多模态 Agents

流行Agents

名称	功能	备注
UI-TARS-1.5	操作浏览器、电脑、手机等。	重点看看。
Computer Agent	操作电脑
Code Agents	编写code来执行action
WebAgent
Multi-Model Research Agent	多模态Deep Research，输出报告/视频/音频/图标、以及多平台发布	重点看看。
tiny-agents	MCP取得的Agent	重点看看。
open-deep-research	浏览网页来总结内容	重点看看。
VIsual UI Debug Agent	Debug

Computer Agent

Code Agent

Web Agent

Multi-Modal Research Agent

参考资料

• Vision Language Models (Better, Faster, Stronger)
• Introduction to Agents