Agent 与自动化01
kiexpert/wkappbot-sdk · Computer Use, App Use, AppBot — give AI agents real eyes and hands on Windows. Open-source RPA where humans, the app ecosystem, and AI share one keyboard. Focusless. Self-healing. Multi-AI.
WKAppBot 是一个面向 AI Agent 的开源 RPA 与 UI 自动化工具，让 Claude、GPT、Gemini 等模型能够在不抢占用户焦点的情况下操作 Windows 应用、网页、浏览器 AI 会话以及通过 ADB 控制 Android 应用。它采用无障碍树优先的读取策略，配合 UIA、Win32 PostMessage、CDP 等多种通道，并提供基于视觉推断的自愈式元素识别与经验缓存。项目还包含多 AI 并行委派、Skills 知识积累与防错型 harness 守卫机制。免费层覆盖基础自动化，CDP 浏览器自动化、多 AI 委派及 sudo 管理员访问属于付费 Pro 层。
Agent 与自动化02
huang-sh/PiX · A non-linear AI agent workbench — session is a tree: branch anytime, and context follows the branch
PiX 是一个 AI Agent 工作台桌面应用，把传统单线程对话改造成可生长的图结构：每一轮对话（用户提示、助手回复和工具调用）都是图上的节点，用户可在任意用户消息处 fork 新分支、从任意早期节点继续对话，或克隆当前分支作为存档点，各分支互不干扰且可随时切换。上下文随分支走，分支聊天面板只显示当前分支的消息，可通过双击节点在多个并排聊天列中固定最多 3 个分支进行对比。项目为会话提供内置扩展，包括基于 Rust 与 SIMD 的快速文件名与内容搜索（fffind、ffgrep、fff-multi-grep），以及可观察和操作 macOS、Windows、Linux 桌面应用的桌面控制扩展，并提供可一键安装的网页访问扩展用于搜索、URL 抓取、PDF 提取和 GitHub 调研。会话保持为真实的 Pi 会话格式，可在 PiX 之外继续使用。
Agent 与自动化03
momentic-ai/skills · Agent skills and MCP servers that teach coding agents to write, run, and repair Momentic tests.
该项目提供一组 Agent 技能（Markdown 形式的 SKILL.md）和本地 MCP 服务器配置，让编码 Agent（如 Claude Code、Cursor、Devin 等）能够编写、运行、诊断和修复 Momentic 的 Web 与移动端端到端测试。技能覆盖浏览器测试、Android/iOS 移动测试、测试结果分类、失败维护与隔离用例修复等流程，并通过 Momentic CLI 提供的 MCP 工具驱动机器上的真实浏览器或设备。项目提供 CLI 安装、插件市场安装以及通用 skills CLI 安装等多种接入方式。安装需要 Momentic CLI、登录或 API Key，移动测试还需设备工具链；部署与成本条件未说明。
Agent 与自动化04
Harusame64/desktop-touch-mcp · Windows computer-use MCP server: drive any desktop app via semantic discover-then-act targeting (entities + leases, not pixel coordinates), with per-action perception guards, a native Rust UIA engine, Chrome CDP, and Key Locker credential autofill for ssh/sudo password prompts. Works with Claude, Cursor, and any MCP client.
desktop-touch-mcp 是一个面向 Windows 10/11 的 computer-use MCP 服务器，提供 32 个工具，让 Claude、Cursor 等 MCP 客户端可以截屏、读取 UI Automation 元素、通过 Chrome CDP 操作浏览器，以及进行键盘、鼠标和终端控制。其核心是 discover-then-act 的语义化定位（返回带租约的交互实体而非像素坐标）与逐动作感知守卫，用于在输入落地前核验目标窗口身份和边界。项目还包含 Rust 原生 UIA/图像差异引擎与 PowerShell 回退、Set-of-Marks 视觉回退、CJK 支持、以及用于 ssh/sudo 密码自动填充的 Key Locker。