#computer-use Repositories
Insgesamt 78 Repositories
CUGA ist ein Open-Source-Generalist-Agenten-Harness für Unternehmen, der die Ausführung komplexer Aufgaben im Web und APIs, OpenAPI/MCP-Integrationen, kompositorische Architektur, Reasoning-Modi und politikbewusste Funktionen unterstützt.
UI-Venus ist ein universeller Basis-GUI-Agent für mobile Apps, Webplattformen und Desktop-Betriebssysteme, der ausschließlich Screenshots als Eingabe verwendet.
Offener, quellenbasierter Katalog von Computer-Use-Agenten: geprüfte Fachartikel, GUI-Modelle, Datensätze, Benchmarks, Tools und wiederverwendbare JSONL-/SQLite-Daten.
Das einfachste und schlankste Gerüst, das einem LLM völlige Freiheit gibt, einen Mac zu steuern.
Windows Agent Arena (WAA) 🪟 ist eine skalierbare Betriebssystemplattform zum Testen und Benchmarking von multimodalen KI-Agenten.
Native Linux-Desktopsteuerung für KI-Agenten (MCP, Pi, CLI): semantische AT-SPI-Bäume, Screenshots, Fensterauswahl und Eingabe unter GNOME, KDE, Hyprland, niri, COSMIC, i3, Sway, labwc und anderen wlroots-Compositoren sowie unter X11.
Invisible Playwright MCP: Ein Playwright-MCP-Server, der von Anti-Bot-Systemen und CAPTCHAs nicht erkannt wird: Ein KI-Agent surft mit einem getarnten, Anti-Erkennungs-Firefox, Python, unerkannter Browserautomatisierung, Web-Scraping und Computersteuerung im Internet.
Eine Abzweigung von Anthropic Computer Use, die Sie auf Mac-Computern ausführen können, um Claude und anderen KI-Modellen autonomen Zugriff auf Ihren Computer zu ermöglichen.
Barrierefreiheit zuerst: Browser- und Computernutzung für KI-Agenten – ein MCP-Server für jedes Harness (Codex, Claude Code, OpenCode, Antigravity). Analysiert den DOM-/Barrierefreiheitsbaum über CDP statt in Screenshot-Schleifen zu arbeiten: Snapshots mit Änderungsabgleich, stabile Elementreferenzen, vertrauenswürdige Eingaben und typisierte Fehler. Keine Abhängigkeiten
State-of-the-Art 82% OSWorld Computer Using Agent, produktionsreif. Remote und lokal! Einrichtung mit einem API-Schlüssel
Ein sich selbst weiterentwickelndes agentisches Betriebssystem. Eine neue Architektur für die Ausführung von Agenten, die auf den Prinzipien von Betriebssystemen beruht und deren Harness einen Weg zur Superintelligenz eröffnet.
Autonome Android- und Computernutzung unter Verwendung beliebiger LLMs (lokal oder remote)
Desktop-App zur Steuerung Ihres Computers mit KI über Terminal, Browser, Maus und Tastatur
Agent! unterstützt jetzt macOS 14.6 oder neuer, Apple Silicon und Intel – in der neuesten Version. Der beste KI-Agent für den Mac: steuert jede App über die Bedienungshilfen, programmiert und erstellt Builds in Xcode und automatisiert AppleScript, JXA, Swift sowie die SMAppService-Shell (Benutzer/Root). 23 LLM-Anbieter, lokal oder in der Cloud, plus Apple Intelligence auf dem Gerät und Jev Guard. Autopilot, MCP und Avatar.
Browser-Automatisierung und Computernutzung für KI-Agenten. Eine CLI und ein MCP-Server für Ihren angemeldeten Browser, native macOS-Apps und echte iPhones.
Autonome, sich selbst entwickelnde Agenten. Visuell fundiertes, geschichtetes Gedächtnis und selbst geschriebene Fähigkeiten für LLM-Agenten, die Ihren Computer bedienen.
Ermöglichen Sie jedem LLM, Ihren Computer plattformübergreifend zu steuern – mit 3D-Modellierungsbeispielen und Live-Demos.
Bops: ein Team aus KI-Bots, die deine Geschäftsabläufe übernehmen – jeder mit eigenem Computer, eigener E-Mail-Adresse und Telefonnummer. bops.bot
Kostenlose Alternative zu Grok Bot, die mit deinen eigenen Modellen läuft. Nutze das ChatGPT-, Claude- oder Grok-Abonnement, für das du bereits bezahlst, und erhalte ein Team aus Bots, von denen jeder über ein eigenes Gedächtnis und einen eigenen Computer verfügt.
MCP-Server für eine Hardwaremaus für KI-Agenten unter Windows x64. USB-HID-Steuerung und Spracheingabe per Diktat; kompatible uMouse-Hardware und -Firmware erforderlich.
Lokale Computernutzung auf Apple silicon: typisierte Entscheidungen direkt auf dem Gerät mit laya und Formularausfüllung mit CUA-S1-FORMS über die macOS-API für Bedienungshilfen
Verwandeln Sie Ihren Arbeitstag in strukturierte Arbeitsabläufe, die Agenten ausführen können. 100% lokal, über MCP bereitgestellt.
Browser Operator – Der KI-Browser mit integrierter Multi-Agenten-Plattform! Eine Open-Source-Alternative zu ChatGPT Atlas, Perplexity Comet, Dia und dem Microsoft Copilot Edge-Browser
Schnelle Antworten, weniger Tokens. Lass KI-Agenten (Claude Code, Codex oder beliebige MCP-Clients) ein echtes iPhone steuern · KI-Agenten können ein echtes iPhone bedienen: den Bildschirm auslesen, tippen, Text eingeben und wischen – per USB oder WLAN, mit eigenem XCTest-Runner und wiederholbaren App-Abläufen. Open Source, selbst gehostet auf macOS.