搜索「Multi Agent」的结果

io.github.moeru-ai/airi/use-agent-browser-for-airi

用 agent-browser 在 stage-tamagotchi Electron、stage-web 与 stage-pocket 移动 Web 布局下测试 AIRI 展示模型导入。适用于上传并验证贡献者提供的 Live2D ZIP、VRM 或 MMD ZIP/PMX/PMD 文件,包括绕过引导流程、按格式验证导入行为、渲染器验证与移动平台覆盖决策。

io.github.moeru-ai/airi/use-agent-browser-with-input-file

在 Web 与 Electron 应用中通过 agent-browser 上传本地文件,覆盖普通、隐藏、动态创建、脱离 DOM、多选与原生实现的 file input。适用于测试文件选择、拖拽或点选流程、框架文件对话框组合式逻辑,以及上传后的应用行为。

io.github.mukul975/Anthropic-Cybersecurity-Skills/implementing-policy-as-code-with-open-policy-agent

用 Open Policy Agent（OPA）与 Gatekeeper 在 Kubernetes 与 CI/CD 流水线中实现策略即代码执行，涵盖编写 Rego 策略、把 OPA Gatekeeper 部署为 Kubernetes 准入控制器、开发期测试策略，以及把策略评估集成到部署流水线。适用于编写 Rego 策略、部署 Gatekeeper 准入控制，或用策略即代码检查为 CI/CD 流水线设门禁。

io.github.openclaw/openclaw/coding-agent

将编码工作委派给 Codex、Claude Code 或 OpenCode 作为后台 worker 执行；不适用于简单编辑或只读代码查询。

io.github.NousResearch/hermes-agent/page-agent

在 Web 应用中嵌入页内自然语言 GUI 副驾驶。

io.github.pingdotgg/t3code/ios-debugger-agent

使用仓库配置的 XcodeBuildMCP 服务器构建、启动、检视并驱动 iOS 应用。在 macOS 上用于 iOS 模拟器构建、聚焦的原生测试运行、语义化 UI 自动化、截图、日志或调试，包括 T3 Code Mobile 验证。

io.github.lobehub/lobehub/agent-testing-bot

LobeHub 的 Bot 渠道端到端验证——在 macOS 上经 osascript 或 iMessage 桥驱动真实原生聊天应用（Discord / Slack / Telegram / WeChat / Lark / QQ / iMessage）。是 agent-testing 技能在 Bot 界面的扩展。触发词：'test bot'、'bot test'、'test in discord'、'test in telegram'、'test in slack'、'test in wechat'、'test in weixin'、'test in lark'、'test in feishu'、'test in qq'。

io.github.lobehub/lobehub/agent-testing

面向任意项目的代理式端到端测试：经项目 CLI 验证后端、经 agent-browser 验证前端（Web）、经 CDP 验证桌面（Electron）。驱动真实界面、收集视觉确证的证据，并把结构化报告发布到 LobeHub verify 平台。触发词：'cli test'、'test with cli'、'verify with cli'、'backend test with cli'、'local test'、'test in electron'、'test desktop'、'manual test'、'test report'，或任何本地端到端验证任务。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.PostHog/posthog/debugging-local-task-agent-runs

调试本地 PostHog 任务运行的输出——向导云运行路径：在本地 Temporal `process-task` 工作流下于 Docker 沙箱中执行（先由向导集成 PostHog，再由编码代理提交并开 PR）。当本地运行卡住、失败或无输出，或需要读取向导/代理日志时使用。涵盖本地跑云运行所需的 `.env.local` 键与 `ai_features` intent、查找任务 UUID（docker ps、temporal CLI、localhost:8081 的 Temporal UI）、在沙箱容器内实时跟踪日志（`/tmp/posthog-wizard.log`、`/tmp/agent-server.log`），以及沙箱销毁后从对象存储读取按运行持久化的控制台日志。触发词：task-sandbox、run_wizard、agent-server、process-task、SANDBOX_PROVIDER、LLM_GATEWAY、cloud_run、posthog-wizard.log。

io.github.openai/codex/review-agent

对指定代码变更执行只读、缺陷优先的审查，返回所有可行动的发现。当其他代理委托审查未提交变更、基础分支 diff、某个提交或自定义审查指令时使用。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.BuilderIO/agent-native/writing-agent-instructions

如何为 agent-native 应用或模板写出优秀的 agent 指令：AGENTS.md、skills 及工具/动作描述。在撰写或评审 AGENTS.md、编写 SKILL.md、措辞 action 描述，或决定内容该放指令、skill 还是记忆时使用。

io.github.microsoft/vscode/agent-host-logs

分析 Agent Host 调试日志导出。在拿到 ah-logs 或 ahp-logs 压缩包/目录、Export Agent Host Debug Logs 导出的内容、events.jsonl、AHP JSONL 传输日志、Agent Host.log、remote-agenthost.log 或 copilot-logs 时使用。

io.github.wshobson/agents/review-agent-setup

在 Claude Code 中为 AI agent 的评审动作配置人工审核卡点。当项目中的 agent 可能发布 PR 评审、评论、合并或修改 CI 配置时使用，可生成带 Cedar 强制卡点、密码学可审计的审批记录。

io.github.lobehub/lobehub/agent-tracing

代理追踪 CLI，用于执行快照。适用于 agent-tracing、trace、快照、LLM 调用检查、上下文引擎数据、代理步骤分析、执行调试，或按 operation id 拉取远程/生产追踪（「拉线上 tracing」）。也是排查代理工具调用问题的第一站——错误或缺失的 tool_calls、异常的工具参数或结果、某步骤可用的工具，以及某工具为何在彼处运行。

io.github.lobehub/lobehub/agent-signal

构建或扩展 LobeHub Agent Signal 管道。用于信号源、信号/动作类型、策略、中间件、工作流转交、去重、作用域行为或可观测性。

io.github.aiskillstore/marketplace/backend-agent

为 Unite-Hub 处理后端/API/数据库工作。实现 Next.js API 路由、Supabase 数据库操作、RLS 策略、认证以及第三方集成（Gmail、Stripe）。