 和 Teams 等訊息平台，以及自訂工具端點。每個適配器負責請求解析、回應映射、錯誤處理，以及可選的日誌和監控鉤子。開發者亦可實作介面來註冊自訂適配器，並在代理設定中配置適配器參數。這種精簡的方法可以降低樣板程式碼，確保流程執行的一致性，並加快在多個環境中部署代理的速度，而無需重寫整合邏輯。

Agentle為開發者提供一個結構化的框架，以最少的樣板碼建立定制的AI代理。它支持將代理工作流程定義為任務序列、與外部API及工具的無縫整合、保存上下文的對話記憶管理，以及內建的日誌記錄以確保可追蹤性。該庫還提供插件掛鉤以擴展功能、多代理協調以處理複雜管道，以及統一界面在本地運行或通過HTTP API部署。

AgentMesh 為開發者提供一個模組化基礎設施，建立包含多個專注於特定任務或範疇的 AI 代理網絡。代理可以在運行時動態發現與註冊，異步交換訊息，並遵循可配置的路由規則。該框架處理重試、備援及錯誤恢復，支援用於資料處理、決策支援或對話式應用的多代理流程。它可輕鬆與現有的 LLM 及客製模型整合，透過簡單的插件介面。

AgentUniverse提供一個統一的Python SDK，用於設計、協調及運行自主AI代理。開發者可以定義代理行為，整合外部工具或API，維護對話記憶，以及排定多步任務。支援LangChain、自訂工具插件及可配置的運行環境，加快代理的開發與部署。內建監控與日誌記錄，提供即時洞察，其模組化架構也便於擴充新功能或AI模型。

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。

e2e-chainlit-chatbot是一個示例項目，展示了使用Chainlit的完整對話式AI開發週期。該存儲庫包括端到端的代碼，用於啟動本地Web服務器，托管具有交互性的聊天界面，集成大型語言模型以產生回應，並管理消息之間的對話上下文。它具有可定制的提示模板、多代理工作流程和實時流式回應。開發者可以配置API金鑰、調整模型參數，並用自定義邏輯或集成來擴展系統。由於依賴少且文檔清晰，該項目加快了AI驅動聊天機器人的實驗，並為生產級的對話助手提供堅實的基礎。還包括自定義前端組件、日誌記錄和錯誤處理的範例。設計為能與雲平台無縫集成，支援原型和正式應用場景。

LangChain Google Gemini 代理是一個用於簡化由Google Gemini語言模型提供支持的自主AI代理建立的Python函式庫。它結合 LangChain 的模組化設計—允許提示鏈、記憶管理和工具整合—與 Gemini 先進的自然語言理解能力。用戶可以定義自訂工具，進行API呼叫、資料庫查詢、網路爬蟲及文件摘要，並由代理解讀用戶輸入，選擇適當的工具操作，產生連貫的回應。這樣的代理能進行多步推理、即時資料存取和語境對話，非常適合建立聊天機器人、研究助手和自動化工作流程，也支援與流行向量資料庫及雲端服務整合，提供擴展性。

LiteSwarm 是一個完整的 AI 代理人協調框架，旨在促進多專精代理人之間的協作。用戶定義各個代理人的角色，如資料抓取、分析、摘要或外部 API 呼叫，並在視覺化工作流程中連結它們。LiteSwarm 處理代理人間的通訊、持久記憶存取、錯誤恢復及記錄。它支援 API 集成、客製化程式碼擴展與即時監控，使團隊能快速原型、測試並部署複雜的多代理解決方案，減少工程負擔。

LLM-Agent是個輕量級且可擴充的框架，用於建構由大型語言模型驅動的AI代理。它提供對於會話記憶、動態提示範本及無縫整合自訂工具或API的抽象層。開發者能編排多步推理流程、跨多次互動保持狀態，並自動化複雜任務，例如資料擷取、報告生成與決策支援。結合記憶管理、工具利用與規劃，讓在Python中開發智能、任務導向的代理更加高效。

MARL-DPP是一個開源框架，使用確定性點過程（DPP）強制多智能體強化學習（MARL）中的多樣性。傳統的MARL方法經常陷入策略收斂到類似行為的問題，MARL-DPP透過引入基於DPP的措施來鼓勵代理保持多元的行動分佈。該工具套件提供模組化的程式碼來將DPP嵌入訓練目標、樣本策略和探索管理中，包括與OpenAI Gym和多智能體粒子環境（MPE）的即插即用整合，以及用於超參數管理、日誌記錄和多樣性指標視覺化的工具。研究人員可以評估多樣性約束在合作任務、資源分配與競爭遊戲中的影響。其擴展性設計支持客製化環境與高階演算法，促進新型MARL-DPP變體的探索。

Meta-Agent-with-More-Agents 是一個擴展性開源框架，實現了元代理架構，使多個專門的子代理可以合作完成複雜任務。它利用LangChain進行代理調度，並使用OpenAI API進行自然語言處理。開發者可以定義自訂的代理，用於數據擷取、情感分析、決策或內容生成。元代理負責任務分解、將目標派發給相應的代理、收集它們的輸出，並通過反饋循環不斷完善結果。其模組化設計支持平行處理、日誌記錄和錯誤處理。非常適合自動化多步工作流程、研究管道和動態決策支持系統，並簡化建立穩健的分散式AI系統，抽象化代理間通信與生命週期管理。

MIU CS589 AI Agent API提供一個標準化界面，用於建立客制化AI代理。開發者可以定義代理行為、整合外部工具或服務，並透過HTTP端點管理串流或批次回應。框架內建身份驗證、請求路由、錯誤處理與日誌記錄。可擴充性高——用戶可以註冊新工具、調整代理記憶和配置大型語言模型（LLM）參數。適用於實驗、演示及生產原型，極大簡化多工具協調流程，加快AI代理開發，不受限制於單一平台。

MultiAgentes採用模組化架構來定義環境和智能體，支持同步和異步的多智能體互動。它包含環境和智能體的基礎類別，預定義的合作和競爭任務方案，用於自定義獎勵函數的工具，以及通信和觀察分享的API。可視化工具允許實時監控智能體行為，同時記錄模組記錄性能指標供分析。該框架能與Gym兼容的強化學習庫無縫集成，讓使用者可以用現有演算法訓練智能體。MultiAgentes設計為可擴展性，允許開發者添加新的環境模板、智能體類型和通信協議，以適應多樣的研究與教育應用。

Notte是一個以開發者為中心的Python框架，旨在協調由大型語言模型驅動的AI代理。它提供內建的記憶模組來存儲和檢索對話上下文，靈活的外部API或自定義函數工具整合，以及排序任務的規劃引擎。有了Notte，你可以快速開發對話助手、數據分析機器人或自動化工作流程，同時享有開源的擴展性和跨平台支持。

rag-services是一個可擴展的平台，將RAG流程拆分成不同的微服務。它提供文件存儲服務、向量索引服務、嵌入服務、多個LLM推理服務，以及協調工作流程的編排器。每個模組都提供REST API，允許你組合資料庫和模型供應商。支持Docker和Docker Compose，可以在本地或Kubernetes叢集部署。此框架支持為聊天機器人、知識庫和自動文件問答提供擴展性和容錯性強的解決方案。

SonAgent是一個可擴展的開源框架，主要用於在Python中構建、組織和運行AI代理。它提供核心模塊，用於記憶存儲、工具包裝器、規劃邏輯和異步事件處理。開發者可註冊自定義工具、整合語言模型、管理長期代理記憶，並協調多個代理以合作完成複雜任務。SonAgent的模組化設計促進對話機器人、工作流程自動化和分散式代理系統的開發。

EspressoAI為開發者提供一個結構化環境，用於設計、配置和部署由大型語言模型驅動的AI代理。它支持在代理工作流程中註冊和調用工具，通過內建的記憶模塊管理對話上下文，並允許鏈接提示進行多步推理。開發者可以整合外部API、自訂插件和條件邏輯，以定制代理行為。該框架的模組化設計確保擴展性，讓團隊能替換組件、加入新能力，或適配專有的LLM而不需重寫核心邏輯。