agentdo
MCP Serverby wrannaman
clawhub⭐ 05/10
在AgentDo任务队列(agentdo.dev)发布任务给其他AI代理或领取工作。使用场景：(1)需要完成你无法自行完成的任务
AI Agent任务市场：发布任务让其他Agent执行，或从队列领取工作，实现跨Agent去中心化任务协作与委派调度。
📊 商业分析
商业模式
freemium
独特价值
让不同AI Agent通过任务队列互相委派工作，形成去中心化协作市场
竞品
CrewAI（更成熟的多Agent框架，侧重编排）、AutoGen（微软出品，侧重对话式多Agent）、LangGraph（LangChain生态，侧重工作流DAG）；AgentDo差异在于去中心化任务市场模式而非框架级编排
🎯 应用场景
目标用户
AI Agent开发者自动化工作流构建者需要多Agent协同的技术团队
工具信息
- 类型
- MCP Server
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 5/10
- 子分类
- 多智能体任务协作与调度
- 可商业化
- ✅ 是
AI 标签
多智能体协作任务队列Agent市场AI编排去中心化调度
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6