AppAgent 是一個基於 LLM 的多模態代理框架，旨在無需手動腳本即可操作智慧手機應用。它集成螢幕截圖、GUI元素偵測、OCR解析與自然語言規劃，用以理解應用佈局與用戶意圖。該框架通過Android設備或模擬器發送觸控事件（點擊、滑動、文字輸入）來自動化工作流程。研究人員與開發者可以自訂提示、配置LLM API，並擴展模組以支援新應用與任務，實現彈性且可擴展的移動端自動化。