AI图鉴

AI图鉴首页 › 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图鉴每小时自动聚合

Vercel Labs 发布 agent-desktop,一种Apache-2.0 Rust CLI,它通过读取OS访问树使任何AI agent计算机在macOS,Windows和Linux上使用。

Vercel实验室拥有发布 agent-desktop,一个用于在macOS,Windows和Linux上使用AI agent计算机的开源 CLI. agent-desktop通过操作系统的无障碍树阅读每个应用程序,而不是通过截图。 agent得到一个JSON的快照,上面有它能够作用的每个元素的参考。 1.0.2版本于2026年10月30日发运,在Apache-2.0下。 对于开发者来说,任何可以 shell cap coding agent 现在都可以在没有视觉模型的情况下驱动本地应用。

TL;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。 目前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(自报)的信号减少78%至96%。

agent台顶是什么?

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. 它不嵌入LLM,也没有GUI. 每个命令都打印一个JSON信封和出口。 观察行动核实循环留在你的agent

agent台台如何运作?

每个命令都通过固定的链条流动。 CLI或C库称agent-desktop-core,它只能通过一个平台Adapter特性到达OS. 一个平台板条箱然后与本地无障碍API交谈:

- macOS: AX API

- Windows:UI自动化

- Linux:AT-SPI号卫星

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

一个快照会指派合格的裁判,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再拍一张新鲜的快照。

每个错误都包含着一个处理。 Agents只应在称安全时重试。 校正解析度严格,未能关闭而非猜测。

滑石和钻井

敏捷的app可以曝光数千个无障碍节点。 A-skeleton快照只读深3级。 剪切容器报告儿童数量,并获得一个钻探员。 shapt - root 然后将一个区域读入同一shapt。

建筑商报告,Slack,VS代码和Notion的全树垃圾场有78%到96%的标志切。 在Apple地图中,他报告了3,811个令牌,每张表情下降到273个。 一个模拟的52步任务从198k降为31k令牌。 这些是自报的数字,不是独立的基准测试。

默认无头

校正动作会通过可访问性 API 不移动指针或聚焦。 这就是让agents在继续使用机器的同时工作的原因。 全球头旗允许在必要时进行物理输入。 每个校对动作还自动等待最高达5000 ms的可见,启用,稳定的目标。

它与像素计算机的使用相比如何?

模型侧计算机使用工具从截图和像素坐标工作。 兹Q 1Z的文档说每个截图大约花费1000到1800个输入符。 它的工具集定义新增每请求约4500个输入符。 兹Q 2Z 工具同样返回点击、 键入和滚动动作,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Q 1Z的UFO2也采用UI自动化,但舰只作为完整的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 -- 指南。

- Windows:在您的终端完整性水平上不需要应用程序的赠款。

- Linux:需要一个图形化会话,使用-spi2-core。

Agents通过捆绑的docs通过agent-desktop技能学习工具获得桌面。 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打开一个DevTools端口用于agent-浏览器。

关键外卖

- agent-台式机通过OS访问树给予任何agent计算机的使用。

- 它运行于Apache-2.0下的macOS,Windows和Linux,x64和ARM64上。

- 无头反弹的动作从不移动指针或偷重点

- Skeleton快照将信物切78%至96%(自报)。

- 没有无障碍树的Apps仍然无法接近。

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学位。 在统计分析、机器学习和数据工程方面有一个坚实的基础,Michal在将复杂的数据集转化为可操作的见解方面表现突出。

本文由 AI图鉴自动抓取并翻译,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图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 603 款 AI 工具分类导航 · 每日 AI 热门项目与动态