Exo provides everything needed to create, deploy, and scale autonomous AI agents. Start from prebuilt agent templates or create custom workflows using a drag-and-drop interface or YAML definitions. Integrate any REST API, database, or third-party service to extend agent capabilities. Agents maintain context via built-in persistent memory and vector stores. A cloud-hosted execution environment, CLI/SDK tools, and dashboard let you monitor performance, inspect logs, and manage versions.

Flocking Multi-Agent提供模組化的庫，用於模擬展示群體智慧的自主智能體。它編碼核心操控行為——凝聚、分離與對齊——以及避障和動態目標追蹤。利用Python和Pygame進行視覺化，該框架允許調整如鄰居半徑、最大速度和轉向力等參數。它支持通過自定義行為函數和機器人或遊戲引擎的集成掛鉤來擴展。適用於AI、機器人學、遊戲開發和學術研究的實驗，展示簡單的本地規則如何產生複雜的全局行為。

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。

GenWorlds是一個旨在促進多代理系統創建的AI開發框架。它利用基於事件的通信框架通過websocket，允許開發者設置互動環境，自主代理可以非同步地相互互動及其周圍環境。這些代理協作、規劃行動並共同執行複雜任務，讓GenWorlds成為創建可擴展且靈活的AI生態系統的強大平台。

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。

GPT-agents is a developer-focused toolkit that streamlines the creation and orchestration of autonomous AI agents using GPT. It offers built-in Agent classes, a modular tool integration system, and persistent memory management to support ongoing context. The framework handles conversational planning loops and multi-agent collaboration, allowing you to assign objectives, schedule sub-tasks, and chain agents on complex workflows. It supports customizable tools, model selection, and error handling to deliver robust, scalable automation for various domains.

HexaBot旨在簡化智慧自主代理的開發與部署。它提供模組化的工作流程管道，將複雜任務拆分為可管理的步驟，以及持久記憶存儲，用於跨會話保留上下文。開發者可以通過插件生態系統將代理連接到外部API、資料庫和第三方服務。即時監控與日誌，確保對代理行為的透明度，Python和JavaScript SDK促進快速集成到現有應用。HexaBot的擴展架構支持高併發，並支援版本化部署，以確保可靠的生產使用。

Kaizen 是一個先進的 AI 代理框架，旨在簡化自主 LLM 驅動代理的建立和管理。它提供模組化架構，可定義多步驟工作流程，通過 API 整合外部工具，並在記憶體緩衝區中存儲上下文，以維持有狀態的對話。Kaizen 的流水線建立器能在單一調度中鏈結提示、執行程式碼和查詢資料庫。內建日誌和監控面板提供實時代理績效與資源使用的洞察。開發者可在雲端或本地部署代理，支援自動擴展。Kaizen 抽象化 LLM 互動和運營問題，使團隊能快速原型設計、測試和擴展 AI 自動化，應用於客服、研究與 DevOps 等領域。

LangChain是一個以開發人員為中心的框架，旨在簡化智能AI代理和應用的創建。它提供對LLM調用鏈、帶工具集成的代理行為、記憶體管理以保持上下文以及可定制的提示模板的抽象。通過內置對文檔載入器、向量存儲和多種模型提供者的支持，LangChain讓您可以構建檢索增強生成管道、自主代理和交互式助理，這些可以在統一的工作流程中與API、數據庫和外部系統進行交互。

Klyr 是一個無代碼平台，用於構建自主 AI 代理。這些代理可以執行如網絡搜索、內容創建和複雜工作流程執行等行動。它們全天候運作，從互動中學習並適應，以提供持續發展的支持。Klyr 的代理具備同步記憶以提高互動效果，並且可以部署在 Telegram、Discord、WhatsApp 和 Slack 等多個通信平台上。該平台的 AI 確保了個性化的互動、智能的回應和穩健的社區管理。

Cloudflare Agents 是建立在 Cloudflare Workers 之上的 AI 代理平台，為開發者提供設計自主代理的友善環境。它與主要語言模型（如 OpenAI、Anthropic）整合，提供可配置的提示、路由邏輯、記憶體儲存及數據連接器，如 Workers KV、R2 和 D1。代理執行資料豐富、內容審核、對話界面和流程自動化等任務，並在多個邊緣位置間執行管道。內建版本控制、記錄和性能指標，提供可靠、低延遲的回應，並確保資料安全與無縫擴展。

LangGraph Agent將LLMs與圖結構記憶相結合，以建立能記憶事實、推理關係並在需要時調用外部函數或工具的自主代理。開發者定義記憶架構為圖節點與邊，插入自訂工具或API，並通過可配置的規劃者與執行器協調代理工作流程。此方法提升語境保持、促進知識驅動的決策，並支持在多元應用中進行動態工具調用。

LangGraph-Swift 提供一個基於圖形的 DSL，用於通過串接代表行動的節點（如 LLM 查詢、檢索操作、工具調用和記憶管理）來建立 AI 工作流程。每個節點皆為型別安全，並可連接來定義執行順序。該框架支援適配器連接流行的 LLM 服務如 OpenAI、Azure 和 Anthropic，也支持自訂工具整合，用於調用 API 或函式。內建的記憶模組可跨會話保留上下文，提供除錯與視覺化工具，並支援跨平台運行於 iOS、macOS 和 Linux。開發者可以擴充自訂邏輯的節點，快速原型出聊天機器人、文件處理器與自主代理人，皆可在 Swift 內使用。

LLMWare 作為一個全面的工具包，用於構建由大型語言模型驅動的 AI 代理。它允許用戶定義可重用的鏈條，通過簡單接口整合外部工具，管理上下文記憶狀態，並協調多步推理，涵蓋語言模型與下游服務。使用 LLMWare，開發者可插入不同模型後端，設定代理決策邏輯，並附加自定義工具包，用於網頁瀏覽、資料庫查詢或 API 呼叫等任務。其模組化設計支持快速原型開發自主代理、聊天機器人或研究助手，並提供內建日誌記錄、錯誤處理與部署適配器，適用於開發與生產環境。

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。

micro-agent提供了一套極簡但強大的抽象，用於創建自主的AI代理。它採用TypeScript編寫，在瀏覽器和Node.js環境中都能無縫運行，讓你能定義具有自訂提示範本、決策邏輯和擴展工具整合的代理。這些代理可以利用思考鏈推理，與外部API互動，並維持對話或任務特定的記憶。該庫還包含處理API回應、錯誤管理和會話持久化的工具。使用micro-agent，開發者可以原型設計並部署各種任務的代理，例如自動化工作流程、構建對話界面或協調數據處理管線，無需依賴較大的框架。其模塊化設計和清晰的API介面使其易於擴展和整合到現有應用中。

Multi-Agent Miners提供一個基於網格的世界環境，數個自主礦工代理在互動中導航、挖掘並收集資源。支援可配置的地圖大小、代理數量和獎勵結構，用戶可創建競爭或合作場景。該框架與流行的RL庫透過PettingZoo整合，提供標準化的API用於重置、步進和渲染功能。視覺化模式與記錄支援幫助分析行為與結果，適合用於研究、教育和算法基準測試。

多代理系統提供一套完整工具包，用於創建、控制和觀察自主代理之間的互動。開發者可以定義帶有自定義決策邏輯的代理類別，建立具有可配置資源和規則的複雜環境，以及實現資訊交流通道。此框架支援同步和非同步排程、事件驅動行為，並集成日誌記錄以測量績效指標。用戶可以擴展核心模組或整合外部AI模型來增強代理智能。視覺化工具可即時或事後呈現模擬，幫助分析新興行為並優化系統參數。從學術研究到原型分散式應用，多代理系統簡化了端到端的多代理模擬流程。

多代理AI框架提供端到端解決方案，調度多個自主代理在雲端環境中運行。它利用Neon的Postgres相容的無伺服器資料庫來存儲對話記錄和代理狀態，Azure Functions用於大規模運行代理邏輯，以及OpenAI API驅動自然語言理解和生成。內建的訊息佇列和角色基的行為機制允許代理協同完成研究、排程、客戶支持和資料分析等任務。開發者可以自定義代理策略、記憶規則與工作流程，以滿足不同企業需求。