open-compute：模型无关的计算机使用 Agent 循环核心
ellmos-ai/open-compute · Model-agnostic computer-use core: one agent loop for Claude, OpenAI CUA, and a mock backend — normalized coordinates, canonical action schema, central safety gate.
open-compute 是一个轻量的 Python 核心库，用于构建计算机使用（computer-use）Agent，即由 LLM 驱动的 GUI / 桌面 / 浏览器自动化。它实现了「感知 → 模型工具调用 → 动作 → 反馈」的 Agent 循环，并通过统一的 ComputerBackend 接口让推理模型可替换：Anthropic Claude、OpenAI CUA 两个 API 后端地位平等，离线 mock 后端为默认。核心零运行时依赖（仅标准库），厂商 SDK 为可选惰性加载的 extras。主要特性包括：统一归一化 0..1 坐标并集中处理 DPI 缩放与多显示器偏移、规范化动作 schema（click、type、key、scroll、drag、wait）、集中式安全门（confirm / allow_all / read_only 三种策略）以及每次会话动作前强制的 4 秒安全窗口。感知层支持截图、Set-of-Marks、DOM、Windows UIAutomation 等混合方式，并提供按窗口作用域的 token 预算过滤。
评论 · 分享第一个看法