你不在电脑前，它依然在为你打工
看 EvoLoop 是如何帮你实现跨屏幕遥控的
你的掌上遥控器
随时随地掏出手机发号施令，或者在它遇到不确定的事情时，接收它的请示通知。
云端中转站
像快递中转站一样，帮你把手机上的指令，瞬间传递给家里或公司的电脑。
本地键盘手 (个人电脑)
收到指令后，它会唤醒你的电脑，替你移动鼠标、敲击键盘，干完活还会给你发个截图汇报。
永远在线的打工人 (服务器)
部署在云端的电脑里，7x24 小时从不休息，适合让它去做夜间抢购或者持续监控数据的脏活累活。
AI 思考中心
接入最聪明的大脑（大语言模型），负责听懂你想要什么，并把大目标拆解成一步步的行动计划。
什么是 Agent (智能体)？
Agent 不仅仅是聊天机器人。它是一个拥有自主规划与行动能力的数字员工。它以大模型作为“大脑”理解您的意图，并直接操控您的电脑、手机或服务器作为“双手”，全自动完成复杂的跨应用工作流。
A2A 多智能体群控 (Distributed Swarm)
打破单机算力瓶颈，构建跨物理设备的专属 AI 团队。
本地并发拆解 (SubAgent)
面对复杂工程，主控 Agent 会自动生成任务树状态机，并唤醒多个本地 SubAgent 并行处理，自动汇总结果闭环。
跨端物理群控 (Cross-Device Swarm)
通过 EvoCloud Gateway 长连接，桌面端可直接将任务下发至远端的 Linux 服务器甚至 Android 物理真机，实现真正的跨时空异步自动化。
为极客与开发者而生
不仅仅是工具，更是强大的本地自动化底座。
终端与对话双模 (Dual Mode)
自然语言与原生 Shell 的完美融合。当你用自然语言描述任务时，它会自动生成并在终端执行底层命令。支持全屏沉浸式 Terminal 视图，硬核玩家的最爱。
$ evoloop run "部署一个 Redis 容器并映射 6379 端口"
> Analyzing intent... [OK]
> Generating docker-compose.yml... [OK]
> Starting container: evoloop-redis...
✔ Container running on 0.0.0.0:6379
原生 MCP 接入与知识引擎
内置 Model Context Protocol (MCP) 支持。通过两行 Python 代码即可将本地数据库、企业私有 API 或 Neo4j 图数据库直接挂载为大模型的扩展工具。
from evoloop.mcp import Tool
from neo4j import GraphDatabase
@Tool(name="query_graph")
def query_graph(cypher: str):
# Directly exposes local Neo4j to the Agent
return db.execute(cypher)