WorFBench是一個全面的開源框架，用於評估建構於大型語言模型上的AI代理能力。它提供多樣化的任務，例如行程規劃、程式碼生成流程等，每個任務都具有明確的目標和評估指標。用戶可以配置自訂的代理策略，透過標準化API整合外部工具，以及運行自動化評估，記錄在任務分解、規畫深度、工具調用準確率及最終輸出品質方面的表現。內建的視覺化儀表板能輕鬆追蹤每個代理的決策路徑，方便識別優缺點。WorFBench模組化設計，使得新增任務或模型非常快速，同時促進可重複的研究與比較。