AppAgentは、LLM（大規模言語モデル）に基づくマルチモーダルエージェントフレームワークであり、スマートフォンアプリの操作を目的として設計されています。簡素化されたアクション空間（タップやスワイプなど）を通じて人間らしいインタラクションを模倣し、アプリの操作を実現します。システムバックエンドへのアクセスは不要です。エージェントは、自律的な探索や人間のデモンストレーションを観察することで新しいアプリの使い方を学習し、さまざまなアプリにおける複雑なタスクを実行するための知識ベースを作成します。