代理回路里发生什么
一句话进去，十几次工具调用出来
代理先把自己的思路讲一遍，然后分发 OCR、点击、截图……直到目标达成 —— 每一次调用都进审计。
chat / claude-sonnet-4 运行中
U
打开小红书发一条带 #cat 的帖子 —— 先确认我已经登录了。
AI
好的。我先看下当前前台 App，启动小红书，验证登录态，再打开发布面板。
get_foreground_app
→ com.apple.springboard
launch_app
bundle_id: "com.xingin.discover"
→ ok
find_text_on_screen
text: "推荐"
→ found at (187, 142)
AI
登录态没问题。点 + 按钮打开发布面板……
tap_by_text
text: "+"
工具你也能自己调 —— 但代理替你想该用哪个
下面这些工具，你完全可以从自己的脚本或 REST 调。代理只是其中最通用的一个使用者。
听人话办事
把要干的事讲给 Claude 或 GPT 听 —— 比如「打开小红书发一条 #cat 的帖子」 —— Agentfy 自己拆成截图、找字、点击、校验一连串工具调用。
内置 40+ 工具
screenshot、describe_screen、find_text_on_screen、find_element_on_screen、tap_pixel、tap_by_text、swipe、launch_app、get_foreground_app、read_clipboard、list_macros、run_macro、sequence、wait_for_condition…… 还有另外 30 多个。
自带 LLM Key
在设置里填上你自己的 Anthropic / OpenAI / OpenRouter Key，按租户单独走。账单走对方平台，限速你自己定，我们一分钱推理差价都不抽。
验证码自动过
ai_solve_captcha 开箱可用：图选、滑块、勾选条款、按序点击全覆盖，纯靠视觉判断 + 重试预算兜底。
子代理 (ai_takeover)
宏可以把控制权丢给一个带预算上限的子代理来啃非结构化步骤 —— 跑完吐回结构化结果，主宏依然保持确定性。
租户 + 设备授权
代理只能动你授权的那些设备。每个工具都带安全标签，每一次动作都进审计日志，连模型名和 token 用量都记下来。