Vision Agent 是一個開源的 AI 框架，讓開發者和 QA 工程師能透過基於視覺的元素偵測與自然語言驅動的腳本來自動化圖形界面。它利用計算機視覺模型定位螢幕上的按鈕、表單和互動元件，並使用大型語言模型將用戶指令轉換為可執行的自動化程式碼。此代理會根據 UI 變化進行適應，確保對網頁與桌面應用程式的測試套件具有韌性和低維護性。提供 Python SDK、CLI 工具，以及與 CI 管道的整合，實現無縫端到端的測試流程。