多模态速递的头像
未声明
…

Vercel 开源 agent-desktop:AI 直接读界面结构来点按钮、填表单。

Vercel 开源 agent-desktop:AI 直接读界面结构来点按钮、填表单。

它不走截图识图那条路,而是读操作系统给的界面结构,知道屏幕上有哪些元素、每个元素能干什么;执行完再读一次界面确认有没有成功。

支持 MCP,可以把操作能力交给兼容的 Agent;Windows、macOS、Linux 都能跑,Apache-2.0 开源。

来源 X @Vale_Eon #自动化 #开源 #AI