字节跳动开源了一套多模态AI Agent技术栈，名字挺酷，叫UI-TARS Desktop。

苯鸟

字节跳动开源了一套多模态AI Agent技术栈，名字挺酷，叫UI-TARS Desktop。用起来特别简单粗暴：你直接甩一句人话过去——“帮我把VS Code的自动保存打开”或者“去Priceline订张明天飞东京的机票”——它就能自己接管你的电脑，把活儿给干了。

这次一共端出来俩产品：
👉 UI-TARS Desktop：原生桌面应用，通过NutJS控制鼠标键盘，macOS和Windows通吃。
👉 Agent TARS：通用框架，走CLI和Web UI，支持挂载任意多模态LLM——不限于字节自家的，Claude、GPT、豆包统统能接。它还支持MCP集成，扩展性拉满。
🔗 项目地址：github.com/bytedance/ui-tars-desktop