Vercel Labs öffnet den Quellcode von agent-desktop für Computer-Use auf OS-Ebene
Vercel Labs hat den Quellcode von agent-desktop veröffentlicht. Das Tool überträgt den token-sparenden Computer-Use-Ansatz auf das gesamte Betriebssystem, ohne Screenshots zu verwenden.
Vercel Labs hat den Quellcode von agent-desktop veröffentlicht.
Das Tool überträgt den von agent-browser bekannten und token-sparenden Computer-Use-Ansatz auf das gesamte Betriebssystem.
Die wichtigste Eigenschaft ist, dass der Agent keine Screenshots benötigt. Statt Bilder zu analysieren, liest er direkt den Accessibility-Baum des Systems und erhält Informationen über Buttons, Eingabefelder und andere Interface-Elemente.
Gleichzeitig läuft agent-desktop im Hintergrund und übernimmt nicht die Maussteuerung, sodass Nutzer weiter am Computer arbeiten können. Auch mehrere Agenten können gleichzeitig laufen, jeder mit eigenem Cursor.
Warum das wichtig ist
AnalyseDer Zugriff auf den Accessibility-Baum statt auf Screenshots kann Token-Kosten und Latenz senken. Hintergrundbetrieb und separate Cursor machen die Automatisierung weniger störend und ermöglichen paralleles Arbeiten mehrerer Agenten.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Claude Code /goal: Autonome Agentenarbeit ohne menschliches Eingreifen
Claude Code ist ein Tool zur Arbeit mit Code direkt aus dem Terminal. Standardmäßig arbeitet es im schrittweisen Modus: Sie geben eine Anfrage ein, erhalten eine Antwort und geben erneut eine Anfrage ein. Der Befehl /goal ändert diese Logik grundlegend.
Autonomer Browser & Computer Use
Technologie zur multimodalen Steuerung der grafischen Benutzeroberfläche (GUI) durch visuelle Analyse von Screenshots sowie Simulation von Cursorbewegungen, Klicks und Tastatureingaben ohne API-Nutzung.
Steuerung des Computers durch KI (Computer Use)
Eine Technologie von Anthropic (vorgestellt in den Modellen Claude 3.5 Sonnet), die es neuronalen Netzen ermöglicht, das Betriebssystem wie ein Mensch zu steuern: Bildschirm-Screenshots erstellen, Fensterkoordinaten analysieren, den Mauszeiger bewegen, auf Schaltflächen klicken und Text eingeben – ohne Verwendung spezieller APIs.
DeepSeek stellt dsh-superagent vor: ein Multi-Agent-Framework für GitHub
DeepSeek hat dsh-superagent vorgestellt — ein Agent-Framework, mit dem mehrere KI-Agenten parallel mit GitHub Issues und PRs arbeiten können.