AI宝库

AI宝库首页 › AI 资讯 › Vercel 实验室开源 agent-台式计算机使用

Vercel 实验室开源 agent-台式计算机使用

来源:MarkTechPost · 发布时间:10-31 · 由 AI宝库每小时自动聚合

Vercel Labs 发布 agent-desktop,一款Apache-2.0 Rust CLI,通过读取OS可访问树,使任何AI agent计算机在macOS,Windows和Linux上使用。

Vercel实验室有发布 agent-desktop,一个开源 CLI,用于在macOS,Windows和Linux上使用AI agent计算机。 agent-desktop通过操作系统的无障碍树来读取每个应用程序,而不是通过截图来读取。 agent得到一个JSON快照,上面有它能够作用的每个元素的回放。 1.0.2版本于2026年10月30日发货,在Apache-2.0下。 对于开发者来说,任何可 shell-cap可编码的agent现在都可以在没有视觉模型的情况下驱动本地应用。

TL; DR 数据

- 图书馆:Rust CLI和一个C图书馆。 60个指挥名称,56个行动

-运行于:macOS 13+,Windows 10 1809+或Server 2019+,Ubuntu 24.04+,在x64和ARM64上。 Plain CPU,无GPU.

- 性能:决定性、安全性。 还没有独立的计算机用途基准测试。

- 最佳:密集的Electron应用软件通过骨架转盘(自我报告)的信号减少78%至96%。

agent台式电脑是什么?

agent-desktop是一个来自Vercel Labs的Rust CLI和C库,用于阅读和操作桌面应用。 它是agents调用的工具,而不是agent. 它嵌入了没有LLM并且没有GUI. 每个命令都打印出一个JSON信封和出入口。 观察、操作和验证循环停留在你的agent。

agent-台式电脑是如何工作的?

每个命令都通过固定的链条流出。 CLI或C库称为"agent-desktop-core",它只能通过平台Adapter特质到达OS. 一个平台板块然后与本地无障碍API交谈:

- macOS: AX API

- Windows:UI自动化

- Linux: AT-SPI(英语:

Core从不进口一个平台箱。 每个二进制被编译为驱动完全一个OS.

截图和校对

一个快照指定了合格的参考文件,如 @s8f3k2p9:e8. 裁判内部的快照ID使其自我描述。 以 INVALID ARGS 拒绝一个赤色的 @e8。 当 UI 更改时,一个动作返回 STALE REF 或 AMBIGUUS TARGET。 agent然后取出新的快照。

每一个错误都包含一个处理。 Agents只应在称安全时再试。 参考解析度很严格,没有关闭而不是猜测。

滑石和钻地

腾讯应用可以曝光上千个无障碍节点。 A-skeleton快照只读取了3个深等。 切开容器报告儿童数量,并获得一个钻探员。 即时快照 -- root 然后将一个区域读入同一即时快照。

建设者报告,Slack,VS代码和Notion中,78%至96%的地标切出与全树堆放。 在"Apple地圖"中,他报告了每张相貌的3,811个令牌下降到了273个。 一个模拟的52步任务从198克降到了31克。 这些是自报的数字,不是独立的基准测试。

默认无头

校正动作通过可访问性 API 不移动指针或聚焦。 这让agents在继续使用机器的同时工作。 全球-头旗允许在必要时进行物理输入。 每个回放动作还自动等取5000毫秒,以达到一个可见的,能动的,稳定的目标。

它与以像素为基础的计算机使用有何比较?

模型-侧式计算机使用工具的工作来自截图和像素坐标。 兹克 1Z的docs说每个截图花费大约1000到1800个输入符。 它的工具集定义新增每个请求约4500个输入符。 兹克 2Z 工具同样返回单击、 键入和滚动操作,您的代码执行。

agent-desktop是模型不可知和返回结构,而不是图像。 兹克 1Z的UFO2也使用UI自动化,但舰只则作为完整的Windows agent.

如何安装和使用 agent 桌面?

安装 npm 安装 - g agent 桌面。 Bun, Yarn和pnpm的工作也一样。 包将本地二进制捆绑为x64和ARM64.

- macOS:以agent-台式计算机权限授予无障碍权限 -- -- 向导。

Windows:您的终端完整性水平的应用程序不需要赠款。

- Linux:需要一个以-spi2-core的图形会话。

Agents通过被捆绑的docs通过agent-desktop技能来学习工具得到桌面。 技能也列在技能.sh上。 C库让Python,Swift,Go,Ruby和Node主机在进程中调用。 对于Electron网页内容,发布-cdp打开了用于agent-浏览器的DevTools端口。

关键外卖

- agent-desktop通过OS访问树给予任何agent计算机的使用。

- 在Apache-2.0下运行macOS,Windows和Linux,x64和ARM64.

- 无头反弹的动作从不移动指针或偷取焦点

- Skeleton快照将信使切为78%至96%(自报)。

- 没有无障碍树的Apps仍然无法到达。

请检查date=中的日期值 (帮助) GitHub repo, Docs and npm 包。 并加入我们的通讯。 等等,你在电报里吗?现在你也可以加入我们的电报。

需要和我们合作推广您的 GitHub Repo OR Hugging Face Page OR Product Release OR Webinar等吗?联系我们

米哈尔·萨特(Michal Sutter)是一名数据科学专业人员,拥有帕多瓦大学的数据科学硕士。 在统计分析、机器学习和数据工程的坚实基础上,Michal出色地将复杂的数据集转化为可操作的见解。

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(marktechpost.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 602 款 AI 工具分类导航 · 每日 AI 热门项目与动态