全体起立，Vercel推出的agent-desktop现在才是Agent操控电脑的真神。

寂静的雾雨

全体起立，Vercel推出的agent-desktop现在才是Agent操控电脑的真神。

它是 Vercel Labs 的开源项目，Apache-2.0 协议，GitHub 已经有 1.8 万 star，仓库地址在下面

它是一个命令行工具，让 Claude Code、Codex 这类 Agent 直接操作你电脑上的 App：点按钮、填表单、打字、切菜单、读界面。

之前大部分 Computer Use 的做法是截图，再让模型猜该点哪个坐标。慢，还容易点歪。

agent-desktop 不截图。它直接读系统的无障碍树（就是读屏软件用的那套接口），给界面上每个按钮、输入框编一个号，Agent 按编号去点、去输入。

最关键的一点：它默认不动你的鼠标，也不把窗口切到前台。

Agent 在后台操作电脑的时候，你可以照常刷微信、写东西，两边互不干扰。真要用物理鼠标键盘时，再加 --headed。

我在自己的 Mac 上实测了一轮：

- 打开系统设置，读完整个界面 0.3 秒左右
- 点击「蓝牙」0.17 秒，页面切过去了，设备列表也读出来了
- 给不在前台的文本编辑输入一段中英文加数字，0.15 秒，读回来一字不差
- Electron 写的 App 也能读，侧栏、对话列表的文字都拿得到
- 整个过程我一直在用微信，前台一次都没被抢

我原来用 LCU，它要借 ChatGPT 桌面端里面的运行时，ChatGPT 一更新就可能坏，也卡过。今天卸了，换成 agent-desktop。

几个让我决定换的点：

1. 不依赖任何 App，npm 一装就能用
2. macOS（Intel 和 M 芯片）、Windows、Linux 都支持
3. 自己不带模型，任何能跑命令的 Agent 都能用，也可以当 MCP 服务接进去
4. 60 个命令，窗口管理、剪贴板、通知、菜单栏都包了

安装就两步：

npm install -g agent-desktop
agent-desktop permissions --guide

第二条在 Mac 上会一步步引导你打开辅助功能权限。

然后在 AGENTS.md 或 CLAUDE.md 里加一句：

Use `agent-desktop` to see and operate desktop apps. Before the first use, run
`agent-desktop skills get desktop` and `agent-desktop skills get platform`, and follow them.

你的 Agent 就会用了。

仓库：http://github.com/vercel-labs/agent-desktop

实测截图👇