AI 集成

用自然语言驱动语言驱动平台的 RPA 能力，有两种方式：

方式	适合谁	说明
① 语言驱动Agent平台（开箱即用）	想直接用的用户	市场已集成三个官方 Agent——语言驱动GUI Agent / 语言驱动应用任务Agent / 语言驱动流程编辑Agent，System Prompt + 技能 + MCP 全部预配好，从市场安装即用。见 Agent 平台
② 第三方 Agent 平台自建	已有 Claude Code / 扣子 / WorkBuddy 等平台的用户	在三方平台添加语言驱动的 skills + MCP 即可使用同样的 RPA 能力——先完成第一节通用接入，再按第二~四节的场景章节对号入座

第三方平台接入 = 两步通用准备 + 按场景对号入座（任何支持 MCP 协议的 AI Agent 平台——Claude Code、Codex、Coze、WorkBuddy 等通用）：

① 配置 MCP 工具（必做）→ ② 安装技能包（推荐）→ 按场景对号入座（第二~四节）

MCP（必做）：平台内置的 MCP 服务，向 Agent 暴露任务工具（start_task、get_task_status 等）
技能包Skills（推荐）：给Agent的SOP文档，安装后一句话即可自动走完「查设备 → 查应用 → 拼参数 → 启停 → 汇总」全流程（宿主须支持 MCP）
生成 Agent Prompt：客户端填好参数一键生成可粘贴的精确指令，适合参数多/长、反复运行的场景

非 Agent 场景（脚本/业务系统直调）？

本页面向有 AI Agent 在环的接入。定时任务、后端服务、客户自建系统等无 Agent 直调请用 Open API——普通 HTTP + API 密钥，接口与 MCP 工具一一对应。

三个使用场景

RPA 能力按用途分为三个场景，对应三个官方 Agent——MCP 视图、技能包、人设模板均按此划分，先在下表找到你的场景，再进入对应章节：

场景（官方 Agent）	什么时候用	MCP 视图	技能包	详见
动态探索 / 逐步直控（语言驱动 GUI Agent）	一次性任务、动态探索、需要边看边操作	`langdriver` 运行视图	`langdriver-rpa-direct`	第二节
运行现成应用（语言驱动应用任务 Agent）	固定、重复、可定时的任务	`langdriver` 运行视图	`langdriver-app-task`	第三节
创建 / 编辑 / 发布流程（语言驱动流程编辑 Agent）	把任务沉淀成可复用的应用	`langdriver-flow` 编辑视图	`langdriver-rpa-flow-builder`	第四节

其中「运行现成应用」场景另有客户端的一键生成 Agent Prompt 辅助功能（参数多/含长文本/反复复跑时用，见第三节）。

不想手动拼？

语言驱动Agent平台市场已上架这三个官方 Agent——完整 System Prompt、配套技能与 MCP 全部预绑定（安装向导自动配好，还附带使用说明与官方更新一键同步），打开 agent.langdriver.com 从市场安装即用。只有在扣子 / WorkBuddy 等第三方平台自建 Agent 时，才需要按第二~四节手动拼装。

一、通用接入（三个场景共用）

MCP 与技能包的配置机制与场景无关，任何场景都先完成本节；装哪个视图、装哪个技能包由你的场景决定（见上方场景表）。

配置 MCP 工具

工作原理

外部 Agent (Claude Code / Codex / Coze / WorkBuddy 等)
    ↓ MCP 协议 (JSON-RPC over HTTP)
平台服务端 /api/mcp
    ↓ 控制通道 push 执行指令
语言驱动客户端 (需已登录在线)
    ↓ 自动执行任务
任务输出回传，Agent 拿到结果

MCP 提供两个视图，按需导入（不必都配）：同进程同认证，只是工具集不同——跨视图调用会被服务端拒绝（有意的隔离设计，防止建流程的 Agent 误开浏览器）。

认证方式（二选一，推荐 API 密钥）

方式一：API 密钥（推荐） —— Authorization: Bearer ldk_你的密钥

长期有效、可命名用途、可随时吊销，无需暴露登录密码——个人 Agent 与第三方平台（Coze 等）统一建议用这种。

创建密钥：

打开客户端，点击右上角用户名 → API 密钥
输入名称（建议按用途命名，如 Coze）→ 点击 新建密钥
弹窗展示完整密钥（ldk_ 开头）→ 立即复制保存——关闭后无法再次查看

也可以用 REST API 创建（POST /api/users/api-keys，需 JWT 登录态）。

认证请使用 Authorization 头

X-API-Key: ldk_你的密钥 头在部分集成环境（网关/第三方平台转发）会被丢弃导致 401，请统一使用 Authorization: Bearer ldk_你的密钥（含 Bearer 前缀，整段粘贴）。

方式二：平台用户名密码（备选） —— X-Username + X-Password

无需单独申请，直接用平台登录凭据；密码修改后旧凭证会自动失效（最多 5 分钟延迟）。选这种方式时，把下方示例中的 headers 换成：

json

"headers": { "X-Username": "你的用户名", "X-Password": "你的密码" }

下方视图示例统一使用推荐的 API 密钥。

视图一：运行视图 `langdriver`（大多数人只需要这条）

跑现成应用、逐步操控设备（对应技能 langdriver-app-task / langdriver-rpa-direct，即动态探索与运行现成应用两个场景），11 个工具。

在目标 Agent 项目根目录创建 .mcp.json：

json

{
  "mcpServers": {
    "langdriver": {
      "type": "http",
      "url": "https://langdriver.com/api/mcp",
      "headers": {
        "Authorization": "Bearer ldk_你的密钥"
      }
    }
  }
}

视图二：编辑视图 `langdriver-flow`（要让 Agent 创建/编辑流程才配）

流程应用的创建/增量编辑/试跑/发布（对应技能 langdriver-rpa-flow-builder，即创建/编辑/发布流程场景），16 个工具：

json

{
  "mcpServers": {
    "langdriver-flow": {
      "type": "http",
      "url": "https://langdriver.com/api/mcp/flow",
      "headers": {
        "Authorization": "Bearer ldk_你的密钥"
      }
    }
  }
}

怎么选

你的 Agent 要干什么	导入
跑现成应用、逐步操控设备	只配 `langdriver`
创建/编辑流程应用	只配 `langdriver-flow`
又建流程又运行（如「建好流程直接试跑发布」）	两条都配（名字不同不冲突）

两条都要时合并进一个 mcpServers 对象即可：

json

{
  "mcpServers": {
    "langdriver": { "type": "http", "url": "https://langdriver.com/api/mcp", "headers": { "Authorization": "Bearer ldk_你的密钥" } },
    "langdriver-flow": { "type": "http", "url": "https://langdriver.com/api/mcp/flow", "headers": { "Authorization": "Bearer ldk_你的密钥" } }
  }
}

配置完成后重启 Agent，在 MCP 面板中应能看到对应服务已连接（langdriver 列出 11 个工具 / langdriver-flow 列出 16 个）。

在 Coze（扣子）中接入

Coze 编程 → 资源库 → +资源 → 插件，类型选 MCP
插件 URL：https://你的域名/api/mcp（⚠️ Coze 要求 URL 必须为域名格式，暂不支持 IP；需先为服务端配置域名）
授权方式：选择 Service → Service token / API key：
- 位置：Header
- Parameter name：Authorization
- Service token / API key：Bearer ldk_你的密钥（含 Bearer 前缀，整段粘贴）
确认创建 → Coze 自动同步全部 MCP 工具 → 试运行任意工具（如 list_apps）验证

吊销密钥

在「API 密钥」管理弹窗中点击对应密钥的吊销——使用该密钥的所有集成立即失效。密钥泄露或不再使用时请及时吊销。

WARNING

完整密钥仅在创建时展示一次。遗忘密钥无法找回，只能吊销后重新创建。

安装技能包

Skills 是遵循 Agent Skills 开放标准的指令文件（均带 langdriver- 前缀便于识别）。安装后 Agent 用自然语言即可自动匹配对应技能执行。

对接方式三平台统一：Claude Code / 扣子（Coze）/ WorkBuddy 都是「上传 skills 包 + 配置 MCP」两步——同一个 zip 包在任一平台的技能/插件管理中上传安装即可（开放标准通用），配合本节的 MCP 配置使用。人设（System Prompt）按场景见第二~四节。

三个技能按职责分工（2026-09-21 由原 android/web/desktop 三个平台技能合并重构）：

技能	干什么	依赖 MCP	对应场景
`langdriver-app-task`	运行已构建的流程应用（Android/Web/桌面/多平台统一入口）	`langdriver` 运行视图	运行现成应用（第三节）
`langdriver-rpa-direct`	逐步实时直控（ai_step 视觉循环：截图→规划→自动执行；execute_step 直接执行）	`langdriver` 运行视图	动态探索/逐步直控（第二节）
`langdriver-rpa-flow-builder`	创建/增量编辑/试跑/发布流程应用	`langdriver-flow` 编辑视图	创建/编辑/发布流程（第四节）

技能调用的是 MCP 工具（mcp__langdriver__* / mcp__langdriver-flow__*），所以必须先完成上方的 MCP 配置（宿主须支持 MCP；无 Agent 的脚本/业务系统直调场景用 Open API）。

从旧版本升级？

原 android-automation / web-automation / desktop-automation 三个技能已合并为 langdriver-app-task。已安装旧技能的用户请删除 ~/.claude/skills/ 下的旧目录后重新安装（npx skills update langdriver-skills）。

安装

方式一：平台上传安装（扣子 / WorkBuddy / 支持技能管理的平台）

在平台的技能/插件管理入口上传对应 zip 包（见下方表格的下载链接），安装后即可自然语言触发——与 MCP 配置配合使用。

方式二：命令行安装（Claude Code）

bash

# 从 Gitee 安装（国内用户推荐）
npx skills add https://gitee.com/wenweihu86/langdriver-skills -a claude-code

# 从 GitHub 安装
npx skills add wenweihu86/langdriver-skills -a claude-code

# 使用 cn-skills（支持 Gitee 简写，国内更快）
npx cn-skills-installer add wenweihu86/langdriver-skills

方式三：手动下载（通用）

三个技能相互独立，按你的场景下载对应的 zip 包（zip 内是与技能同名的文件夹；Claude Code 解压到 ~/.claude/skills/，其他平台在上传入口直接传 zip）：

技能包	功能	对应场景
langdriver-app-task.zip	运行已构建的流程应用——启动任务、轮询状态、收集结构化输出；Android/Web/桌面/多平台统一入口，适合固定、重复、可定时的任务	运行现成应用（第三节）
langdriver-rpa-direct.zip	指令级实时直控——ai_step 视觉循环（平台视觉模型看截图规划下一步并自动执行，直到任务完成，Agent 无需视觉能力）+ 逐步执行 RPA 指令	动态探索/逐步直控（第二节）
langdriver-rpa-flow-builder.zip	创建/编辑流程应用——自然语言建流程、增量修改、试跑自验、发布上线（langdriver-flow 编辑视图）	创建/编辑/发布流程（第四节）

macOS / Linux：

bash

unzip langdriver-app-task.zip -d ~/.claude/skills/

Windows（PowerShell）：

powershell

Expand-Archive langdriver-app-task.zip -DestinationPath $env:USERPROFILE\.claude\skills\

装多个技能时对每个 zip 重复上述命令；解压后确认 ~/.claude/skills/ 下出现 langdriver-app-task/（以实际技能名命名的文件夹）即可。

更新

bash

# 命令行安装的用户
npx skills update langdriver-skills

# 手动下载的用户
# 重新下载对应的技能 zip 包，覆盖 ~/.claude/skills/ 下同名文件夹即可

二、场景一：动态探索 / 逐步直控（语言驱动 GUI Agent）

本场景需要（均在第一节完成）：MCP langdriver 运行视图＋技能包 langdriver-rpa-direct ＋下方人设模板。

适合动态探索、一次性任务、需要边看边操作：Agent 循环调用 ai_step——平台视觉模型看截图规划下一步并自动执行，直到任务完成（Agent 无需视觉能力）；确定性步骤也可直接 execute_step 逐步执行。

人设模板（模板一）

text

你是语言驱动 GUI 自动化编排助手，通过 langdriver MCP 工具操控用户的浏览器、Android 设备与桌面软件。你是编排者，不是看屏者：

- 视觉决策（找元素/点哪里/输什么）由平台视觉模型完成，信任 ai_step 返回的 thought/action 文本反馈，不要要求把截图调进上下文（出错轮会自动附图）
- 遵循 langdriver-rpa-direct 技能的工作流：复合子任务用 execute_step 的 aiAct；长程任务用 ai_step 循环且 instruction 全程保持用户原话；确定性步骤（已知 URL/已知文本/文件类）直接 execute_step
- 复杂多步任务 ai_step 传 deepThink=true（响应带 subGoals 进度）；重复性任务传 usePlanCache=true（重放学到的动作序列）
- ai_step 返回 done=true 时核对 thought 后向用户汇报；planInvalid/executeError 按技能文档处置，不轻易放弃
- 多轮采集的数据在对话中累积，收尾统一结构化输出（表格/JSON）；需要保存到本地时用文件类指令（excelWrite 二维数组 / wordWrite / downloadFile·downloadDialog，无需传 target）
- 开始前确认 langdriver-pc 客户端在线；结束时报告执行了哪些步骤、采到什么数据、遇到什么问题
- 轮次预算：ai_step 循环一步占一轮——长任务优先 aiAct 打包子任务、重复任务 usePlanCache 重放、确定性步骤直接 execute_step
- 发布类内容（评论/回消息等）只用文字，不要添加 emoji 表情——目标站点的表情面板可能没有该表情，且 emoji 使用模式是机器行为特征（易被风控识别）；表情表达交给用户自己决定

使用示例

安装完成后，在 Agent 中直接用自然语言下达指令即可，缺的参数 Agent 会按技能流程自己查或反问：

"打开抖音网页版搜索 RPA，逐条看前 3 条视频的信息"
"帮我看看这个网页停在哪个页面、有没有弹窗"（ask_screen 让视觉模型替 Agent 看屏排查）

指令级工具（ai_step / execute_step / inspect_elements / ask_screen 等）说明见文末「可用工具」。

三、场景二：运行现成应用（语言驱动应用任务 Agent）

本场景需要（均在第一节完成）：MCP langdriver 运行视图＋技能包 langdriver-app-task ＋下方人设模板。

适合固定、重复、可定时的任务：Android/Web/桌面/多平台统一入口，启动已构建的流程应用、轮询状态、收集结构化输出。

一键生成 Agent Prompt（本场景专属）

手动拼 MCP 调用参数较繁琐，平台提供一键生成功能（任何 Agent 平台通用）：

在「我的应用」中打开应用详情页，顶部「应用 ID」可一键复制
进入「运行任务」标签页，填写运行参数、选择设备/账号
点击「生成 Agent Prompt」按钮，弹窗展示一段可直接使用的 Prompt
点击「复制」，粘贴到目标 Agent 的对话框即可

生成的 Prompt 已包含当前填写的参数和选中的设备/账号，Agent 会按 start_task → 轮询 get_task_status → 拉取 get_task_output 三步执行并把结果汇总返回；分发失败时 Agent 会立即收到明确原因（客户端/账号不在线、参数缺失等）。

装了技能包还要用生成的 Prompt 吗？

不必须。参数少/短时直接自然语言即可；参数多、含长文本、或需要反复精确复跑同一应用时，用生成的 Prompt 更稳——表单参数原样序列化，不会被转述改写。

人设模板（模板二）

text

你是语言驱动应用任务运行助手，通过 langdriver MCP 运行用户已构建的自动化应用（浏览器/Android/桌面/多平台）。工作方式：

- 启动前先 list_online_devices 确认目标就绪（android 查设备、web 查账号、desktop 查客户端），再 list_apps 读应用的 param_schema
- 账号/设备名必须与 list_online_devices 返回一字不差，不要凭记忆猜
- start_task 返回 dispatched=false 说明目标不在线：提醒用户打开 langdriver-pc，不要轮询
- 任务异步执行：轮询 get_task_status（约每 15 秒）直到终态，再用 get_task_output 分页拉输出
- 汇报结果：按 entity_type 分组总结关键输出、统计数据和错误；失败时给原因与建议
- 运行时参数（搜索词/数量等）照用户原话填具体值；不确定的参数回到 param_schema 核对
- 开始前确认 langdriver-pc 客户端在线；用户要求中止时用 stop_task

使用示例

"用语言驱动在 Android 手机上给这个抖音视频写评论：https://v.douyin.com/xxx"
"用我的手机和浏览器一起跑一遍客户跟进流程"（多平台应用）

四、场景三：创建 / 编辑 / 发布流程应用（语言驱动流程编辑 Agent）

本场景需要（均在第一节完成）：MCP langdriver-flow 编辑视图＋技能包 langdriver-rpa-flow-builder ＋下方人设模板。

适合把任务沉淀成可复用的应用：自然语言建流程、增量修改、试跑自验、发布上线。

人设模板（模板三）

text

你是语言驱动流程应用编辑助手，通过 langdriver-flow MCP 创建/编辑/试跑/发布自动化流程应用。工作方式：

- 组装步骤前先 get_step_schema 查指令参数，不要猜；不确定的参数以 schema 为准
- 用户运行时才填的值用 update_variables 声明为 isInput 变量（勿为声明变量 update_flow 整树重写），步骤参数用「变量插值」引用（双大括号包裹变量名，语法见 langdriver-rpa-flow-builder 技能文档），并同步进 param_schema——不要硬编码；自定义函数用 update_functions 增量维护
- 校验失败必须逐条修复重试，不要放弃或绕过；工具结果提示「⚠️ 变量被引用但未声明」时用 update_variables 补声明
- 编辑存量应用先 read_flow 看骨架、read_steps 看细节，再 update_steps 五操作增量改；大流程禁止 update_flow 整树重写
- 子流程：改子流程内部步骤/变量/函数传 subflowId（read_flow 的 subflows 目录可见各自骨架与行号，与主流程变量/函数全隔离）；创建/改名/删除子流程用 update_subflows；复用一段逻辑=抽成子流程 + callSubflow 调用（args 键必须是目标 isInput 变量，isOutput 变量为返回值）
- 向用户表述步骤一律用 L 行号（骨架 line / read_steps 的 lines / update_steps 结果的 L 号）+ 步骤类型，不要输出原始步骤 id——id 只出现在工具调用参数里
- test_flow 真实试跑验证：失败看 trace 与变量快照定位原因（元素描述不准/缺等待/参数错），修正后重试；试跑截图可直接看屏核对
- publish_app/delete_flow_app 是破坏性操作：先向用户说明将发生什么，确认后再调用；用户拒绝时问清顾虑，可 discard_draft 回退
- AI 步骤间穿插 randomSleep（2000-5000ms）拟人等待

使用示例

"创建一个打开小红书、搜索关键词、采集前 3 条笔记标题的流程，试跑通过后发布"
"给「客户跟进」应用加一步执行完后发邮件通知"（增量编辑存量应用）

以上三个模板可以改吗？

可以。模板是官方调优的基线——改动时建议保留「编排者定位」（模板一）与「先查 schema 再组装」（模板三）这类防幻觉约束，其余按你的业务场景增删。

可用工具

运行视图（/api/mcp）——跑现成应用、逐步操控设备，11 个工具：

工具	说明
`list_online_devices`	列出在线设备（Android / Web / Desktop）
`list_apps`	列出可用应用及其参数定义（含 param_schema）
`start_task`	创建并启动任务，返回 task_instance_id
`get_task_status`	轮询任务状态
`get_task_output`	拉取任务输出数据
`stop_task`	停止运行中的任务
`inspect_elements`	截取设备屏幕并提取可交互元素列表
`ask_screen`	视觉模型替主模型看屏问答：对当前屏幕提语义问题（有无弹窗/停在哪个页面/元素是否可见），返回纯文字答案——主模型无需视觉能力，适合异常排查
`list_step_types`	指令级：可执行 RPA 指令清单（动作空间，含参数定义）
`execute_step`	指令级：执行单条 RPA 指令（浏览器/Android/桌面/文件），同目标自动复用会话
`plan_next_step`	指令级：基于当前屏幕截图的视觉规划，返回下一步建议指令
`ai_step`	指令级：视觉模型驱动的单步执行——截图→AI 规划→自动执行；循环调用直到任务完成，Agent 无需视觉能力

编辑视图（/api/mcp/flow，2026-09-21）——流程应用的创建/编辑/试跑，16 个工具：

工具	说明
`list_flow_apps` / `get_flow`	列出自己的应用 / 读流程定义（草稿优先）
`create_flow_app` / `update_flow`	创建（校验通过才落库）/ 整树替换流程
`read_flow` / `read_steps` / `update_steps`	增量编辑：骨架目录（含 subflows 子流程目录，各自行号独立 1..N）/ 按 id 读细节 / 五操作原子修改——改子流程内部传 `subflow_id`
`update_variables` / `update_functions`	增量增删改变量 / 自定义函数（按 name 定位，可传 `subflow_id` 作用于子流程域——与主流程全隔离）——新增引用 `{{变量}}` 的步骤时用 `update_variables` 同步声明，勿为声明变量整树重写
`update_subflows`	创建/改名/删除子流程——复用一段逻辑=抽成子流程 + `callSubflow` 步骤调用（args 键必须是目标 isInput 变量）
`get_step_schema` / `validate_flow`	全量指令定义（78 种，含容器）/ 独立校验
`test_flow`	试跑（真实执行）：返回步骤记录/轨迹/变量快照，Agent 自验闭环
`publish_app` / `discard_draft` / `delete_flow_app`	发布（草稿提升线上）/ 丢弃草稿 / 删除应用

运行前提

客户端需已登录并在线：MCP 启动任务后，服务端通过控制通道把执行指令推送给在线客户端执行。客户端不在线则任务无法运行
设备/账号就绪：Android 任务需设备已连接；网页任务需已添加登录账号
Token 余额充足：任务执行消耗 Token，余额不足会自动停止

macOS 上任务运行时浏览器窗口会被短暂切换到前台？

网页任务的 AI 操作（找元素/看屏）需要实时截图；macOS 对被完全遮挡的窗口会停止画面输出（系统行为），此时客户端会把浏览器窗口短暂置前以完成截图。任务期间请尽量不要完全遮挡浏览器窗口；如需完全后台运行，可用 BetterDisplay 等工具创建虚拟显示器并把浏览器窗口放入虚拟屏——虚拟屏始终处于「可见」状态，不触发遮挡，任务可无打扰后台运行。

支持的 Agent

任何支持 MCP 协议、可通过 HTTP 连接 MCP 服务的 AI Agent 均可接入：

Claude Code（Anthropic 官方 CLI）
Codex
Coze（扣子）
WorkBuddy
其他兼容 MCP 的 Agent 平台

常见问题

Agent 中 MCP 服务连接失败

确认 .mcp.json 里的服务器地址正确且服务端可达
用 API Key 时确认密钥未被吊销且复制时含 Bearer 前缀；用用户名密码时确认与平台登录凭据一致
服务端需已启用 MCP 端点（/api/mcp），联系管理员确认

Coze 连接失败

Coze 要求插件 URL 必须为域名格式（不支持 IP）——为服务端配置域名后重试
确认授权方式选的是 Service token / API key（Header），参数名 Authorization、值 Bearer ldk_xxx

MCP 启动任务后报「分发失败」/「设备不在线」/「账号不存在」

任务是通过控制通道推送给客户端执行的——确认语言驱动客户端已启动并登录在线
网页任务按 站点:账号 精确路由：targetAppAccount 必须与客户端账号管理中的账号名一字不差（可先调用 list_online_devices 查看在线账号清单）
网页任务 params 必须包含 targetAppAccount（浏览器账号名）

MCP 启动任务后一直显示「运行中」但不执行

确认语言驱动客户端已启动并登录（MCP 通过控制通道把任务推送给客户端执行，客户端不在线则任务无法运行）
确认目标设备已连接（Android）或浏览器账号已登录（Web）

返回结果字段说明

start_task 返回 task_instance_id 和 dispatched，记录 ID 用于后续轮询；dispatched: false 说明任务未真正下发（客户端/账号不在线）
get_task_status 返回 status 字段：pending / running / stopping / completed / failed / stopped
get_task_output 返回分页输出列表，每条包含 entity_type（实体类型）和 data（JSON 数据）

AI 集成 ​

三个使用场景 ​

一、通用接入（三个场景共用） ​

配置 MCP 工具 ​

工作原理 ​

认证方式（二选一，推荐 API 密钥） ​

视图一：运行视图 langdriver（大多数人只需要这条） ​

视图二：编辑视图 langdriver-flow（要让 Agent 创建/编辑流程才配） ​

怎么选 ​

在 Coze（扣子）中接入 ​

吊销密钥 ​

安装技能包 ​

安装 ​

更新 ​

二、场景一：动态探索 / 逐步直控（语言驱动 GUI Agent） ​

人设模板（模板一） ​

使用示例 ​

三、场景二：运行现成应用（语言驱动应用任务 Agent） ​

一键生成 Agent Prompt（本场景专属） ​

人设模板（模板二） ​

使用示例 ​

四、场景三：创建 / 编辑 / 发布流程应用（语言驱动流程编辑 Agent） ​

人设模板（模板三） ​

使用示例 ​

可用工具 ​

运行前提 ​

支持的 Agent ​

常见问题 ​

AI 集成

三个使用场景

一、通用接入（三个场景共用）

配置 MCP 工具

工作原理

认证方式（二选一，推荐 API 密钥）

视图一：运行视图 `langdriver`（大多数人只需要这条）

视图二：编辑视图 `langdriver-flow`（要让 Agent 创建/编辑流程才配）

怎么选

在 Coze（扣子）中接入

吊销密钥

安装技能包

安装

更新

二、场景一：动态探索 / 逐步直控（语言驱动 GUI Agent）

人设模板（模板一）

使用示例

三、场景二：运行现成应用（语言驱动应用任务 Agent）

一键生成 Agent Prompt（本场景专属）

人设模板（模板二）

使用示例

四、场景三：创建 / 编辑 / 发布流程应用（语言驱动流程编辑 Agent）

人设模板（模板三）

使用示例

可用工具

运行前提

支持的 Agent

常见问题